programming-languageagentagent-firstcomparisondesign-patternarchitectureagent-designmcplsplcncodemapgraph-nativeeffect-system type: comparison 创建: 2026-06-18 更新: 2026-06-18
AI-First Programming Languages — 横向对比
2026-06 更新。聚焦两门已知公开的 AI-first 编程语言设计:
entities/ling-lang（灵, v0.0.6, 27 ADRs, codemap-as-design-surface）
和 entities/zerolang（v0.3.4, graph-native, zero patch）。
同时纳入另外 4 个 PL/PL 设计做参照（Mojo、Carbon、APL/J/K 系、
JetBrains MPS），看 AI-first 是孤注一掷还是新趋势。
一句话定位
| 项目 | 一句话定位 | 状态 |
|---|
| 灵 (Ling) | AI-first, 中英双语, codemap (LCN S-exp) 是 canonical IR, source 是 projection, MCP/LSP 是 AI 入口 | 设计锁 (27 ADR), v0.0.6 实现中, Rust+LLVM 20 |
| Zerolang | AI-first, graph (zero.graph) 是 program database, .0 是 projection, zero patch 是 AI 入口 | 实验性 v0.3.4, C-impl compiler, vercel-labs |
| Mojo | AI-first Python 兼容超集, 强调 ownership + 异构加速 (CPU/GPU/AI 加速器) | 早期 (Modular 公司), 不是严格的”AI 作者”而是”AI 友好” |
| Carbon | C++ 继任者 (Google), 实验性, 强调 interop + 性能, 不强调 AI-first | 实验性, 早期, 设计中 |
| APL/J/K 系 | array-first + 极简原语, 长期被认为”可写性差,人类难,程序紧凑” — 反而对 AI 友好? | 成熟但小众 |
| JetBrains MPS | projectional editing, 文本是 projection, AST 是 source of truth | 成熟商业, 不是 AI-first 但结构化相同 |
重点对比的两门：
- Ling 是用户的项目（27 ADRs 锁设计，27 ADRs 不可变）
- Zerolang 是外部项目（v0.3.4, 较成熟但仍未 v1.0）
核心范式对比
| 维度 | Ling (灵) | Zerolang | Mojo | Carbon | APL/J 系 | JetBrains MPS |
|---|
| 核心论断 | AI first, human second; codemap 是 canonical IR | AI first; graph 是 program database; text 是 projection | AI/ML 加速, Python 友好 | C++ 继任, 性能 + interop | array-first, 极简 | projectional editing, 文本是 AST 投影 |
| Canonical 状态 | codemap (LCN, S-exp) | zero.graph (binary graph) | text (.py/.mojo) | text (.carbon) | text | AST (projectional) |
| Source 关系 | projection of codemap (双向同步) | projection of graph (zero export) | source of truth | source of truth | source of truth | projection of AST |
| AI 编辑入口 | MCP/LSP tools (ling_query_*) | zero patch (typed ops) | n/a (传统文本编辑) | n/a | n/a | projectional editor |
| AI 读源 | 通过 MCP tool, 不读 .lcn 直接 I/O | zero query 然后可能读 .0 | 直接读 .py | 直接读 .carbon | 直接读 | 直接读 AST (projectional) |
| 目标用户 | AI 主, human 审 | AI 主, human 审 | 人类 ML 工程师 (AI 加速) | 系统程序员 | 数值/金融工程师 | DSL 作者 |
| Bilingual / 国际化 | 中英双语关键字 (KwLet = 让 = let) | 英语 | 英语 | 英语 | 英语 (Unicode-aware) | n/a |
Canonical IR 形态对比
| 维度 | Ling codemap (LCN) | Zerolang zero.graph | Mojo AST | Carbon AST |
|---|
| 形态 | 文档 (S-exp) | 图 (binary) | 树 (text) | 树 (text) |
| 持久化 | .ling/codemap/*.lcn, gitignored | zero.graph, 仓库内 (graph-first package) | n/a | n/a |
| Hash 策略 | daemon-owned, regenerable | content-hash (per ADR 0027-aware, content-hash decides drift) | n/a | n/a |
| Schema 强制度 | 强: structured 字段 + narrative 字段 | 强: shape-validated graph | 中: 类型系统 | 中: 类型系统 |
| Narrative 字段 | 一等公民 (意图, 示例, 设计笔记 — CommonMark) | 无 (Zerolang 没有意图字段等价物) | 无 (注释) | 无 (注释) |
| 可读性 (人类) | 中 (S-exp 但要学) | 低 (binary) | 高 (Python-like) | 高 (C++-like) |
| 可读性 (AI 工具) | 低 (MCP-tool 抽象后, AI 不直接读) | 中 (zero query 输出文本) | 高 | 高 |
| 修订单向性 | 双向 (code ↔ codemap 都是一等) | 单向 (text 是 projection, 正常通过 zero patch 写 graph) | 单向 (text → 一切) | 单向 |
核心差异：
- Ling 把”design rationale”做成了 codemap 的一等字段 (
意图, 设计笔记)。AI 看 structured, human 看 narrative。
- Zerolang 把所有 metadata 都做成 graph node, 没有”narrative”的等价物。
- 传统 PL 把所有 design rationale 放在注释里, 不是 schema-enforced。
