抽象异端：计算机科学与编程的非正统观点
这里是关于计算机科学和编程的非正统观点分享。
2026 年 8 月 6 日相关探讨
有人两次询问：若生成的代码无关紧要，且由 AI 负责编写语法这种繁重工作，为何还要用 Common Lisp 进行氛围编程，而不选择 Python、TypeScript 或 Java 这些主流语言呢？毕竟这些主流语言有大量训练集，模型能以很高统计准确率生成其代码。
原因众多，归根结底指向那个古老问题：既然有更流行的语言，为何还要用 Lisp ？答案是语言的流行程度并不能很好代表其实用性和表达能力。Lisp 社区早就明白这一点，这也是最初选择 Lisp 的原因。选择流行语言是中层管理人员为确保总能找到人维护代码的做法，而非顶尖黑客的选择。
选择 Common Lisp 进行代码生成的 8 大原因
- 专业知识基础：使用者使用 Common Lisp 编程已有几十年，对其了如指掌。氛围编程需要人类架构师监督机器，使用者查看模型生成的代码时，能瞬间判断代码是否可行或模型是否陷入死胡同。因为不深入理解一门语言，就无法成功指挥 AI。
- 重抽象轻实现：大多数现代语言要求精确描述机器处理数据的方式，而 Lisp 旨在表达高级抽象，而非繁琐的实现细节。使用者向 AI 提出需求时，希望它生成架构逻辑，而非与样板代码斗争来处理基本状态。
- 为精英设计：Lisp 是由顶尖黑客为顶尖黑客设计的语言，并非面向大众。它不会手把手教学，也不迎合编程培训班里最基础的模式。将其作为目标语言时，是在追求最大表达能力的环境中操作。
- 同像性与抽象语法树：这可能是最大的技术优势。Lisp 具有同像性，代码的结构与它所操作的数据相同。大语言模型（LLM）生成 Python 或 Java 代码时，必须预测表面语法，如空格、括号、分号和严格的类结构；而生成 Lisp 代码时，它直接在抽象语法树（AST）层面操作，预测的是纯粹的结构。消除语法障碍对 AI 代码生成是巨大优势。
- 宏作为上下文压缩工具：在氛围编程中，LLM 的上下文窗口是最宝贵的资源。Lisp 的宏系统提供了高效的上下文压缩方式。可以将冗长的样板代码隐藏在宏后面，让 AI 学习并使用宏，节省数千个令牌，从而在模型的内存限制内维护大型架构。
- 在 REPL 中进行内省：使用者不是在普通文本编辑器中使用 LLM，而是在 Lisp 的交互式开发环境（REPL）中操作。这使 LLM 可以在程序开发过程中进行内省，若需要了解特定对象或函数的状态，模型可以查询实时环境。这不是在编写静态文本，而是在与动态系统交互。
- 卓越的错误处理：当 AI 写出错误代码时，Lisp 的条件系统提供卓越的错误处理和调试功能。不会像其他语言那样硬崩溃而需完全重启，而是会捕获错误，LLM 可以分析堆栈跟踪，并在出错点交互式地调试生成的代码。
- 无需从头重启：使用 REPL 意味着每次测试更改时，不必从头启动程序。在编译型的主流语言中，AI 对代码进行一行修改都需完全重新构建和重置状态；而在 Lisp 中，只需重新定义特定的函数，然后立即在 REPL 中测试，应用程序的其他状态可保持不变，这种迭代速度是其他语言无法比拟的。
使用者认为不会给顶尖黑客使用普通的代码编写工具，希望自己的 AI 成为顶尖黑客，而不仅仅是代码编写员。如果期望 AI 达到顶尖水平，就应给它提供顶尖的工具，而非普通的代码编写工具。
评论与博客存档
有匿名用户评论，建议查看 github.com/gornskew/skewed - emacs，了解如何使用 LLM 代理生成 Common Lisp 代码。
博客存档展示了从 2006 年到 2026 年各月的文章情况，如 2026 年 8 月包含“llambda.lisp 在 Linux 上的应用”“为什么要用 Lisp 进行氛围编程？”等文章。