推荐使用:LET-OVER-LAMBDA - 深入理解Lisp宏的宝典
2024-06-20 16:15:02作者:管翌锬
1、项目介绍
在 Lisp 编程世界中,宏的强大和灵活性是其独特魅力的一部分。《Let Over Lambda》是一本深入探讨Lisp宏的知名书籍,而LET-OVER-LAMBDA则是这本书中的“生产版本”代码库,包含了作者Doug Hoyte以及社区的更新。这个开源项目不仅提供了书中所讨论的宏实现,还通过Quicklisp方便地供广大开发者使用。
2、项目技术分析
LET-OVER-LAMBDA着重于Lisp的元编程能力和宏系统。它使用了named-readtables库,而非直接修改全局读表,这使得在源文件中启用LET-OVER-LAMBDA的语法变得更加优雅和安全。项目支持了一系列高级宏,例如flatten,可用于展开嵌套列表,增强了代码的可读性和简洁性。它还包含了对Lisp开发过程中的最佳实践和技巧的深入探索。
3、项目及技术应用场景
无论是新手还是经验丰富的Lisp开发者,都可以从LET-OVER-LAMBDA中获益。对于初学者,它是学习和理解Lisp宏机制的理想起点;对于有经验的开发者,它可以作为编写更高效、更具表达力的代码的工具箱。这个项目特别适合于需要进行元编程、构建复杂编译器优化或设计新语言特性的场景。
4、项目特点
- 社区驱动:项目持续更新,与社区的贡献者共同维护,确保其质量和适应性。
- 兼容性:已针对SBCL等主要Lisp实现进行了测试和调整,确保在不同环境下稳定运行。
- 便捷使用:通过Quicklisp轻松安装和管理,简化了依赖管理和使用流程。
- 非侵入式:使用
named-readtables避免了对全局环境的影响,允许安全地在项目中引入新的语法特性。 - 文档丰富:与《Let Over Lambda》一书紧密结合,提供了详尽的背景知识和指导。
为了开始你的Lisp宏探索之旅,请按照项目文档中的指示进行安装,并开始探索这些强大的工具。如果你热爱Lisp并对其内在的抽象能力有着无尽的好奇心,那么LET-OVER-LAMBDA绝对值得你添加到你的开发工具箱中。
(ql:quickload "let-over-lambda")
(named-readtables:in-readtable lol:lol-syntax)
(lol:flatten '((A . B) (C . D) (E . (F G H (I . J) . K))))
试试这个例子,体验一下LET-OVER-LAMBDA带来的便利吧!
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
260
92
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
647
255