整理 | Tina
编程语言圈子又出“新花样”了！
如果开发者之间有一件事是共通的，那就是大家总爱创造新语言。这些语言往往被描述为“像 C 语言但更简单”、“像 C 语言但更现代”或“像 C 语言但专为某些特定群体设计”。而这一次，我们迎来了一种专为 AI 设计的编程语言，可以称之为“适用于 AI 的 C 语言”。
这次的新语言名为 Mirror，有一些独到之处。它的基本语法由两部分组成：定义的函数名称，以及输入输出示例。
它还有点像测试驱动开发（TDD），但不同的是你无需编写测试，而是直接提供黑盒版本。换句话说，这是一种 AI 驱动的函数式编程体验，同时也意味着你可以省去手动写代码的麻烦。
将 AI 融入传统编程语言
我们知道在 Excel 中，你可以通过提供一两个示例来演示如何格式化一列，之后 Excel 会学习这些模式，并将其应用到其他部分。
这种通过示例来引导的方式，是否也能用于编程呢？
卡内基梅隆大学从事教学工作的 Austin Z. Henley 就提出了这样的设想。想象一下，你不再需要一行一行地写代码，而是直接通过示例演示给计算机，让它“学会”你的意图。于是他和某创业公司 CTO Andrés Gottlieb 等人一起开发了一个名为 Mirror 的语言。
Austin 将此称为“编程示例”技术，用户提供想要的结果示例，系统生成可以执行该结果的代码。
Mirror 设计得非常简单直观，用户首先需要定义函数的签名，包括函数名称、输入参数的类型以及输出参数的类型。接下来，用户需要提供一个或多个函数调用的示例，包括适当的输入参数和对应的输出结果。
让我们从一个非常简单的示例开始，看看这个语言的设计逻辑：
首先定义一个名为 is_even 的函数，然后给出几个例子，比如 0 是偶数，返回 true，而 1 是奇数，则返回 false...... 这些例子为大语言模型（LLM）提供了训练依据，用于生成符合规则的实际代码。
最后用 is_even(12345) 来调用 is_even 函数，并传入参数 12345，那么它会判断 12345 是否为偶数。
在后端，Mirror 使用传统的递归下降解析器会处理这些示例，然后将它们发送到给大模型，大模型随后生成符合这些示例约束的 JavaScript 代码。生成的代码会显示给用户，如果需要，用户可以提供更多示例以进一步优化输出结果。
基于 LLM 的示例编程编程语言这是一门很有噱头的“编程语言”
有意思的是 Mirror 在技术社区 Lobsters 上曝光后，居然还有一些开发者给予了极高评价：
“我一直以为会有人发明一种集成了 LLM 的编译器，但从未真正思考过它可能会是什么样子。这是一个非常有趣的概念，就像一种伪代码解释器。我觉得这种方式可能有一天会成为主流的编程方法。”
“很棒！我之前用 neuro-lingo 做过类似的事情，只不过开发者需要为函数提供类型签名和注释，这主要是作为一种思想实验。我一直认为下一步的迭代会类似于 Mirror，开发者的任务是编写测试，而不是实现具体功能。我觉得在未来，这种方法很有可能变得合理：一种只使用英语作为编程语言（通过 AI）的语言，同时用传统编程语言来编写测试以确保正确性。”
“在看到当前 LLM 的能力后，我就想到这会使形式化规范和验证的概念变得更加吸引人。”
自媒体博主 The Primagen 则花了 2 个小时探索 Mirror。
他一开始也被 Mirror 的愿景吸引住了，认为这简直是语言轮子界里的“适用于 AI 的 C 语言（be C but for AI）”。
还具备由人工智能驱动的函数式体验，虽然避免了编写代码的繁琐，但却需要编写测试用例，这就好像是一种“后期 TDD”。所以他认为，Mirror 的出现标志着人工智能驱动的测试驱动开发进入了“后期阶段”。
并且他调侃说，“只要风险投资人看到 Mirror 的介绍，那么很可能会轻松获得一轮千万美元级别的融资”，因为“人工智能”这个词对风投来说似乎具有莫大的吸引力。他还拿 Friend 举例，这是一个人工智能社交网络产品，仅跟 AI 沾个边就筹集了约 250 万美元（随后，他们花了 180 万用来购买 Friend.com 域名）。
接着他希望用 Mirror 来实现一个简单的功能。不幸的是即使提供了大量的示例，Mirror 生成的代码仍然是错误的。
但 GPT 只用了一句简单的英语描述和代码结构，就轻轻松松地完成了任务。
折腾 2 个小时候后，The Primagen 评价说，Mirror 目前适合用来学习，比如可以帮助你学习如何编写解析器。
现实中，AGI 离我们还比较遥远，所以不要只想着回避学习编程。就算 Sam Altman 宣称距离 AGI 只有“几千天”，那起码也还有 10 年时间。所以为什么有些人非要选择绕过学习基础编程的过程，而转而依赖工具或 AI？
他最后吐槽道：“要知道，掌握技术并学习解决问题的能力永远是有价值的。而如果未来的某一天，AI 真的变得无所不能，那么具备技术技能的人依然会保持竞争力。无论未来 AI 多强大，技术能力都将是你提升自我、解决问题和实现价值的核心力量。这不是一个非此即彼的选择，你可以同时学习技术、享受创造的乐趣，并为自己的职业发展打下坚实的基础。”
