虽然 LISP 已经是很冷门的编程语言了，但是我的经验来自于更加冷门的编程语言：Coalton。这是一个基于 Common Lisp 的函数式编程语言，据说性能很不错。大概是今年三月份左右 Coalton 有重大更新，不再使用从 Haskell 借来的隐式柯里化，有了真正的多参数函数，也带来了关键字参数等新功能。然而这些更新各种 AI 都不知道（连 quicklisp 上的版本都还没更新），我得手动喂一份 Coalton 的教程和易错点才能正常使用。而且根据 gptel 的信息，一个缓存命中都没有。
不过从另一方面来看，只要给一份教程，AI 就可以写出不错的程序。AI 是会堵死冷门编程语言的路，还是让冷门编程语言也有一批熟练使用者？
我今天用 Claude Fable 5 修好 Symbolics Virtual Lisp Machine 移植到 macOS 后内存页尺寸不一致导致的运行崩溃问题了，Opus 4.8 一遇到调试 Lisp Machine 就会出幻觉，还是得我亲自上去学，Fable 5 给我的解决方案能让我承认它比我还懂 Lisp Machine
如果你觉得模型学不会，说明用的模型还不够先进罢了。
今天用 fable 写 applescript 简直是遭罪，当然，opus 同样遭罪，语法都不对……甚至不如 glm 5.1
难道您的 applescript 内容触发了 fable 的降智回复
我经常用claude写applescript哪，很好用，都没用过opus，这种短脚本简单任务，haiku、sonnet做的差不多都够了；你是不是上了太复杂的流程（或者您的applescript是个大工程？）
最近 J 的主要维护者以及现在大部分 J 解释器的作者 Henry Rich 对用 LLM 写 J 也感兴趣，正在召开线上会议
Subject: Please choose times for the J/AI meeting
From: Henry Rich <henryhrich AT gmail.com>
Date: Thu, 11 Jun 2026 11:52:47 -0400
We have several presenters lined up for the J/AI meeting, where we
will discuss what AI means for J. Now we need to set a date a time.
Please go to
https://calendly.com/d/[redacted]/j-ai-meeting
and indicate /all/ times that work for you. Please do this in the
next few days. It took a long time to get responses from the
presenters! This weekend I will announce the date/time.
I think we would all get more out of the meeting if we play around
with AI first. Michal Wallace has written something to create J code
with:
https://github.com/tangentstorm/j-mcp
I will be trying to use it and perhaps others might as well.
hhr
流程不太复杂，可能是因为转义什么的相关？就是点脚本带点字符串插值，不清楚呀……反正后面换点低档模型反而顺利完成 
降智也不应该呀……就一点脚本，又不是工程……
哈哈，复杂模型想太多，和人一样，想太多可能反而搞岔了
我让它帮我写hylang，只能算微微冷
我认为希望还是很大的 毕竟是lisp系的，基础的语法差距不会巨大，大致代码怎么写是有数的，缺的其实是一套“准确的知识”。你提到了“手动喂一份 Coalton 的教程和易错点才能正常使用”，也正是说明了这一点。 这种让AI去写冷门语言的问题，与这篇文章比较类似 EvoKernel — Value-Driven Memory for NPU Kernel Synthesis。他其实是利用强化学习 + 记忆机制，去进行self-evolving， 进而实现让各种LLM会写华为的NPU算子。他反馈的核心是编译器反馈+执行反馈，这两点基本上不管语言怎么冷门，总归还是得有的东西。 不过这种东西肯定不划算，做模型的公司就不会去做了
去年下半年写个 fennel 都没法一遍跑起来，现在嘛。。喂点文档就能把我按在地上摩擦，何止是有希望 
为什么图片用明显是用AI写的，连其中人物是否真实存在都无法验证的营销号文章？
我遇到的大量个案表明，确实如此，做编译器还是得啃龙书，别指望AI能把事做出来，能做到一半就不错，其实只要语法树出来了，其余的就没什么难的，类似lisp语法的解释器我做了两个了，用于动态加载配置，要做出能放到正式场合用的软件还是得啃龙书，先做出个能自己用的软件，再给别人用
ai做事做一半，可能你要做的事比较独特，ai缺少相关数据可以参考，等ai去学习下相关案例就好了
随机生成的东西是这样的, 但人类在很多事情上也是如此，随机生成 再想法子核对
只是ai输入快输出快 让人就忽视了一点 试错快不代表是真正的聪明 只是他能在有限的时间内尝试更多方案，而人类对智能的幻想接近全能🤣 在实践上又倾向快速完成（有限时间完成量）。 所以很多人会出现这类幻觉。 此处引入圣经一句话：太阳底下无新鲜事。 大多人做的事情都已经被人类记载过了，如何用前人的经验以做出有效决策才是难点。 ai：我读的快 输出的快（能用文本完成沟通）
还有一个盲区：人类要不是和狗之类的东西协作多。。。给它一个人性（智能）定位 其它不能和人类进行语言沟通的动物都要被打上没智能的标签了（我知道对动物的智力定义一直在变 从没有到有 到一些动物有相当于人类几岁的智力）。
从一些鸟类能说人话 甚至有理解人话，一些猩猩 到 发现海洋里真正有自己语言的鲸类 到能够理解人类语言的算法（大模型）智力定义是一直在变的啦。
从模型的发展来说 它的智力是一直在提升的（有多少是作弊的就不好说了 因为你现在能找到的东西基本已经当成它的语料投喂过了）
George Hotz 的博客《The Eternal Sloptember》，文章真实存在啊，你为什么说是AI生成的
智能行为的传统判定标准是在给定的任务或者情境中表现的像人类，这种定义下的智能不需要连续性。
但是智力就不一样了，它表示的不是智能拟人的程度而是差异的程度。考察智力，存在天然的连续可分背景。
