Jaithon 3: 完璧な構文を持つ高速プログラミング言語
Jaithon 3, a fast programming language with the perfect syntax (github.com)
要約
Jaithon 3は、Javaの構造とPythonやRustの要素を組み合わせた、動的に実行されガベージコレクションを備えたプログラミング言語です。LLM(大規模言語モデル)を開発に活用し、生産性を大幅に向上させながらも、人間の開発者がコードの品質とアーキテクチャを完全に管理しています。この言語は、型システム、パターンマッチング、トレイト、エラー処理などのモダンな機能を備え、高速な実行と拡張性を目指しています。
全文翻訳
Jaithon
Jaithonとは
Jaithonは、動的に実行されガベージコレクションを備えたバイトコードVM言語です。Javaの構造からアーキテクチャのインスピレーションを強く受け、その他の要素はRustとPythonの組み合わせからインスピレーションを得ています。
コアとなるプリミティブ実装部分を除けば、ほとんどすべてがJaithon自体で記述されており、非常にブートストラップされており、新機能の追加が容易です。
AIの利用
現在、.jai および .c ファイル内のほとんどのドキュメントは開発速度向上のためにAIによって生成されていますが、言語の進化に伴い書き直されています。READMEとLANGUAGE.mdの大部分は手書きで、徹底的にレビューされており、現在100%正確です。コード内のDocstringはLLMによって生成されたため、まだ不正確な場合があります。
さらに、このリポジトリ内の生のコードの約80%は、エージェントコーディングツール(claude code)によって生成されました。私のワークフローは、まず手作業で機能やバグ修正を完全に設計し、その後LLMを使用してそれを完成させたり、コードベースに統合したり、プッシュ前に追加のバグを検出したり、パフォーマンスを改善したり、誤った仮定を修正したりするのを支援してもらいます。結果として得られたコードは、私が完全に理解しており、私が責任を持つものであり、私に属するものです。
アーキテクチャも100%私自身の、100%人間が生成したもので、AIの支援は受けていません。
私は、エージェント支援コーディングがソフトウェアエンジニアリングの未来であると考えています。これにより、Jaithon 3を一人で開発するよりもはるかに速く構築でき、重要な決定においては常に人間が関与し続けることができます。エージェントコーディングなしでは、Jaithon 3は存在しなかったでしょうし、Jaithonは原始的なレベルにとどまっていたでしょう。コードベース全体は私がレビューしており、私は自分自身を「バイブコーダー」とは見なしていませんし、Jaithonを「AIスロップ」とも考えていません。これは、LLMを生産性を指数関数的に高めるための乗数として使用する、共同エンジニアリングです。
クイックスタート
git clone https://github.com/abhiramasonny/jaithon
cd jaithon
make # ./jaithon をビルド
make test # オプションですが、ベンチマークやテストなどを実行します
./scripts/install.sh # オプションですが、/usr/local にインストールします
Jaithonを実行するための要件は、C11コンパイラとmakeです。REPLには、存在すればreadlineが使用されます。macOSでは、MetalおよびCocoaフレームワークがGUIおよびGPUモジュールを有効にしますが、それ以外はそれらなしでビルドおよび実行できます。
jaithon run program.jai # ファイルを実行
jaithon # REPL
jaithon check src/ # 実行せずに型チェック
jaithon fmt . # オプションなしの正規フォーマッタ
jaithon test # テストを検出し実行
jaithon doc --out docs/api # APIドキュメントを生成
jaithon disasm program.jai # バイトコードリスト
REPLは行間でバインディングを保持し、...プロンプトで未完了の入力を継続し、メタコマンドを受け付けます。:helpですべてのメタコマンドを一覧表示できます。
.jaiコードの例
# let はイミュータブルですが、var はそうではなく、const はコンパイル時定数です
let name = "Jaithon"
var count = 0
const MAX = 1 << 16
# 型はオプションですが、指定されていればチェックされます
let ratio: float = 0.5
let names: list[str] = []
let lookup: dict[str, int] = {}
let maybe: int? = null # T? は T | null を意味します
if names.len() > 0 { print(names[0]) }
print(maybe ?? -1)
# ループと範囲
for i in 0..10 { count += i }
'outer: for row in grid {
for cell in row {
if cell == target { break 'outer }
}
}
# パターンマッチング
let kind = match code {
200 => "ok",
301 | 302 => "redirect",
400..=499 => "client error",
n if n >= 500 => "server error",
_ => "unknown",
}
enum Shape {
Circle(radius: float),
Rect(w: float, h: float),
}
fn area(s: Shape) -> float {
return match s {
Shape.Circle(r) => math.PI * r ** 2,
Shape.Rect(w, h) => w * h,
}
}
# trait はデフォルトメソッドを持つインターフェースであり、型でもあります。
# trait Printable {
# fn to_str(self) -> str
# fn describe(self) -> str { return f"<{self.to_str()}>" }
# }
# エラーはクラスです
fn load(path: str) -> str {
let file = io.open(path, "r")
defer { file.close() } # defer はスコープ終了時に実行される処理を登録します
return file.read()
