光明之路_Trae开发宣传_济宁聚会 9.12日《光明之路》讲演稿

`光明之路_Trae开发宣传_济宁聚会 9.12日`《光明之路》讲演稿

配套 PPT：光明之路_Trae开发宣传_济宁聚会.pptx（13 页）

建议时长：约 18--20 分钟（每页标注了参考时间）

场合：济宁 Trae 聚会

光明项目repo:GitHub - skywalk163/light · GitHub

开场白（约 1 分钟）

大家好，今天我分享的主题是《光明之路------用 Trae 开发一门中文编程语言》。

这个标题有两层意思：一是"光明"真的是一门编程语言，一门用中文关键字写代码的语言；二是这条路确实是一步一步走出来的------从 8 月的品牌焕新，到 9 月用这门语言去复刻一个 AI 智能体框架，全程都是用 Trae 开发的。

在座的如果用过 Trae 写小工具、改 bug，那今天你看到的是：Trae 不止能帮你改代码，它还能帮你研发一门语言。过程中我们沉淀了一套"任务书 + 契约 + 并行分发"的打法，最后我会把这些小技巧总结给大家，可以直接带走。

P1 封面 --- 约 0.5 分钟

（放 PPT，先别急着讲，停 1--2 秒）

"光明"是我们的名字，也是这个项目的名字。屏幕上是一小段光明代码------设版本为 "v7.0"，段主():，输出("你好，光明！")。注意，它全是中文。右下角那句"打印语言.自举率"，指的是这个编译器有 72.41% 是用它自己写的。一会儿我会解释"自举"是什么意思。

今天的主线就一句话：一门用中文思考的语言，是怎么用 Trae 一路开发、测试、升级到现在的。

术语小贴士

自举（Bootstrap）：用一门语言自己写自己的编译器，就像"用自己的爪子把自己提起来"。

光明（LightLang）：本项目开发的中文编程语言，代码全中文关键字。

P2 目录 --- 约 0.5 分钟

我的分享分五块：

先认识光明这门语言；
再看它最近两个月用 Trae 开发的真实历程；
重点讲我们的核心打法------任务分发的三个特点；
讲一个我们引以为傲的案例：用光明去复刻 DeepSeek Harness；
最后总结 Trae 好在哪，以及 AI 开发的小技巧。

术语小贴士

Harness：直译是"缰绳/夹具"，AI 圈子里指"给大模型套上工具、让它能动手做事"的智能体框架。

P3 光明是什么 --- 约 1.5 分钟

先回答"光明到底是什么"。

它是一门全中文关键字 的编程语言。左下这句是它的设计哲学：借鉴中文"3000 常用字覆盖各学科"的思路------用最少的核心字，组合出无限的表达。具体就是30 个 L0 核心字，像"若、否、当、遍"这些控制流字，"设、段、类"这些定义字，永久冻结、永不修改，全部高层语法都由它们组合出来。

右边的数字是它的家底：

30 个核心字，构成稳定内核；
109 个标准库模块，数学、网络、加密、中文分词、Agent 循环......应有尽有；
711 项原生腿能力，内置函数加运行时函数，直接编进 C 运行时；
72.4% 自举率，编译器大部分是它自己写的；
三后端、两种方言------白话体像日常说话，给青少年入门；文言体精炼，给商用大项目。

术语小贴士

L0 核心字：光明语言最底层、永久冻结的 30 个关键字，所有复杂语法都由它们组合而来。
标准库（stdlib）：语言自带的常用功能集合，不用自己造轮子，直接导入就能用。
原生腿（Native Leg）：光明里"原生实现"的能力------内置函数（builtin）和运行时函数（runtime）直接编进 C/LLVM，不依赖 Python 解释器；团队还通过"原生腿覆盖"把标准库的 Python 实现逐步替换成纯光明实现。
自举率：编译器代码里由语言自己实现的部分所占比例，72.4% 意味着编译器的"核心骨架"是光明自己写的。
白话体 / 文言体：光明提供的两套"说话风格"------白话体像日常中文对话，低门槛；文言体像古文一样精炼、适合大型工程。
LLVM 原生编译：把光明代码编译成机器码，编译出来的程序不依赖 Python 运行时。

