我用AI发明一门新DSL，只用了1小时！过程详解-唐霜

在之前的文章中，我提到未来的编程会是自然转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】语言的编程。在这一好奇心的驱使下，我着手【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。实践，试图打造一个完整的闭环，来让用户可本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.net以通过输入一段带有编程性质的自然语言，就【本文受版权保护】【转载请注明来源】可以指挥系统完成输入中指定的任务。在经过著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】昨天的思考后，今天我用1个小时实现了一个未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。粗糙的样例，而实现的过程，主要是借助了L【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。LM来帮我发明一个DSL，并让它帮我实现【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】一个可以编译该DSL的compiler。【未经授权禁止转载】原创内容，盗版必究。接下来，我就详细讲解一下，我是怎么利用A【转载请注明来源】【本文受版权保护】I，把AI作为产品基础依赖实现这一过程的。

【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。

效果预览

上面的演示图片中，我首先在左侧输入框中输【原创内容，转载请注明出处】【转载请注明来源】入了一段有明显编程暗示的自然语言文本，在转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】文本中使用@来调用某个Agent。当我提本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】交这段文本后，可以获得右侧弹出层内的结果本文版权归作者所有，未经授权不得转载。【转载请注明来源】，具体内容如下：

【未经授权禁止转载】【作者：唐霜】

把用户发送过来的数据用@data_extract (AI数据提【本文首发于唐霜的博客】【版权所有，侵权必究】取)提取出其中的年份，以及每年的产量。将提取【版权所有，侵权必究】【本文首发于唐霜的博客】出来的数据用@data-transformer (数【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】据格式化)转化为JSON格式。
转载请注明出处：www.tangshua【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.netng.net【本文受版权保护】【作者：唐霜】【版权所有，侵权必究】

【关注微信公众号：wwwtangshua转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】ngnet】原创内容，盗版必究。【作者：唐霜】

经过翻译后的DSL如下：
未经授权，禁止复制转载。

原创内容，盗版必究。【原创不易，请尊重版权】

# 定义Agent
agent_data_extract = Agent("@data_extract", 6)
agent_data_transformer = Agent("@data-transformer", 9)

# 定义任务
task_extract_data = Task(agent_data_extract, "提取用户数据中的年份和每年产量")
task_transform_to_json = Task(agent_data_transformer, "将提取的数据转化为JSON格式")

# 定义流程
flow_data_processing = Flow([
    task_extract_data,
    task_transform_to_json
])

# 运行流程
execute flow_data_processing

你可以看到，AI理解了我输入的自然语言，【作者：唐霜】【原创不易，请尊重版权】以及对该文本进行了意图理解和语句分析，最【原创内容，转载请注明出处】【本文首发于唐霜的博客】终得到了一份看上去完全符合预期的DSL，【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】并且从Task的任务内容来看，AI并不是本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】简单的把文本进行拼凑，而是按照自己的理解本文版权归作者所有，未经授权不得转载。【作者：唐霜】进行了重新输出。

思考过程

我以前有实现过DSL的经历，在 http未经授权，禁止复制转载。【版权所有，侵权必究】s://www.tangshuang.n【未经授权禁止转载】【未经授权禁止转载】et/8445.html 一文中，我实现【本文受版权保护】【作者：唐霜】了一门用于Restful API的查询语转载请注明出处：www.tangshuang.net原创内容，盗版必究。言，可见我自己是有能力去完成一门DSL的【未经授权禁止转载】【本文首发于唐霜的博客】。在播客《Robust：程序员的TALK本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】 PLACE》中，我还讲过基于这一思路去未经授权，禁止复制转载。【原创内容，转载请注明出处】实现中文编程也不是梦。另外，请关注我的微【本文受版权保护】本文作者：唐霜，转载请注明出处。信 wwwtangshuangnet 持本文作者：唐霜，转载请注明出处。原创内容，盗版必究。续接收最新技术干货。不过，从设计到实现一【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】门DSL，还是比较熬人的。更何况我们设计的DSL都是有严格语【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。法的，在面对上述自然语言的编程目标来说，还是毫无著作权归作者所有，禁止商业用途转载。【作者：唐霜】头绪。