Edit Primitive 对比
| 维度 | Ling | Zerolang | Mojo | Carbon |
|---|
| AI 编辑主路径 | ling patch → 通过 ling_query_* + source → codemap 提取 | zero patch --op '<op>' 直接改 graph | 直接改 .py 文本 | 直接改 .carbon 文本 |
| Edit precondition | reverse-check 效应 (函数层) | graph hash + node hash + field expect | type-check 提交 | type-check 提交 |
| Edit guardrail | ”pure-first, IO must tag” (效果在 signature 层可见) | --expect-graph-hash, --expect (field-level lock) | 无 AI 专用 | 无 AI 专用 |
| Bidirectional | 是 (codemap → code 也是一等) | 否 (text → graph 正常, 反向通过 zero import) | 否 | 否 |
| Error 信息形式 | LCN field (codemap 字段) + diagnostic codes | node IDs + graph hashes (machine-readable) | Python traceback | C++ diagnostic |
| AI 读 diff | ling review (codemap diff + 设计解释, ADR 0010) | zero diff (graph diff) | git diff | git diff |
类型 + 安全模型对比
| 维度 | Ling | Zerolang | Mojo | Carbon |
|---|
| 类型系统 | hybrid (explicit preferred, local inference) | static, with raises [Invalid] fallible functions | static, Python-like | static, C++-like |
| 内存模型 | region inference β, no GC, ownership-based | explicit capabilities (world: World), no ambient | ownership (Rust-like) | ownership (C++-like) |
| 效应 / 副作用 | 显式 effect tags (!FS/!Net/!Clock/!Rand/!Panic), pure-first + reverse-check | explicit capabilities passed as args (no ambient) | 无内置效应 | 无内置效应 |
| Effect 来源 | signature 层 (reviewer 一眼可见) | capability 参数传递 (reviewer 看 main 签名) | 无 | 无 |
| Effect 实现成本 | ~1 周 (finite reverse-check) | 隐式 (无, 用 capability 替代) | n/a | n/a |
| Generics | 推迟到 v0.1+ (codemap 暴露 call sites, monomorphic 足够) | 已支持, generic types | 已支持 | 已支持 |
| 编译期事实 | compileTime, target.pointerWidth, fieldType, hasEnumCase | 同 (MET001 诊断) | comptime 强大 | constexpr |
Ling 给了详细的 AI-场景性能预算 (ADR 0022)。Zerolang 没明说，但有 zero size --json, zero mem --json, benchmark docs。
| Operation | Ling v0.0.x floor | Ling v0.1+ target | Zerolang 类似 |
|---|
| 增量编译 (改一行) | 200ms | 100ms | 没说, 但有 --json size/mem |
| Canonical IR 查询 | 20ms | 10ms | zero query <100ms (估计) |
| LSP/MCP round-trip | 40ms | 20ms | n/a (没有 MCP 集成) |
| Daemon 启动 | 1s | 500ms | n/a (no daemon) |
| 冷编译 (10k LOC) | 20s | 10s | 没说 |
| Memory (10k LOC) | 200MB | 100MB | binary store, 估计 50-100MB |
关键观察： Ling 把 daemon + MCP round-trip 当作 AI 路径的关键路径指标，Zerolang 不假定 daemon，直接走 zero patch 命令。
Daemon / Background Process 对比
| 维度 | Ling | Zerolang |
|---|
| Daemon? | 是 (ling daemon, ADR 0024 hybrid) | 否 (无 daemon) |
| Fallback | File-level 读 .ling/codemap/*.lcn (CI/无 daemon 环境) | 无, 每次 zero query/patch 都直接走 graph store |
| 优点 | 长 session 快 (codemap 在内存, daemon-owned) | 简单, 无 IPC, 无 daemon 维护成本 |
| 缺点 | 多了一个进程要保活, 增加 crash surface | 每次 query 重新解析, 长 session 慢 |
| AI 集成点 | daemon host MCP server (per ADR 0024, 0027) | zero patch 命令, 通过 tool wrapper 暴露给 AI |
AI 工具集成
| 维度 | Ling | Zerolang |
|---|
| MCP 集成 | 核心 (ADR 0027: “AI 通过 MCP/LSP, 不直接读 .lcn”) | 没说, 有 zero skills bundled skills |
| LSP 集成 | 核心 (LSP server wraps codemap queries) | 没说 |
| Version-matched skills | n/a (compiler daemon is the canonical source) | 是 (zero skills get <topic>, 9 个 bundled skills, ~70 KB) |
| Skill 安装 | ling-install-agent (daemon + MCP 自动注册) | npx skills add vercel-labs/zerolang (bootstrap stub) |
| AI tool 抽象层 | 单一 CodemapBackend trait, DaemonBackend + FileBackend 双实现 | zero query / view / patch / inspect 各自独立命令 |
