抽象异端计算机科学与编程的非正统观点这里是关于计算机科学和编程的非正统观点分享。2026 年 8 月 6 日相关探讨有人两次询问若生成的代码无关紧要且由 AI 负责编写语法这种繁重工作为何还要用 Common Lisp 进行氛围编程而不选择 Python、TypeScript 或 Java 这些主流语言呢毕竟这些主流语言有大量训练集模型能以很高统计准确率生成其代码。原因众多归根结底指向那个古老问题既然有更流行的语言为何还要用 Lisp 答案是语言的流行程度并不能很好代表其实用性和表达能力。Lisp 社区早就明白这一点这也是最初选择 Lisp 的原因。选择流行语言是中层管理人员为确保总能找到人维护代码的做法而非顶尖黑客的选择。选择 Common Lisp 进行代码生成的 8 大原因专业知识基础使用者使用 Common Lisp 编程已有几十年对其了如指掌。氛围编程需要人类架构师监督机器使用者查看模型生成的代码时能瞬间判断代码是否可行或模型是否陷入死胡同。因为不深入理解一门语言就无法成功指挥 AI。重抽象轻实现大多数现代语言要求精确描述机器处理数据的方式而 Lisp 旨在表达高级抽象而非繁琐的实现细节。使用者向 AI 提出需求时希望它生成架构逻辑而非与样板代码斗争来处理基本状态。为精英设计Lisp 是由顶尖黑客为顶尖黑客设计的语言并非面向大众。它不会手把手教学也不迎合编程培训班里最基础的模式。将其作为目标语言时是在追求最大表达能力的环境中操作。同像性与抽象语法树这可能是最大的技术优势。Lisp 具有同像性代码的结构与它所操作的数据相同。大语言模型LLM生成 Python 或 Java 代码时必须预测表面语法如空格、括号、分号和严格的类结构而生成 Lisp 代码时它直接在抽象语法树AST层面操作预测的是纯粹的结构。消除语法障碍对 AI 代码生成是巨大优势。宏作为上下文压缩工具在氛围编程中LLM 的上下文窗口是最宝贵的资源。Lisp 的宏系统提供了高效的上下文压缩方式。可以将冗长的样板代码隐藏在宏后面让 AI 学习并使用宏节省数千个令牌从而在模型的内存限制内维护大型架构。在 REPL 中进行内省使用者不是在普通文本编辑器中使用 LLM而是在 Lisp 的交互式开发环境REPL中操作。这使 LLM 可以在程序开发过程中进行内省若需要了解特定对象或函数的状态模型可以查询实时环境。这不是在编写静态文本而是在与动态系统交互。卓越的错误处理当 AI 写出错误代码时Lisp 的条件系统提供卓越的错误处理和调试功能。不会像其他语言那样硬崩溃而需完全重启而是会捕获错误LLM 可以分析堆栈跟踪并在出错点交互式地调试生成的代码。无需从头重启使用 REPL 意味着每次测试更改时不必从头启动程序。在编译型的主流语言中AI 对代码进行一行修改都需完全重新构建和重置状态而在 Lisp 中只需重新定义特定的函数然后立即在 REPL 中测试应用程序的其他状态可保持不变这种迭代速度是其他语言无法比拟的。使用者认为不会给顶尖黑客使用普通的代码编写工具希望自己的 AI 成为顶尖黑客而不仅仅是代码编写员。如果期望 AI 达到顶尖水平就应给它提供顶尖的工具而非普通的代码编写工具。评论与博客存档有匿名用户评论建议查看 github.com/gornskew/skewed - emacs了解如何使用 LLM 代理生成 Common Lisp 代码。博客存档展示了从 2006 年到 2026 年各月的文章情况如 2026 年 8 月包含“llambda.lisp 在 Linux 上的应用”“为什么要用 Lisp 进行氛围编程”等文章。