AI脚本大多以Python为主要脚本语言

核心一句话：AI训练素材里Python代码占压倒性多数，而且AI模型本身、AI生态绝大多数工具都是Python写的，所以默认优先输出Python。

拆开讲几个关键原因：

1. 网上公开代码样本体量差距巨大
   GitHub、博客、教程、论文配套代码、开源AI项目，Python代码数量远远超过Go、Rust、C++。大模型是学互联网公开数据，见得最多就是Python，自然最擅长生成它。
   Go 多用于后端服务、云原生，Rust偏向高性能底层，这类开源代码总量、入门教程密度远低于Python。

2. AI领域整个生态绑定Python
   PyTorch、Transformers、LLaMA.cpp、LangChain、Pandas、NumPy、OpenAI SDK、各种微调/推理脚本，原生第一语言都是Python。
   用户问“写个脚本跑大模型、处理数据、做爬虫”，训练数据里对应的示例全是Python，模型会默认匹配这个场景。

   如果你是写微服务、k8s控制器、高性能网络，AI反而更容易输出Go。

3. Python语法简单，适合示例脚本
   语法宽松、不用写大量模板代码（不用main函数、不用手动处理类型、不用编译），适合教程、demo、一次性脚本。
   Go强制包声明、main、类型、错误处理，代码行数多、样板代码重；AI写demo的时候，更倾向挑简短、一眼看懂的版本。

4. 很多提示词的隐性惯性
   大部分人问AI：“帮我写个脚本处理数据/调用大模型”，这类需求历史上大家都用Python实现，模型学到了这个场景绑定关系。
   👉 如果你明确指定语言，它就会切换：

   提示词示例：用Go语言写，不要Python，实现xxx，加上注释

对比一下

• Python：数据处理、LLM推理、AI脚本、数据分析、爬虫、快速demo → AI最爱输出
• Go：高并发后端、服务、CLI工具、云原生、PVE/k8s相关程序 → 需要你明确指定
• Rust：高性能推理、底层库、加密、硬件绑定 → 样本更少，写出来bug概率更高

小技巧，让它主动输出Go而不是Python

你开头就加上约束：

下面全部使用Go语言实现，不要Python，使用标准库为主，代码可直接编译，带注释