我的第一个想法是，既然我自己无法完成从自【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】然语言到具体代码的过程，那么能否让AI帮原创内容，盗版必究。【作者：唐霜】我完成呢？从我之前的文章中，你大概可以了【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】解到，市面上目前还是以项目级别的代码生成比较多，例如最近刚火的【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】Devin，而能够完成细粒度的任务编排的【原创内容，转载请注明出处】【原创内容，转载请注明出处】，比较少。
【作者：唐霜】

未经授权，禁止复制转载。【原创不易，请尊重版权】未经授权，禁止复制转载。

既然没有现成的轮子可以用，又没时间自己造转载请注明出处：www.tangshuang.net【转载请注明来源】，于是我的第二个想法冒出来：让AI帮我把著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】自然语言转化为设计好的DSL，再把DSL【关注微信公众号：wwwtangshuangnet】本文版权归作者所有，未经授权不得转载。丢到解释器中执行，这样不就完美解决了吗？

本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.n【原创不易，请尊重版权】【原创内容，转载请注明出处】et 获取更多精彩内容】

激动的手，颤抖的心，说干就干。

原创内容，盗版必究。【原创不易，请尊重版权】【作者：唐霜】

实践过程

万事开头难，自然语言到DSL，让AI来翻【关注微信公众号：wwwtangshuangnet】【访问 www.tangshuang.net 获取更多精彩内容】译，嗯……怎么开始呢？

首先，设计一门DSL。

我一开始想到自己之前的经验，既然是DSL转载请注明出处：www.tangshuang.net【本文受版权保护】，那么就向世界上最伟大的SQL对齐，发明【本文受版权保护】【版权所有】唐霜 www.tangshuang.net一些命令、指令，比如SELECT xx 著作权归作者所有，禁止商业用途转载。【作者：唐霜】TODO xx之类的。然而，很快我就打消【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net了这种命令式DSL的语法设计，因为在我的【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】设想中，用户是希望去完成一项任务，而完成原创内容，盗版必究。本文作者：唐霜，转载请注明出处。任务一定意味着时间，也就是说，这门DSL的执行过程，一定是【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】具有时间流动性的，而命令式的语言根本不存原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。在这一概念。

过了不到5秒钟，它返回了它设计的结果给我【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net：

本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】

未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。

这一版非常棒，概念明确了，但是我仍然希望【本文受版权保护】【原创不易，请尊重版权】引入“事件”来实现上一篇文章说的解耦问题。于是继续著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。让它调整，最终我得到了感觉不错的一个版本【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。。它给了“词汇表”“语法”“示例”“注意【未经授权禁止转载】【原创不易，请尊重版权】事项”4个部分，而且看上去非常专业。我让本文版权归作者所有，未经授权不得转载。【本文受版权保护】它导出为一个txt文件给我，之后我下载到【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】了本地保存。

未经授权，禁止复制转载。未经授权，禁止复制转载。转载请注明出处：www.tangshua转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。ng.net

接下来，自然语言转换为DSL。

转载请注明出处：www.tangshua转载请注明出处：www.tangshuang.net【未经授权禁止转载】ng.net未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。

不过我们需要让AI较为准确的识别用户自然语言与DSL之间的对应关系。【原创不易，请尊重版权】本文作者：唐霜，转载请注明出处。我们都知道LLM具有幻觉，有的时候转换并【原创内容，转载请注明出处】原创内容，盗版必究。不准确。为了提高这种准确性，我们可以通过本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.net大量样本对模型进行微调，成本稍大。另一种【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】方法则是提供更多的examples，利用转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。LLM的推理能力，它可以在example【本文首发于唐霜的博客】【作者：唐霜】s中找到规律，从而给出匹配度更高的结果。

