探索Lever编程语言:高效、可扩展的动态编程新星

Lever编程语言 是由Henri Tuhola精心设计和开发的一款动态类型语言,它融合了多种编程语言的特点,同时也具有强大的通用性和互动性,尤其适合图形和音频编程领域。
Lever起初是作为研究项目诞生,但随着功能不断完善,它正逐渐成为值得信赖的软件开发工具。该语言的编译器能够生成独立的字节码对象,无需额外的系统软件即可运行,源代码的分发也是可选的。
在Lever中,你将体验到模块化的程序架构,可以轻松插入和卸载模块,并在程序运行过程中进行交互式重新加载。每个模块目录还可以引入自己的语言解释器,创建独特的编程环境。
与Python或JavaScript相比,Lever虽然同样易用,但它并不局限于脚本编写,而是专为构建复杂、完整的应用程序而设计。通过自定义语法和编译器规则,Lever能够吸收其他语言的功能,你可以选择将这些扩展集成到定制发行版,或者在标准发行版上动态加载。
在计算能力飞速增长的时代,即使处理复杂的任务,我们也能用更简洁、更直观的语言来编写软件。Lever正是这样的语言,其内置基本向量运算支持,且没有竞争对手能提供同等水平的实现。未来计划中的优秀图形库将进一步提升Lever的吸引力。
让我们看看一个示例:samples/gl_top/main.lc 这个程序演示了一个在桌面上运行的动画Blender导入模型,只需OpenGL4即可支持。只需一行命令,就能让这个程序栩栩如生:
./lever samples/gl_top/main.lc
如果你厌倦了JavaScript的回调地狱、Promise森林或是Async关键字的困扰,Lever的事件循环结合了Continuations,将异步编程变得简单,就像同步编程一样自然。
与Python不同的是,Lever没有全局模块空间,而是采用模块作用域,这使得建立插件系统变得轻而易举,而且不会显得过于复杂。
尽管如此,Lever的设计初衷是为了个人维护。避免那些需要大型团队才能维护的设计决策,让用户可以根据需求直接修改源代码,甚至在使用过程中创建自己的微语言,以此推动主要语言的发展。
目前,Lever已在以下平台得到支持:
- Windows(32位x86)
- Linux(64位x86)
有兴趣的话,请在遇到问题时访问GitHub 提交issue。
主要特性
- 利用RPython进行快速语言开发,设计改进的成本更低。
- 自动化C头文件生成的外部函数接口,简化动态类型代码中C库的使用。
- 受SPIR-V启发的字节码格式,易于指令集调整,更新相关工具也更方便。
- 基于RPython的协程和协程支持的事件循环,编写干净的异步代码更容易。
- 模块解析作用域。
- 固定参数多方法,不依赖继承,大多数操作符都是多方法定义。虽有局限,但也使代码更清晰。
- 可共享的自定义语法,利用Marpa解析器概念构建的解析核心,便于提供辅助符号以提高可读性。
- 兼容POSIX的路径约定,统一程序员和配置文件的视图,同时对操作系统保持兼容。
- 运行时内建向量和四元数运算,可优化。
应用场景
无论是简单的脚本还是复杂的图形应用,Lever都能胜任。下面是一些实际代码示例:
使用“BEGIN”和“END”表示代码块,语法吸收,快速语言开发
你可以自由地扩展Lever的语法,例如:
block =>
{"BEGIN" statements "END"}
{"BEGIN" statements %newline "END"}
这样,你就可以编写如下代码:
hello = (foo): BEGIN
if foo.endswith("3") BEGIN
print("foo", foo)
END
else BEGIN print("baa", foo) END
END
hello("123-c-432")
hello("423-b-213")
hello("423-b-212")
这只是展示了Lever如何让你轻松地适应新的语法趋势和时尚。
控制台 - 模块、编译器和字节码的妙用
import 在Lever中仅是一个普通函数,这意味着你可以进行有趣的技巧,比如从其他模块导入。Lever的控制台不在运行时中实现,而是app/main.lc 中的应用程序。这里有一个简化的版本,展示了Lever如何在运行时动态操作:
import base, compiler
console = :module("console", base)
dir = getcwd()
name = "console"
%"import" = Import(dir,
ModuleScope(dir, %"import".scope.parent))
while true
string = input(">> ")
code = compiler.r(...
Lever这种灵活的特性和特性让开发变得轻松愉快,无论你是想为特殊需求调整语法,还是迁移旧代码,甚至只是与朋友开玩笑,Lever都能满足你的需求。
尝试一下Lever,你会发现一个全新的世界等待着你!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07