何时选哪个？
| 场景 | 推荐 | 原因 |
|---|
| AI 是主要作者, human 偶尔审 | Ling 或 Zerolang | 都明确为 AI-first 设计 |
| 需要 design rationale 持久化 (intent, why) | Ling | narrative fields 一等公民, 不是注释 |
| 需要 strict structural edit guarantees (graph + patch + hash) | Zerolang | --expect-graph-hash, --expect field locks |
| 需要 MCP/LSP 开箱即用 | Ling | ADR 0027 把 MCP/LSP 作为 AI 主入口, 优先实现 |
| 需要 Chinese 关键字 / 中英双语 | Ling | 唯一已知的双语 PL |
| 需要 region inference / no GC | Ling | 明确 v0.0.5 实现 region inference β |
| 想要 graph 形式 IR (而不是 document) | Zerolang | graph-first 是其显式承诺 |
| 想要简单的、命令式的 agent 编辑 surface | Zerolang | 9 个 zero * 命令, 不需要 daemon |
| 想要 Python 兼容 + AI 加速 | Mojo | 不是 AI-first, 但 Python 生态 |
| 想要 C++ 继任 | Carbon | 不是 AI-first, 但 Google 背书 |
哲学 / 设计哲学差异
| 维度 | Ling | Zerolang |
|---|
| AI / human 关系 | ”Let AI write a language that AI finds ergonomic” (ADR 0002) | “Zerolang exists because humans increasingly ask agents to write programs” (README) |
| 作者本人 | 中文母语, ADR 大量中文, 中英对照 | 英文 |
| 设计严肃性 | 27 个 immutable ADR, 9 个 L1-L4 层, 6-rein harness | 4 个核心 doc (graph-architecture, projections, semantic-vs-text, compile-path) + bundled skills |
| 后端 | 自研 MIR + LLVM 20 + Cranelift + wasm (planned) | C-impl compiler, 8 个 native target |
| 目标 | v1.0 = “production-ready” 长期 | v0.x experimental, 接受 breaking changes |
| AI 工具设计 | daemon + MCP, 多 tool, daemon 是 host | command-line, agent calls zero patch 一次, 不需要常驻 |
| 安全性 | effect reverse-check (pure-first) | capabilities (no ambient global access) |
| Reviewer 视角 | 签名层可见 effect | signature 层可见 capability 参数 |
共同的设计哲学 (与主流 PL 对比)
两门 AI-first PL 都有这些与主流不同的核心点：
- Canonical IR ≠ text — 都是”text is a projection”。Zerolang 用 binary graph, Ling 用 LCN document, 但都不是”text 是一等公民”。
- AI edit 走显式路径 — Zerolang
zero patch, Ling MCP tool。不假定 AI 直接改文本。
- Drift 是显式管理的 — Zerolang 用 content-hash 决定
RGP006, Ling 用 daemon-owned codemap 强制 schema 一致。
- 安全 = reviewer-visible — Zerolang capabilities, Ling effects, 都是为了让 human reviewer 在签名层就能看到函数能不能 IO。
- Schema 强约束 — Zerolang shape-validated graph, Ling structured+narrative fields with enforced schema。
- Pre-1.0 experimental — 都明确说”pre-1.0, expect breaking changes, use in isolated workspaces”。
不确定的 / 待观察
- MCP 集成的成熟度： Ling 把它作为 critical path, 但 v0.0.6 还没到 LSP/MCP 阶段 (按 roadmap 是 v0.1.0+)。Zerolang 没有 MCP 集成, 但有
zero skills bundled skills 作为 agent knowledge 来源。两种模式哪个更 work, 需要 2026-2027 看实际使用。
- Codemap 双向同步的实际可行性： Ling ADR 0025 说 statement+function 粒度 sync, 但双向同步的 conflict resolution 在真实使用中可能比预期复杂。
- Graph vs Document IR 的胜出： 长期看, agent 是否会偏好 graph (structural queries) 还是 document (narrative queries)? 取决于什么样的 query 最常见。如果 “what does this function mean” 重要, Ling 赢; 如果 “what calls this” 重要, Zerolang 赢。
- Effect system vs Capabilities 的胜负： 两个不同的安全模型, 都在为同一目标 (reviewer-visible side effects) 服务。哪个更 AI-friendly, 需要 2027+ 观察。
关键 takeaway
- AI-first PL 设计已经分化为两派：graph-based (Zerolang) vs document-based (Ling)。
- 两种都拒绝”text is source of truth”, 都在 explicit 编辑路径, 都有 reviewer-visible 安全机制。
- Ling 的独特优势： design rationale (narrative fields), 中英双语, MCP/LSP 集成是 critical path。
- Zerolang 的独特优势： graph-based structural guarantees, hash-based drift detection, content-hash 的”哪个 side moved”判断。
- 两者都不是给”AI 加速”用的 (像 Mojo); 都是”为 AI 作者/读者”重新设计的 PL。
相关页面