7.7
深览指数
科技Bestblogs·Martin Fowler··AI 生成
DSLs 实现 LLM 的可靠应用
本文由 Martin Fowler 撰写，核心观点是：领域特定语言（DSL）通过提供受限的语法和确定性验证器，使 LLM 生成代码变得可靠且可迭代。不同于传统观点认为设计应自上而下，作者指出前期规范只是假设，真正的设计约束在实施中迭代涌现。文章通过 PlantUML、SQL、Kubernetes YAML 及 Tickloom 框架等案例，展示了 DSL 如何将 LLM 的探索空间限制在领域范围内，从而无需人工干预即能生成正确的输出。适合关注 LLM 软件工程实用化、AI 编程及软件设计的开发者阅读。原文 ↗
核心观点
- ▍领域特定语言（DSL）通过提供受限的语法和确定性验证器，使得 LLM 能够生成可靠且符合预期的代码，这是将 LLM 应用于实际软件工程的关键策略。
- ▍前期的软件设计规范不过是起始假设，真正的设计约束（如权衡、边缘情况）只能在实施过程中通过迭代生成和修复来发现。
- 01DSL 如 PlantUML, Mermaid, Kubernetes YAML 和 SQL 具备有限的词汇表，LLM 仅需少量上下文示例即可生成正确的输出，因为其状态空间被严格限定。
- 02DSL 通常配备确定性验证器（解析器、JSON Schema 或编译器），LLM 可通过生成→验证→修复的循环实现全自动化，无需人工干预。
- 03文章以 Tickloom 框架为例，说明语义模型如何将底层细节（线程、网络、时序）抽象为 Replica、MessageType、Clock 等具体领域概念，使 LLM 专注于高层协议逻辑。
- 04文中展示了两个具体案例：一是为 PowerPoint 幻灯片构建带步骤标记的 PlantUML 图，二是使用 Tickloom 的 Replica 抽象实现基于仲裁的键值存储。
- 05作者指出，DSL 作为桥梁，将自然语言意图转化为可执行的、经过验证的代码，大幅提升了 LLM 在软件工程中的实用价值，尤其在需要高可靠性的场景。
反方 / 局限
- — 创建 DSL 本身需要投入前期设计成本，对于小型或一次性项目来说可能得不偿失。
- — 文章承认，对于某些场景，无需构建完整的 DSL，仅创建清晰的领域抽象（如面向对象中的接口）也可作为轻量级的替代方案，暗示 DSL 并非万能药。
3 分钟 · 3 卡片 · 8 资料
读原文 →