lisp macro可以直接操作ast，做到了"自定义语法 → 可运行代码"的展开, 让人用最贴近直觉的方式写代码。
顺着这个思路，agent也是"自然语言 → 代码"的映射上, 这么看, agent就是最强的macro?
不如说agent也是一种seed，毕竟和我的magnet下行速度不相上下。
最近看到太多ai神秘主义话题了，虽然我知道大家多半是开玩笑，but it comes to odd after transforming not even wrong into triple。
3 个赞
宏和函数只是规约时机不同的抽象罢了（
1 个赞
你要说 macro 的话，实际上 LLM 是一个 macro ，把自然语言展开成代码。
1 个赞
macro有定义，把定义发过去ai或人就能看懂，不发定义无法看懂，自然语言大家通常把定义这部分忽略掉，直接说做法，所以会出问题。
编程语言一开始写就是让你定义这个，定义那个的，或者引用这个、引用那个 。自然语言当然也可以这样要求把定义写明，不准歧义，这样和编程语言也就区别不大了
那个关于定义的点说得对，但即使把自然语言逼到和代码一样严格的定义，agent还是没法像macro一样deterministic。macro展开的结果每次都一样，但LLM给同一个prompt可能生成不同的代码，这种probabilistic的性质让它更像某种搜索/采样而不是真正的展开。所以比喻上agent更接近某种adaptive的求解过程，而不是编译期的语法变换。
所以目前的LLM需要自然语言+一堆Rules才可控、有效
虽然不知道如今怎么样了，但是过去经验有说加rules不会更好
Every time I fire a linguist, the performance of the speech recognizer goes up
类比LLM做agentic coding也不需要PL工作者(
1 个赞
我有一个想法： 在emacs里面跑agent，把emacs 作为一种“预定义”的输入（宏输入），那效率是双剑合璧，起飞了 比如：常见的路径、常用的agent高频词 都是预定义的可选择的
1 个赞