Mostly Adequate指南中IO Applicative的实现问题解析
2025-05-08 10:23:45作者:舒璇辛Bertina
引言
在函数式编程中,IO Monad是一个非常重要的概念,它帮助我们处理副作用。Mostly Adequate指南作为一本优秀的函数式编程教程,在其附录中提供了一个IO Applicative的实现示例。然而,这个实现中存在一些值得探讨的问题,特别是关于compose函数的实现方式。
原始实现的问题
在原始实现中,compose函数被定义为接收任意数量的函数作为参数,并通过reduceRight将它们组合起来:
const compose = (...fns) => (...args) =>
fns.reduceRight((res, fn) => [fn.call(null, ...res)], args)[0];
这种实现方式在IO Applicative的上下文中会抛出错误。经过测试发现,当我们将compose函数简化为只接收两个函数的版本时,它才能正常工作:
const compose = curry((f, g) => (x) => f(g(x)))
正确的实现方式
为了使IO Applicative能够正常工作,我们需要对实现进行一些调整:
- 简化compose函数:将其改为只接收两个函数的柯里化版本
- 使用append替代concat:在某些情况下,append操作比concat更符合语义
- 完整的IO类实现:确保所有必要的方法都已正确定义
完整的解决方案
class IO {
constructor(fn) {
this.unsafePerformIO = fn;
}
static of(x) {
return new IO(() => x);
}
map(fn) {
return new IO(compose(fn, this.unsafePerformIO));
}
ap(f) {
return this.chain(fn => f.map(fn));
}
chain(fn) {
return this.map(fn).join();
}
join() {
return new IO(() => this.unsafePerformIO().unsafePerformIO());
}
}
const curry = (f) => {
const arity = f.length;
return function currier(...args) {
if (args.length < arity) {
return currier.bind(null, ...args);
}
return f.apply(null, args);
}
}
const concat = curry((a, b) => a.concat(b));
const compose = curry((f, g) => (x) => f(g(x)));
const toUpperCase = (x) => x.toUpperCase();
实际应用示例
const u = IO.of(toUpperCase);
const v = IO.of(concat('& beyond'));
const w = IO.of('blood bath ');
const left = IO.of(compose).ap(u).ap(v).ap(w);
const right = u.ap(v.ap(w));
return {
left: left.unsafePerformIO(),
right: right.unsafePerformIO()
}
这个示例展示了两种不同的应用方式,但最终得到相同的结果,验证了Applicative Functor的定律。
总结
在函数式编程中,细节决定成败。即使是像compose函数这样基础的工具,其实现方式也会对整个系统的行为产生重大影响。通过简化compose函数的实现,我们解决了IO Applicative示例中的问题,同时也更清晰地展示了函数组合的本质。
这个案例提醒我们,在学习和应用函数式编程概念时,理解每个函数的精确行为至关重要。有时候,看似更通用的实现可能并不适合所有场景,而更简单、更专注的实现反而能带来更好的效果。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
541
3.77 K
Ascend Extension for PyTorch
Python
351
419
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
889
615
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
338
186
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
988
253
openGauss kernel ~ openGauss is an open source relational database management system
C++
169
233
暂无简介
Dart
778
194
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
115
141
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.35 K
759