在提交给AI时，我们在system前置预【本文受版权保护】【版权所有，侵权必究】设中，把AI预设为DSL转化角色，把下载【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。下来的DSL语法定义文件作为前提，把用户【本文首发于唐霜的博客】未经授权，禁止复制转载。输入作为user消息进行提交。在AI返回【作者：唐霜】本文版权归作者所有，未经授权不得转载。的结果中，我们直接提取出代码部分，最终就转载请注明出处：www.tangshuang.net【本文受版权保护】得到了我们想要的DSL。

【本文首发于唐霜的博客】【原创不易，请尊重版权】【访问 www.tangshuang.n【原创内容，转载请注明出处】【作者：唐霜】et 获取更多精彩内容】

最后，执行DSL。

不过可惜的是，由于目前所有大模型工具在t转载请注明出处：www.tangshuang.net【未经授权禁止转载】okens上都有限制，我并没有得到完整的【原创不易，请尊重版权】【原创不易，请尊重版权】代码内容。此时，我们就可以利用Devin本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】这类AI编程机器人帮我们来完成整个代码的【版权所有，侵权必究】原创内容，盗版必究。编写，然后再自己对代码做微调。

本文作者：唐霜，转载请注明出处。【作者：唐霜】【作者：唐霜】【本文受版权保护】

由于这部分我还没有实现，这里就不继续深入【作者：唐霜】本文版权归作者所有，未经授权不得转载。了。

【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】【未经授权禁止转载】

遗留问题，如何解决？

转载请注明出处：www.tangshua【转载请注明来源】【本文首发于唐霜的博客】ng.net【作者：唐霜】本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。

task_transform_to_json = Task(agent_data_transformer, "将提取的数据转化为JSON格式")

【作者：唐霜】著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。

首先，我们需要为每一个agent定义方法本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。，例如：

agent_data_transformer
.toJSON: 转化为JSON格式
.toXML: 转化为xml格式

agent_other
.method1: 用作什么未曾预料的用途
.method2: 或许在遥远地方会有另外一个作用

接下来，我们将此agent方法定义文档交原创内容，盗版必究。原创内容，盗版必究。给AI，并让AI根据Task中的参数和自【本文受版权保护】本文作者：唐霜，转载请注明出处。然语言文本，确定实际应该调用什么方法，并著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。让AI输出对应的方法名。

这样我们就可以得到如下形式的结果：

task_transform_to_json = Task(agent_data_transformer, "toJSON")

这样，我们就得到了真正的可用于解释执行的【访问 www.tangshuang.net 获取更多精彩内容】本文作者：唐霜，转载请注明出处。DSL代码了。

本文作者：唐霜，转载请注明出处。【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。

结语

在过去的1小时里，我的大脑在燃烧，然而，【版权所有，侵权必究】原创内容，盗版必究。我并没有像以往一样，因为DSL设计、代码【作者：唐霜】【本文首发于唐霜的博客】编写、算法、目录结构、状态管理等等问题纠【版权所有，侵权必究】著作权归作者所有，禁止商业用途转载。结，我把这些烧脑的工作丢AI帮我完成，而我主要是思考怎么让AI理【转载请注明来源】【本文受版权保护】解我的意图和目标，怎样让它给到我令人满意【版权所有，侵权必究】【版权所有，侵权必究】的结果。之前我有一篇文章讲，李厂长的话要【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。听，如今看看，真的是有道理的。

【本文受版权保护】【本文首发于唐霜的博客】

【本文首发于唐霜的博客】【未经授权禁止转载】【本文首发于唐霜的博客】【转载请注明来源】本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】本文作者：唐霜，转载请注明出处。原创内容，盗版必究。【转载请注明来源】【未经授权禁止转载】未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。【作者：唐霜】本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net

2024-03-26 4108

唐霜

我用AI发明一门新DSL，只用了1小时！过程详解

效果预览

思考过程

实践过程

结语

为价值买单，打赏一杯咖啡

声明

关于

生态