P4 真实历程 --- 约 1.5 分钟

这条时间线，是我今天最想给大家看的：一个真实项目，两个月，七大步，每一步都是"Trae 并行分发 + 契约合入"的产物。

8 月 · 品牌焕新：项目原名"段言"，更名为"光明"，品牌名在代码、文档、Playground 里分三批清理干净；
8 月 · 能力筑基：分布式、地板自举、并发内核、内置直调四批任务，把语言的内核能力补齐；
8 月 · 原生腿批次 R10--R13：把标准库里的 Python 实现一批批"翻译"成纯光明实现，对拍测试每批全绿；
9 月 · lightharness：开始用光明复刻 DeepSeek Harness，这是故事的转折点------语言第一次被拿来写"AI 工具本身"；
9 月 · 语言升级：写 lightharness 时踩出 11 条语言缺陷（L-068~L-078），登记成账本，分 D1--D3 批次修掉；
9 月 · 6 路并行：0.88 验证机全量测试跑出 145 个失败，拆成 6 路并行，一次收敛干净。

术语小贴士

原生腿覆盖：给标准库"换腿"------把用 Python 写的模块，改写成纯光明（.light）实现，让标准库真正"用光明写光明"。
Playground：在线写代码的实验场，光明用它做网页端快速试玩。
0.88 验证机：团队里一台 FreeBSD 系统 + clang 编译器的远端验证机器（环境代号 0.88），专门用来做跨平台全量回归，补 Windows 本机测不到的平台差异。

P5 核心工作流 --- 约 1.5 分钟

这是我们的七步流水线，也是整个项目能运转起来的引擎：

需求 → 先做差距分析，搞清楚"现在差在哪"；
任务书 → 把需求写成一份"任务书"：目标、范围、契约、验收标准全写清楚；
并行派单 → 拆成多路，每一路交给一个独立的 agent 会话，一路一分支；
开发自测 → 每个 agent 改完先在自己分支上跑测试，对拍验证；
契约合入 → 走 PR 合并，契约不变，冲突天然少；
回归闸门 → 合入前跑基线检查，只拦"新增"的失败；
交付报告 → 每批交付"改了啥、验了啥、遗留啥"，配上查收记录。

这套流程的关键词是"契约 "和"并行"------下面三个特点就是围绕它们展开的。

术语小贴士

任务书：给 AI 的"单份作业说明书"，把目标、范围、接口约定、验收标准一次写清，agent 拿到就能独立开工。
PR（Pull Request，合并请求）：把分支代码合回主线的申请过程，合入前会被检查和评审。
回归（Regression）：改完代码后重跑全部测试，确保没把原本好的功能改坏。
CI（持续集成）：代码一提交就自动触发测试和检查，问题越早暴露越好。

P6 特点① 任务书制 --- 约 1.5 分钟

第一个特点是外发任务 + 任务书。

左边的五要素就是一份任务书的标配：目标与背景、任务拆分、共享契约、验收标准、交付要求。为什么这么写？因为 agent 没有"上下文记忆"，它每次开工都是"新员工第一天"------你把作业写清楚，它就能直接干活，不用反复追问。

右边是真实案例：lightharness 的 E 批次任务书。我们把"复刻 deepseek-harness 核心能力"拆成 E1 到 E5 五个任务，共享 5 条契约：工具事件格式、会话 API、审批事件、agent 钩子、路由认证规则。

术语小贴士

外发任务：把一个需求写成任务书，"外发"给一个独立的 agent 会话去执行，是团队最主要的派单方式。
共享契约：任务之间提前约定好的接口格式------事件结构长什么样、API 路由叫什么、钩子函数怎么签名，大家照这个对接。
agent 钩子（Hook）：在 agent 循环的固定位置留出的"插槽"（比如调用工具前、调用工具后），各任务往插槽里注册自己的逻辑，互不干扰。

