Jacquard — язык программирования, который AI создал для себя
Разработчик попросил AI спроектировать язык программирования, оптимизированный для машинной генерации кода с человеческим ревью. Результат — Jacquard: язык с явными побочными эффектами в сигнатурах функций, контент-адресацией кода (переименования не требуют перекомпиляции) и фреймворком тестирования Warp с replay и кешированием результатов. Проект уже можно установить и использовать, особенно в агентских системах.
Первый публичный язык, спроектированный AI для AI-кодогенерации с человеческим надзором. Если волна агентов-разработчиков продолжится, индустрии понадобятся инструменты, оптимизированные для машинной генерации и человеческой верификации — Jacquard показывает, как это может выглядеть.
Язык, который AI создал для себя
Автор проекта задался вопросом: если дать AI свободу, какой язык программирования он спроектирует? Для эксперимента модель проанализировала абстрактные синтаксические деревья (AST) популярных языков и нескольких концептуально прорывных, но малоизвестных. Результат назвали Jacquard — в честь станка Жаккарда, предшественника машины Бэббиджа и перфокарт.
Ключевые особенности
Явные побочные эффекты. В Jacquard взаимодействие с внешним миром (файловая система, сеть) видно прямо в сигнатуре функции. Рантайм требует явного разрешения на операции ввода-вывода — как capability-based security, но на уровне типов.
Контент-адресация кода. Внутри системы код идентифицируется по смысловому содержимому, а не по именам или форматированию. Переименовали переменную или поправили отступы? Перекомпиляция и повторное тестирование не нужны.
Фреймворк тестирования Warp. Система умеет записывать и воспроизводить взаимодействия с внешними эффектами, кеширует результаты тестов, позволяет подменять обработчики. Автор признаётся, что мечтал о таком инструменте, когда писал на Python.
Зачем это нужно
Jacquard проектировался под агентские системы — когда AI генерирует код, а человек только проверяет. Язык уже установим, есть примеры в директории demos. Автор просит экспериментировать и присылать фидбек: если агент жалуется на синтаксис или человеку трудно читать код, это повод доработать дизайн.
Ключевые выводы
- AI может создавать языки программирования, анализируя AST существующих — получается гибрид знакомых идей в новой комбинации
- Явные побочные эффекты в сигнатурах упрощают рассуждения о коде и для людей, и для машин
- Контент-адресация кода решает проблему ложных пересборок из-за косметических изменений
- Фреймворк тестирования с replay и кешированием может радикально ускорить TDD-цикл
- Языки, спроектированные для AI-генерации, могут быть удобнее и для людей — если цель не синтаксический сахар, а семантическая ясность
Автор: Павел Заславский · Источник: hnrss.org
**Здесь интересны не столько технические фичи, сколько сам эксперимент.** Автор не просто написал очередной DSL — он дал AI роль языкового дизайнера и получил систему, где машинная генерация и человеческий ревью не конфликтуют, а дополняют друг друга. Явные эффекты, контент-адресация, replay тестов — всё это решает реальные боли разработки, особенно в мире агентов.
Но давайте трезво: проект сырой, экосистемы нет, примеры игрушечные. Это не «AI изобрёл новую парадигму», а скорее «AI рекомбинировал известные идеи под новую задачу». Capability-based security есть в Wasm, контент-адресация — в Unison, effect systems — в Koka и Eff. Ценность здесь в интеграции и фокусе на AI-генерацию. Если вы пишете агентов или LLM-ассистентов, Jacquard может стать полигоном для экспериментов. Для продакшена — пока рано.
Комментарии