推荐使用Coq SerAPI:智能、数据驱动的Coq序列化库
请注意:Coq SerAPI已停止开发,0.20版本(针对Coq 8.20)将是最后一个由我们管理的版本。Coq SerAPI已被coq-lsp所替代,它解决了许多长期存在的问题和功能请求。有关更多信息,请查看此问题,以及serlib现在在新仓库中的情况。
Coq SerAPI:面向机器的友好型Coq数据序列化工具
要通过opam安装:
$ opam install coq-serapi
$ sertop --help
或者,如果你使用Nix:
$ nix-shell -p coq_8_13 coqPackages_8_13.serapi
$ sertop --help
Coq SerAPI是一个用于Coq证明助手与机器之间交互的库,特别强调IDE、代码分析工具和机器学习场景的应用。它提供了从/to JSON或S表达式(sexps)自动序列化Coq内部OCaml数据类型的功能。
尽管处于实验阶段,被认为是α质量,但SerAPI完全可用,支持异步证明检查、完整文档解析和Coq核心数据类型的序列化。此外,它还可以作为WebWorker线程运行,提供浏览器内的自包含Coq系统,加载时间在Google Chrome中通常少于一秒。
SerAPI的主要设计哲学是让客户端生活更轻松,通过提供一个方便、健壮的接口,隐藏与Coq交互时的复杂细节。
欢迎所有Coq用户和开发者提供反馈,并参与项目的内在发展。
文档和支持:
API警告:该协议处于实验阶段,可能会经常更改。
快速入门和安装:
SerAPI可以通过OPAM包coq-serapi或Nix包coqPackages_8_13.serapi进行安装。如需手动安装,请参阅构建说明。在线的实验性在浏览器版本也可供使用。
SerAPI提供了交互式的"读-打印-评估-循环"(sertop)、批处理编译器(sercomp)和批处理词法分析器(sertok)。每个命令的--help页面和手册页有更多详细信息。
熟悉SerAPI的好方法是启动sertop REPL,因为它提供了一个相对人性化友好的体验:
$ rlwrap sertop --printer=human
你可以输入命令,Ctrl-C将像中断coqtop一样中断繁忙的Coq进程。
程序sercomp为SerAPI的关键功能提供了命令行接口,可用于Coq源文件的批量处理,例如,将Coq源文件从/to Coq语句的S表达式列表中序列化和反序列化。更多信息和使用示例,见sercomp --help。程序sertok在Coq源文件令牌级别提供了类似的功能。
协议命令:
与sertop的交互通过命令进行,可选地以(tag cmd)形式标记;否则,会自动分配标签。对于每个命令,SerAPI 总会回复(Answer tag Ack)表示命令成功解析并交付给Coq,或当解析失败时回复SexpError。
存在三种类别的命令:
-
文档操作:
Add,Cancel,Exec, ... 这些命令指示Coq对当前文档执行某些操作。 每个命令都会产生零个或多个不同的tagged回答,最后的回答(Answer tag Completed)表明不会有更多的输出。 -
查询:
(Query ((opt value) ...) kind):查询指定类型的Coq对象。范围包括选项、目标和假设、战术等。第一个参数是一系列选项:
preds是组合过滤器列表,limit指定返回值的数量,pp控制输出格式:PpSer为全序列化,或PpStr为“漂亮打印”。 -
打印:
(Print opts obj): 提供访问Coq打印机的方法。主要用于打印(可能由IDE操纵)由Query返回的对象。
发展路线图和开发者组织:
SerAPI按上游Coq版本分支进行组织;通常,分支v8.XX与Coq 8.XX兼容,对应SerAPI 0.XX。这些分支是稳定的,可以依赖。
main分支跟踪Coq的master分支,不稳定,可能存在强制推送和随机重基。现在,由于开发者直接向其提交PR,开发流程已经改变,这导致了这种情况。目前,大部分与SerAPI相关的工作直接在Coq的上游仓库中进行。主要目标是改进证明文档模型,接下来将建立丰富的查询语言。查看我们在问题反馈系统中的路线图问题获取更多信息。
客户端和使用者:
SerAPI已经在一些场景下得到应用,以下是一些建议,欢迎您添加自己的!
- jsCoq使您可以在浏览器中运行Coq。jsCoq是SerAPI的前身,即将完全基于SerAPI。
- mCoq是一个基于SerAPI的变异分析工具。
- elcoq,Clément Pit-Claudel的emacs技术演示,虽然不完全功能,但展示了SerAPI的一些值得注意的特点。
- PeaCoq,一个Coq IDE的浏览器版,有一个实验性的SerAPI分支。
- GrammaTech的软件进化库(SEL)提供了用于程序修改和评估软件的工具。其Coq模块使用SerAPI将Coq源代码序列化为AST,然后解析成Common Lisp对象以进行进一步操作。
- CoqGym,一个基于Coq的定理证明学习环境,使用SerAPI与Coq交互和进行特征提取。
尽管Coq SerAPI的发展已转移到其他项目,但其历史影响和在Coq生态系统中的贡献不容忽视。如果你的项目需要与Coq深度集成,尤其是考虑到未来的稳定性和发展,那么Coq-lsp可能是你的最佳选择。然而,在过渡期间,理解SerAPI的工作原理和技术仍可能对现有项目有所帮助。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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