P7 特点② 并行分发 --- 约 2 分钟

第二个特点是并行分发 。核心判断标准就一句话：任务粒度 = 一个 agent 会话能独立完成的范围。

左边是 E1--E5 的依赖图：E1 工具系统、E2 会话持久化、E5 压缩与计量，三个任务零依赖，完全并行；E3 和 E4 依赖 E1/E2 的契约，就先搭 UI 框架，接口定好一天对接完。五个任务同时开工，一次集成全过。

右边是更"硬核"的例子：0.88 验证机全量测试跑出 145 个失败，我们把它按文件映射成 6 路------环境健康、stdlib 对齐、测试方言、运行时真 bug、语言升级、缺陷账收敛。每路一个 agent 会话，互不碰对方文件，最后 145 个失败全部有归属：已修、已 xfail、已登记待修，没有一个"无人认领"的红灯。

并行的底气来自两条纪律：分支纪律 （每人只动自己那路的文件）和基线闸门（只拦新增失败）。

术语小贴士

xfail：给测试打上"预期失败"标记，已知的暂时性限制先标出来，不让它拖红整条 CI。
基线闸门（check_regression.py）：维护一份"已知失败清单"，CI 时只拦截清单之外的"新增"失败，避免存量问题反复误伤。
验证机：独立于本机的远端测试环境，用于跑本地覆盖不到的跨平台回归。

P8 特点③ 缺陷账 --- 约 2 分钟

第三个特点是我个人最喜欢的：缺陷账，开发即测试。

左边是语言升级的"正向飞轮"，专业说法叫 Dogfooding------吃自家狗粮：我们用光明写 lightharness，写着写着就踩到语言本身的缺陷，比如不支持十六进制字面量、没有闭包。每踩一个，就登记一条缺陷账（L-068 到 L-078，一共 11 条），每条带上最小复现和期望行为，然后安排 D 批次并行修复。语言每强一点，我们就能写出更复杂的工具------飞轮就这样转起来。

lightharness 的 README 里那句话是最好的注脚："复刻的目的不是照抄代码，而是检验这门语言------凡是写不出来、写出来是错的、绕不过去的地方，就是光明需要改进的清单。"

右边是 11 条缺陷的节选：类方法边界、JSON 布尔序列化、默认参数字面量、字典安全访问、转字符串、错误消息中文化、类型判型内置化、hex 字面量、空 保留字、列表方法不全、闭包。每修一条，都补最小复现测试 + 双后端验证，保证不再复发。

术语小贴士

Dogfooding（吃自家狗粮）：自己用自己做的产品，用出问题就修，产品因此越来越成熟。
缺陷账：像记账一样把发现的语言缺陷登记在册，每条含"复现方式 / 期望行为 / 当前绕法"，统一排期根治，而不是随手绕过去。
闭包（Closure）：嵌套函数能"记住"外层变量的能力。光明最初不支持闭包，团队只能用"类 + 绑定方法"绕行，修好后才能写有状态的回调。
绑定方法（Bound Method）：对象上带着自身状态的方法，闭包出现之前用它给回调传状态。
hex 字面量 ：以 0x 开头的十六进制数写法，例如 0x4E00 直接表示"一"的 Unicode 码点。

P9 lightharness --- 约 1.5 分钟

第四部分是 lightharness，这是整个项目最"浪漫"的一页------用一门语言去复刻 AI 智能体框架。

DeepSeek Harness 是 DeepSeek 开源的 agent 智能体框架，全插件化架构，60 多个包。lightharness 用光明把它 1:1 复刻出来，一开始只有"能聊天的网页"，现在已经是"能调用工具做事的 agent harness"：

E1 工具系统：bash、读文件、写文件、搜索四大工具，还带路径安全护栏；
E2 会话持久化：JSONL 存储，刷新不丢；
E4 权限与审批 ：四种权限预设 + 危险命令检测，rm -rf / 直接拒绝；
E5 压缩与令牌计量：按 5 种模型单价估算花费，超长对话自动压缩；
E3 Web UI：三栏布局、工具调用卡片、移动端适配。

