事件专题 ·多源确认

Jac 语言提出 Agent-Native 编程范式,AI 集成代码量减少 1.8-8.7 倍

一项发表于 arXiv 的研究提出 Agent-Native Programming,并在 Python 超集语言 Jac 中实现。与 OpenAI SDK 等五个基线相比,Jac 在五个基准测试上把 AI 集成代码量减少 1.8-8.7 倍,任务质量持平。 核心机制是把 LLM 调用、工作流结构和应用状态统一到一套执行语义下:"by llm()" 负责带类型检查的模型操作和工具调用,Object-Spatial Programming 表达工作流结构与状态,"visit ... by llm()" 让模型从可执行的工作流步骤中选择并调度下一步。模型决策与程序执行显式关联后,编译器和运行时可以做依赖分析与自动优化。 两个案例研究演示了仅通过配置就能实现推测执行和服务分区,依靠程序分析和运行时检查来保持工作流行为不变。对被胶水代码拖累的智能体开发者,这是一条绕过 LangChain 类框架的新路线。

当前结论

做智能体开发的朋友可以看看这篇。Jac 是个 Python 超集,把 LLM 调用、工作流和状态写进语言本身,比用 OpenAI SDK 拼 SDK 代码省 1.8-8.7 倍,还支持纯配置切换推测执行和服务分区。受够了 LangChain 胶水代码的话值得试一下。

11 个信源78° AI 热度最后更新 2026/11/16 16:01:06

证据链

11 个信源
相关来源 1Aravind Srinivas
查看原文
相关来源 2掘金本周最热
查看原文
相关来源 5阿里通义 Qwen
查看原文
相关来源 6阿里云 Alibaba Cloud
查看原文

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。