AI 2026年7月14日 1 分钟阅读

Jacquard 完全指南：面向 AI 生成代码的编程语言——让语言本身回答”它能碰什么，我们有多确定”

tinyash 0 条评论

概述

当 AI 编码工具能在几秒内生成整段函数时，代码审查的瓶颈从”写不出来”变成了”看不完”。一段代码能访问文件系统吗？会发起网络请求吗？如果 API 挂掉了会怎样？这些问题的答案通常藏在数千行代码的角落，需要逐行阅读才能确认。

Jacquard 是一个 FriendMachine 研究项目开发的编程语言，专为”AI 编写、人类审核”的场景设计。它不是又一款 AI 编码助手，而是一套让代码的意图在语言层面就可见可查的编程范式。在 Jacquard 中，函数的签名不仅告诉你返回什么类型，还告诉你它可能执行哪些外部效应——是否访问网络、读写文件、或者执行动态代码。这些信息是语言规范的一部分，不是注释，不是文档，不是”记得在 PR 里写清楚”。

核心设计思想：当代码由机器编写时，语言本身必须承担更多责任

Jacquard 的核心理念可以浓缩为一句话：当大多数代码由机器编写时，审核的人类需要语言本身来回答”它能碰什么，我们有多确定”，而不是逐行阅读每一行代码。

这体现在三个层面：

  1. 效应可见：每个函数的签名明确声明它可能执行的外部效应（网络、文件系统、控制台等）。未声明的效应会被运行时拒绝，除非显式授权。
  2. 世界可换：同一份代码可以在真实网络、录制的流量回放、或概率模拟中运行——无需修改代码本身。
  3. 身份稳定：代码的身份基于语义结构而非源文本的哈希。重命名变量、调整格式、添加注释——这些操作不会改变代码的规范身份。

架构揭秘：27 个内核形式与代数效应

Jacquard 的语言内核极其精简——只有 27 种形式。所有语法结构（.jac 表面语法）都是这 27 种形式的投影表示。语言统一使用 (head, meta, args) 三元组作为数据表示，引用的代码就是普通的数据。

架构的核心是代数效应处理器：

  • 深层的、多重恢复的处理器：一个处理器可以将计算恢复零次、一次或多次。这意味着穷举搜索和精确概率推理可以写成普通的库代码——不需要专门的测试框架或建模语言。
  • 显式能力授权：运行时只为你在 --allow 中指定的效应安装处理器。没有环境权限。想访问网络？必须显式声明：--allow net。
  • 类型-效应行列：每个箭头类型都携带该函数可能执行的效应集合——程序的推断类型就是它的权限清单。

安装与快速上手

Jacquard 的安装出奇地简单——不需要 OCaml 编译器（除非你想从源码开发）：

curl -fsSL https://raw.githubusercontent.com/jbwinters/jacquard-lang/jacquard-core-0.1-rc3/scripts/install.sh | sh

安装脚本会自动检测你的操作系统和 CPU，下载匹配的压缩包和 SHA-256 校验和，检验通过后安装到 ~/.local/。

确保 ~/.local/bin 在 PATH 中：

jacquard --version
jac --version

jac 是 jacquard 的短别名。来跑第一个 Jacquard 程序——计算 5 的阶乘：

jac run ~/.local/share/jacquard/demos/basics/m1-fact.jac

预期输出是 120。

CLI 命令完全参考

Jacquard CLI 包含 8 个核心子命令：

命令功能
jac run FILE.jac运行程序，可选 --allow fs/--allow net 授权
jac check FILE.jac类型检查，输出签名和效应清单
jac hash FILE.jac计算代码的规范身份哈希
jac fmt FILE.jac自动格式化代码
jac diff A B规范结构差异比较（支持文件和存储）
jac infer MODEL.jac概率推理（enumerate 穷举 / lw 似然加权）
jac test TESTS.jac运行 Warp 测试，支持穷举模式和缓存
jac build FILE.jqd -o PROG原生编译为独立可执行文件