188 个回归测试全绿。而更重要的是互相成就：lightharness 踩出的每条缺陷都成为光明升级的输入，光明每升一级，lightharness 就能删掉一条"绕法"。

术语小贴士

agent 循环：大模型与工具之间反复"思考 → 调用工具 → 看结果 → 再思考"的循环，是智能体的心脏。
JSONL：每行一个 JSON 对象的存储格式，方便追加记录和回放历史，常用于会话日志。
令牌计量（Token 计量）：把对话消耗的 token 数换算成具体花费，避免不知不觉烧钱。
上下文压缩：对话太长时，把旧内容压成摘要再继续，防止超出模型上下文窗口。
危险命令检测 ：对 rm -rf / 这类高危命令直接拒绝执行的安全机制。

P10 质量保障 --- 约 1.5 分钟

AI 写代码，最大的疑虑是"它写的对不对"。我们的答案就四个字：让 AI 验证 AI。

对拍测试：同一功能写两个实现（Python 转译腿 vs 原生光明），喂同样的输入，逐条比对输出，行为一致才算过；
反跑判据：这是我们的"照妖镜"------故意把实现改成空壳，如果测试立刻变红，就证明这个测试真的在拦截；如果没红，说明测试是摆设，重写；
基线闸门：只拦新增失败，不误伤存量；
双环境验证：本地 Windows + 0.88 FreeBSD 双跑，平台差异当场现形。

每批任务交付还标配"三件套"：交付报告 （改了啥、验了啥、遗留啥）、查收记录 （逐条核对验收）、集成验收清单（反跑 12 项 + 前端 5 项逐项打勾）。

术语小贴士

对拍测试（Cross-check）：两个实现跑同样的输入、逐条比对输出，是验证"转译/重写"是否正确最直接的方法。
反跑判据：故意把实现改坏（改成空壳），测试必须变红，以此证明测试有真实的拦截能力。
转译腿（Transcode Leg）：先按 Python 语义"转译"出一版实现作为参照，再与原生光明实现对拍。
集成验收清单：把验收动作一条条列成清单，逐项打勾，防止"觉得行了"但没真验证。

P11 为什么是 Trae --- 约 1.5 分钟

聊了这么多，回到最实际的问题：为什么是 Trae，而不是别的工具，甚至不是一个人力团队？

六条理由：

上下文与记忆：Trae 跨会话记得项目约束和历史决策，任务越做越顺，不用每次都重新交代背景；
并行 agent：一个需求拆 N 路，N 个会话同时开工，这直接支撑了我们前面讲的并行分发；
中文友好：任务书、代码、报告全中文，对一个中文编程语言项目来说零损耗；
规划先行：它能先出方案再动手，任务书、契约这些"文档活"都由 AI 自动产出；
测试驱动：让 AI 写测试来验证 AI 写的代码，就是我们"让 AI 验证 AI"的底层能力；
可视化一站：Web UI、图表、文档、甚至今天这份 PPT，都在同一个会话里完成。

最后还有一条红线：安全。敏感信息只进 .env、不进代码，提交前自动检查------这是写进项目记忆里的硬规矩，Trae 每次都遵守。

术语小贴士

.env 文件：存放密钥、Token、IP 等敏感配置的本地文件，不提交进版本库，代码里只读环境变量。
并行 agent：一次派多个独立的 AI 会话同时处理不同子任务，互不干扰、最后合流。

P12 小技巧 --- 约 2 分钟

最后，把这套打法浓缩成 8 条小技巧，大家拿回去就能用：

任务书思维：目标、范围、契约、验收一次写清，agent 拿来就干；
契约先行：先定接口格式再分头实现，这是并行不打架的前提；
粒度适中：任务 = 一个 agent 会话能独立完成的量，太大容易跑偏，太小浪费；
让 AI 写测试：对拍 + 反跑双保险，先证明测试有效，再让测试证明代码正确；
建立账本：缺陷、已知问题统一登记，不让坑消失，要根治；
双环境验证：本地 + 远端验证机双跑，平台差异当场现形；
分支纪律：一路一分支、PR 合入、回归闸门只拦新增；
交付报告：改了什么、验证什么、遗留什么，可追溯、可查收。

