面向AI辅助迭代的编程语言语法设计

核心主旨

传统编程语言的语法设计大多以人工手写、一次性阅读作为首要目标，很少考虑「长期反复重构、AI辅助评审、增量Patch迭代」场景下的文本开销。
Nolang 在语法层面做了一套组合式取舍：牺牲少量一次性可读性，最小化增量修改带来的文本噪声与Token消耗，让语义改动范围尽可能等于文本改动范围，大幅降低和大模型协同开发、编译器工程迭代的成本。

一、传统语言在AI迭代场景下的隐性Token损耗

各类主流语言，存在不同类型的“diff污染”与基线文本开销，两类问题叠加，在长期工程迭代中持续消耗Token：

1. 连锁式diff污染（改动时爆发式消耗Token）
   • Go：允许一行多条语句；多行结构体/函数参数字面量配合gofmt，微小增删就会触发整块换行、逗号重排，语义只改一处，文本整块全部标记变更。
   • Python：以缩进作为语法要素。把代码块向内/向外嵌套时，块内所有行的空格数量全部修改，一次性污染多行文本；空格本身也占用字符Token。
   • C/JS：支持单行多语句，修改其中任意一条语句，整行文本失效，diff放大。
2. 基线固定开销（每行/每处持续累积的Token）
   • C/Java：语句末尾强制分号，每一行多一个独立符号，上万行代码累积开销显著。
   • Go/Rust/Kotlin/Swift：大量高频关键字（func/var/let/if），在分支、变量定义处反复出现。
   • 长类型名称：int64、string这类类型注解高频重复，增加字符长度。

关键区分：基线开销是静态、小额持续消耗；连锁diff污染是平时看不见，重构修改时突然暴涨Token，后者对AI协同工程的伤害更大。

二、Nolang 语法组合设计（协同生效，不是孤立特性）

1. 一行一条语句，行边界绑定语义边界

语法约束：不支持在同一行放置多条独立语句。

• 表达式内部支持复合运算、函数调用；仅禁止多条独立语句挤在同一行。
• 修改逻辑时：新增/删除/修改语句，只影响对应单行，相邻行文本保持不变。
• 消除传统语言“单行多语句，改一句污染整行”的问题。

2. 无语句分号

既然行本身作为语句分隔符，不再需要末尾分号作为分隔标记。

• 移除每行固定符号基线开销；
• 不需要引入Go风格复杂的自动分号词法规则，规避大括号换行陷阱。

3. 显式{}块，缩进仅为可选排版，不属于语法

块边界依靠大括号承载语义，缩进只是美化，不参与语法校验。

• 将一段代码包裹进条件分支，仅新增两行cond {与末尾}，块内部所有语句文本完全不变；
• 规避Python缩进改动批量污染多行的问题；也不存在gofmt式整块换行重排。

4. 近乎零关键字设计

尽量不用英文单词作为语法保留关键字，优先依靠位置、块结构、表达式承载语法含义：

• 去掉if、var、func这类高频保留词；条件分支直接使用表达式 { 块 }；
• 变量定义依靠赋值，无需声明关键字；函数使用fn字面量；
• 可选：块末尾表达式隐式返回，甚至移除return；
• 收益：削减大量重复英文单词Token，同时减少标识符命名冲突，词法分析器更简单。

5. 行业通用短类型简写

采用工程圈已经广泛共识的类型缩写，不自定义生造简写，平衡可读性与Token开销：

• 基础数值：i8/i16/i32/i64、u8/u16/u32/u64、f32/f64
• 字符串：str替代string
• 容器：vec[T]替代vector[T]；Option[T]保留简短写法
• 支持长名称作为别名（string等价str、int64等价i64），兼顾阅读与AI代码生成。

三、设计取舍与代价

这套方案不是无成本的，存在明确权衡：
✅ 收益

1. 增量Patch友好：语义改动 ≈ 文本改动，虚假diff噪声极少，AI交互Token大幅节约；
2. 基线文本精简：去掉分号、高频关键字、长类型名称，同逻辑源码字符更少；
3. 格式化成本低：没有强制缩进语法，没有自动重排的格式化器，不会引入无关换行变更；
4. 词法简单：极少保留关键字，减少词法解析复杂度与命名冲突。

⚠️ 代价

1. 入门阅读门槛略高：表达式 { ... }这类无关键字分支需要短期适应；
2. 语法歧义需要精细设计：依靠位置、块结构替代关键字，必须严格处理优先级、边界解析，避免二义性；
3. 外部工具适配成本高：语法高亮、LSP、代码分析工具无法直接复用传统语言的解析逻辑。

四、适用场景

这套语法的优势，在编译器开发、AST工程、序列化模块、长期持续重构、AI辅助代码评审场景下被持续放大。
它并不追求最短的一次性源码；核心目标是：降低反复迭代过程中的文本噪声，减少大模型交互Token消耗。

五、小结

多数编程语言在设计之初，没有把「AI辅助增量迭代」纳入核心约束。
Nolang 的这套语法组合，本质是把文本行提升为语法语义边界，同时砍掉多余关键字、冗余符号、长类型名称，从根源抑制连锁diff污染。
单独任意一项特性收益有限；组合在一起，在AI协同开发的长期工程迭代场景，会形成显著的Token节约优势。