}
# 内包表記と遅延イテレータ。
let squares = [x ** 2 for x in 0..10 if x % 2 == 0]
let first_ten = iter(source).map(parse).filter(is_valid).take(10).collect()
# ML トレーニング
import jaitensor as jt
@trace
fn logits(x: Tensor[float, 32, 10]) -> Tensor[float, 32, 10] {
return x
}
let model = jt.Sequential([
jt.Conv2d(16, 3, padding: 1),
jt.Flatten(),
jt.Dense(10, activation: jt.Activation.Softmax),
])
model.compile(jt.Adam(), mixed_precision: true)
model.fit(data, epochs: 5, batch_size: 512, shuffle: true)
より詳細なファイルについては LANGUAGE.md を参照してください。MLの型とランタイム契約については spec/ml.md を参照してください。
また、examples ディレクトリも確認できます。
パッケージ
Jaithon標準ライブラリ外で配布可能なライブラリは、packages/ の下にあります。各パッケージは、ソース、テスト、バージョン、依存関係マニフェストを所有しています。Jaithonは、チェックアウトされたワークスペースパッケージと、インストールされたshare/jaithon/packagesディレクトリからパッケージを見つけます。
jaicvはOpenCVのAPIを使用したコンピュータビジョンで、GPU上で動作します。Metalバッファ上のMat、画像処理、コーデック、カメラキャプチャとAVI書き込み、ウィンドウ、輪郭と形状分析、特徴、オプティカルフローと背景差分、キャリブレーション、デノイジング、および古典的な機械学習が含まれます。約700の記録されたケースが実際のOpenCVに対して再生され、正確性が検証されます。どの部分が正確に一致し、どの部分が一致しないかについては、packages/jaicv/README.md を参照してください。
jaiframeはPandasのAPIを使用したカラム型データフレームで、GPU上で動作します。Metalバッファ上の型付きヌル可能Columnレーン、範囲、プレーンおよびマルチインデックスをカバーする1つのIndexクラス、選択とアラインメント、算術演算、欠損データ、削減とローリングウィンドウ、グループ化、結合、リシェイピング、時系列、およびCSVとJSONが含まれます。整数とタイムスタンプは2つのfloat32レーンにまたがって格納され、48ビットまで正確です。テキストは辞書エンコードされているため、文字列キーは数値のようにハッシュ化および結合されます。その利点とコストについては、packages/jaiframe/README.md を参照してください。
jainumはNumpyのAPIを使用したN次元配列で、GPU上で動作します。Metal常駐のNDArrayはMetalバッファへのストライドウィンドウとして機能し、dtypeはfloat32ストレージに対するセマンティックタグとして機能します。ブロードキャスティング、ufunc、削減、ソート、線形代数、FFT、乱数、統計が含まれます。インデックス作成は、スライス構文の代わりに整数、range、Slice、またはセンチネルを受け取ります。その理由と、Numpyにありながらこれが欠けているものについては、packages/jainum/README.md を参照してください。
jaiplotは、ファイルおよびウィンドウバックエンドを備えたMatplotlibスタイルの図と軸のライブラリです。
jaisciはScipyのAPIを使用した科学計算です。最適化と根探索、最小二乗法と曲線フィッティング、線形計画法、求積法と初期値問題、補間とスプライン、FFTとスペクトル推定、フィルタ設計、畳み込み、疎行列とクリロフソルバー、分布、仮説検定、空間構造が含まれます。これは全体を通して2つのルールに従います。ホストの算術演算はfloat64で、デバイスの算術演算はfloat32で行われるため、小さく密な作業はホストに残り、二次以上の作業のみがMetalカーネルになります。packages/jaisci/README.md を参照してください。
jaitensorはGPUファーストトレーニングです。Metal常駐テンソル、自動微分、KerasスタイルのSequential APIが含まれます。密、畳み込み、正規化、アテンションレイヤー、混合精度計算、GPU DataLoader、SGDとAdam、検証、予測、JSON重みファイルが含まれます。例には、MNIST、Fashion-MNIST、および非線形スパイラル分類器 が含まれます。
エラー
すべてのエラーはこの形式なので、デバッグしやすいはずです。
error[E0301]: cannot assign to immutable binding `x`
--> examples/demo.jai:7:5
|
5 | let x = 1
| - `x` declared immutable here
...
7 | x = 2
| ^^^^^ assignment to immutable binding
|
help: change the declaration to `var x = 1`
これらのコードの意味は以下の通りです。
| コード | エリア |
|---|---|
E00xx | 字句解析 |
E01xx | 構文 |
E02xx | 名前 |
E03xx | バインディング |
E04xx | 型 |
E05xx | マッチ |
E06xx | 関数 |
E07xx | クラス |
E08xx | モジュール |
アーキテクチャ
source --> lexer --> parser --> resolver --> type checker --> codegen --> VM
| │ │ │ │ │
tokens AST symbols + types + bytecode values
slots shapes + JIT + GC
+ casts + @trace + GPU
貢献
make debug # -O0 -g, アサーション有効
make check # ツリー全体を型チェック
make test # フルスイート
make bootstrap # フロントエンドの差分検証
jaithon fmt --check . # フォーマットゲート
ライセンス
MIT。 LICENSE を参照してください。
Abhirama Sonny 作成。