一句话总结：把 AI 当团队成员------给它任务书、契约和验收标准，再收它的交付报告。

术语小贴士

分支纪律：每个任务在独立分支上开发，互不污染，最后统一 PR 合入。

P13 结语 --- 约 0.5 分钟

（语气放缓）

一门中文编程语言，用 AI 持续迭代；

一个 AI 智能体框架，用这门语言复刻；

语言因此更强，工具因此更懂语言。

这大概就是"人机协作"最理想的样子------AI 不是替我们写代码，而是和我们一起，把一件原本不可能完成的事，一步步做成。

任务书、共享契约、并行分发、缺陷账、对拍反跑------这套打法，你也能带走。

谢谢大家！济宁 Trae 聚会，我们下次见。

附录 A：备用 Q&A 提示

Q：光明是玩具语言吗？
答：它已经自举、有 LLVM 原生编译、109 个标准库、能用它写出 agent 智能体框架并跑 188 个回归测试，且正在被用于真实工具的研发。
Q：145 个失败是怎么"6 路并行"收敛的？
答：先把失败按文件归类，映射到 6 个主题（环境/stdlib/测试方言/运行时/语言/账本），每路一个独立会话，只动自己文件，最后统一回归 + 基线更新。
Q：Trae 和直接用 DeepSeek/其他模型有什么区别？
答：区别在"工程化"------任务书、记忆、并行会话、代码审查、可视化，这些让 AI 从"问答工具"变成"能协作的团队成员"。
Q：普通人能用这套打法吗？
答：能。任务书思维和反跑判据对任何项目都适用，从小脚本到大型工程，粒度不同、逻辑相同。

附录 B：术语速查表

术语	一句话解释
自举（Bootstrap）	用一门语言自己写自己的编译器
L0 核心字	光明最底层、永久冻结的 30 个关键字
白话体 / 文言体	光明两套书写风格：口语化入门 / 精炼化工程
标准库	语言自带的功能集合，不用造轮子
原生腿	编进 C/LLVM 的原生能力，不依赖 Python；"原生腿覆盖"= 把标准库 Python 实现换成纯光明
三后端	自研解析器 / ANTLR / LLVM 原生三条编译路径
任务书	给 AI 的单份作业说明书：目标/范围/契约/验收
共享契约	任务间提前约定的接口格式，保证并行不打架
外发任务	把需求写成任务书，外发给独立 agent 会话执行
并行分发	一个需求拆多路，每路一个 agent 会话同时开工
分支纪律	一路一分支、互不污染、统一 PR 合入
基线闸门	check_regression.py，只拦"新增"失败、不误伤存量
缺陷账	语言缺陷登记册：复现/期望/绕法，统一根治
Dogfooding	自己用自己做的产品，用出问题就修
对拍测试	两个实现跑同样输入、逐条比对输出
反跑判据	把实现改成空壳，测试必须变红，证明测试有效
转译腿	按 Python 语义转译出参照实现，与原生光明对拍
xfail	预期失败标记，已知限制不拖红 CI
验证机 / 0.88	远端 FreeBSD + clang 的跨平台全量回归环境
CI	持续集成：代码一提交自动跑测试
PR	合并请求：分支合回主线的过程
agent 循环	模型与工具"思考→调用→看结果→再思考"的循环
Harness	给大模型套工具、让它能动手做事的智能体框架
JSONL	每行一个 JSON 的日志格式，方便追加与回放
令牌计量	把 token 消耗换算成花费
上下文压缩	旧内容压成摘要，防止超上下文窗口
危险命令检测	对 rm -rf / 等高危命令直接拒绝
闭包	嵌套函数"记住"外层变量的能力
绑定方法	带对象状态的方法，闭包之前的绕法
.env	存放敏感配置的本地文件，不进版本库