深入三个核心特性

1. 效应追踪：一眼看出函数能做什么

在 Jacquard 中，函数签名不仅包含返回类型，还包含它可能执行的效应。一个签名如 (text) ->{net} text 表明该函数可能执行 net（网络）效应：

fetch_url : (url) ->{net} String

如果一段 AI 生成的代码尝试访问网络但未声明 net 效应，运行时会在执行前拒绝——不是运行时错误，而是语言级的安全保障。

2. 多世界测试：同一代码，无数环境

这是 Jacquard 最强大的能力之一：相同的代码可以在不同的”世界”中运行，无需任何修改：

jac run my-agent.jac --allow net

jac replay trace.jqd my-agent.jqd

jac infer enumerate MODEL.jac

这种能力使得全面的错误处理测试变得简单——不是 mock，不是桩代码，而是同一个程序在真正不同的世界处理器中运行。

3. 规范身份：重命名不改变代码身份

Jacquard 对代码的身份是基于规范语义结构哈希的，而非源字节。这意味着：

  • 重命名局部变量 → 身份不变
  • 调整格式化 → 身份不变
  • 添加注释 → 身份不变
  • 修改逻辑 → 身份改变

这个特性对 AI 生成代码的审核流程特别有价值：如果一段 AI 生成的代码经过人工审核后确认正确，其规范哈希可以被”锁定”。后续任何实质变更都会产生不同的哈希，触发重新审核。

Demo 示例：程序修复作为贝叶斯推理

Jacquard 最令人印象深刻的 demo 展示了编程语言设计如何将程序修复变成贝叶斯推理问题：

sh ~/.local/share/jacquard/demos/tooling/repair.sh

流程是这样的：

  1. 一个包含 bug 的程序被编译为带引号的 AST
  2. 系统对每个可能的单点编辑生成候补补丁——8 个候选
  3. 将失败的测试视为观察证据，计算每个补丁的后验概率
  4. 一个修复测试后，正确补丁的概率升至 0.75，一个”作弊”补丁占 0.25
  5. 添加一个回归测试后，作弊补丁概率归零

这个流程不需要专门的测试框架——它就是语言本身的能力。代数效应引擎让”生成候补 → 执行 → 观察 → 更新概率”成为一个普通的库调用。

原生编译

Jacquard 支持将程序编译为独立可执行文件（C 后端）：

export JACQUARD_PRELUDE=$PWD/prelude
export JACQUARD_RUNTIME=$PWD/runtime
jac build demos/tooling/word-count.jqd -o word-count
echo "hello world" | ./word-count --allow console

编译后的可执行文件输出与解释器字节一致——标准输出、标准错误和退出码都被差异测试验证过。支持的效应包括 console、clock、fs、dist 和 infer。

当前限制

Jacquard core 0.1 是一个研究原型，不是生产平台：

  • 没有 JIT 编译器或虚拟机
  • 没有并发支持
  • 没有连续概率分布
  • 没有包管理系统
  • 效应授权仍然比较粗粒度

详细限制清单见 docs/release/0.1/LIMITS.md。项目以令人耳目一新的诚实态度记录了每一项已知局限——这是 AI 工具生态中不多见的透明度。

总结

Jacquard 代表的不是”又一个 AI 工具”，而是一种对 AI 生成代码时代编程语言应该承担什么责任的重新思考。当 Claude Code 和 Codex 能在几秒内生成整段业务逻辑时，传统的”我逐行审查每一行代码”模式已经不可持续。Jacquard 用语言本身解决了”这代码能干什么”的问题——不需要离线审查、不需要安全检查表、不需要在 PR 评论里来回确认。

对于那些在 AI 编码工具日益普及的团队中负责代码质量和安全的人来说，Jacquard 值得持续关注——它展示了编程语言设计的未来方向。

  • GitHub: https://github.com/jbwinters/jacquard-lang
  • 研究介绍: https://research.friendmachine.co/jacquard/
  • 许可证: Apache-2.0
AI AI 工具 AI 编程 LLM 开发工具 开源 教程

发表评论

你的邮箱地址不会被公开，带 * 的为必填项。