AI 编程时代为什么选择 Scheme？
Goeteia 项目用这篇文章论证：AI 写代码的瓶颈不是代码品味，而是信任——模型最擅长生成受约束的结构，最弱的是保证运行时语义，而 Scheme 的同形结构正好把这两块对齐。 具体四点：1）同形性让生成即解析，s-expr 生成出来就是已解析树，语法校验几乎免费，宏让模型只写意图、编译器展开实现；2）generate-verify 循环是真正的胜算——用 write/equal? 做差分测试、用不变量/固定点做自动 oracle、用 read/write round-trip 做免费属性测试，模型必须"证明"而非"声称"正确；3）前端 UI 也是数据：HTML 和 CSS 都是 s-expr，配色值、抽象、DRY 全是普通列表操作，页面本身由 site/why.ss 编译渲染，"site 就是论点的演示"；4）网络层里把协议变成可验证数据：两端同语言、用 s-expr 直接传输，无协议即无协议 bug；面对异构后端生成声明式 schema 并测试 decode(encode x)=x；已上线的 Igropyr 服务器就吃 s-expression 载荷。 最后作者给了诚实的反方：模型对 JS 的训练数据多得多、直觉召回强，Scheme 必须靠上述验证脚手架弥补；Goeteia 的 (web js) FFI 桥可以调用任何 npm 库，不必离开 JS 生态。 整体有清晰立场、有工程细节、有"自己的站点即证明"的一手经验，但论证偏产品/项目背书，结论对 LLM 编程范式的判断仍可争论。
评论
点赞
收藏