#statement #learn 《面向薛定谔的技术分享》
刚才有个朋友说，

咱们写个文既要 "get ur hands dirty", 又要能添加 "footprints"，还tm要别人觉得易读，
那不就和玩泥坑的佩佩猪一样，成巨婴了？😒

可是…… 在读这一类仅仅是博文-而非知识库的产出时，我就能隐约感受到一层“可悲的厚壁障”了😅：好像作者已死，读者不能出于好奇或自己领域的经验提出任何问题。
这就像读博文或AI生成的完整代码时，却不能edit&rerun，甚至都不能run的起来一样，手感非常怪异。 简单来说，这就是yin所谓的「死知识」
https://yinwang.org/posts/learning-philosophy#:~:text=死知识可能来源于真正聪明的人，但普通人往往是间接得到它

然而，我似乎能猜到95%网文对技术“粗粒度”和“细粒度”的描述间，又为什么会缺失这一种中间融合态的视角，而有时又没这毛病。旁观者清，我把这种状态称为「面向薛定谔的技术分享」。🤯

我学习的方式比较特殊，因为我脑子不好，经常学不进东西！所以，我的任何一个知识，并非是“插入了”整个的知识图谱里，而像是“在教程和实践的启发下，自己创造出来的新知识”。
这样状态的知识不经考（因为学习效率低），而且往往也与主流技术界“没有共同语言”，但也有一点好处。🤪

我能控制知识点间的超链接，也知道着手的顺序，就像py函数一样。
我能看清热点的时序、难点的重构、高开销的IO和易错的地方，好像是自己在运行着整个图谱一样，知道在哪里加个if就能提升静态或动态的性能😒

所以我们就能回答文章顶部的问题了：

粗粒度理解时，外部的知识树并不大，所以自己没有knowledge-base也可以含得(handle)住； 细粒度时，因为完全是转发主创的形状，照猫画虎，也没问题； 但是要在之间形成一种解读时，这两种 "hot path" 都靠不住了，必须是“去优化”到自己来做，才能抓得住。 毕竟，创作是掌握的象征。

因为是“自己创造”而非“FFI外语接入”，获得知识的「内聚性关联」较弱，我能够切断我不想要的，或者替换，或者打散重组；就像JVM的native比之cpy的“C 语 言 (意味深) 插 件”一样：
前者必须遵循Java的心智模型，按照她的生命周期来，不然就不接纳它这个“复用库”；后者则非常自由，每次生态的整体升级都会给cpy自己卡点设限。😅
——最要命的是“C插件”所依赖的C生态，根本不在cpy自己调度范围内；但也没差的，反正cpy也成了unix系的一个附庸。 它获得了她那70年积累下来的“下限”，但同时也失去了替代unix工作的机会，可以说有得必有失。

那，如何直观区分“学到的知识vs受外部启发而自己创造的知识”？
简单来说，后者是双向选择。 我的认知之网不存在“pin好的值”，或者表象形式。 这个站点，是热补丁的、交叉引用的，不存在「一种清单」去豁免知识，更不会将死知识“视如己出”。

我认可，才知之；交叉引用太少，我想学都不成。 其实呢，这也未必是学习效率低，人们谈教育的词，慢慢从智商、智慧、认知，变到更优的指标。
yin对一些「知识负资产」还能实践一些，有成果后去骂几句，遂束之高阁；我就没他那么聪明。 有些“知识孤岛”表面上存续，它们作为整体却没有希望。
我把教程融入自身，而不许自身融入教程。 寻根究底，最简单的替代品，就是事物的本质。

在AI和 #ML 技术发展的当下，你想要选择哪种模式，调度自己所「掌握」的知识呢？😒

#cs #dalao YSLib的作者(C++吧 帝球,与vczh齐名,和hex老互怼)的科普集合，非常的……
https://github.com/FrankHB/pl-docs/tree/master/zh-CN

对于咱们喜欢看title的听众，若说 jia.je 是“清华微电子17届”，在CS的整体上倾向开源硬件，那HB起码是 MIT,IU,Berkley 了…… HB比起ice1k这种只是略沾C艹的人，而且还混贴吧的，那知识量简直双倍啊😅
ps. 没说错，因为他和1k就是一个圈子的。
ps. 可是我也关注了会锐评HB的频道啊 😅

他写导论的“语气”和我比较像，不太严肃，但这个大部头，超深的ul>li>ul树，结合VSCode自带的嵌套ul逐层高亮(while e.parent:e=e.closest'ul') 😱
这种深列表风格，一时间让我有点像「自己是归并排序算法」的感觉，又像是「帝球才是真正的Lisp信徒」。

你看过帝球的docs，就完全理解为啥有人把30行的体量写成500行大算法了，但我完全被他不明觉厉吓住了，他这个广度，大概不比LLM差吧…… 24年更新，主要内容截止到22年，但我看没什么我了解的东西他没写到的😅。

上面AI也说了，杰哥这种风格的人最终会“修”到什么样子，我猜，就是(知识馆长)程度的能力😒

可惜谈个main函数ABI都能写上千行的能力，要知识蒸馏，甚至只是当词典查，还真难啊。
不要轻易读pl-docs，不然就回不来了。

ps. 最近我对yin的产出和历史了解比较多，他的书也很好，除了只公开英文，7章前一百多页
https://github.com/Kuri-su/yinwang.bak/tree/master/articles
https://github.com/yinwang-wiki/site
ref:https://t.me/dsuse/21573 另一位大佬

ps. https://yinwang-wiki.github.io/site/blog/posts/2013/06/21/One语言-的设计理念.html#:~:text=把类型声明放在函数体内，不是为了显得酷，而是为了取得语义的“一致性”。这个类型声明可以是一个很复杂的表达式

呃…… 不得不谢谢这些做“名人”wiki的人了。 如果不是他们记下这些曾经开源的思想， 我都意识不到我今天的设计yin曾经尝试采用过。 不过，我不相信圆括号就是了（你猜呢 😝？ 命名也非常DOM风格(类似http头那样，因为单词长，所以取得了一致性，所以实践意义上反而简单..)。

他用 Rc+typehints 替代GC的方法我也有考虑到，甚至是 (wait (par 多任务))，或许最后做不到，但至少要在ABI中体现。 窝槽，这是十年前啊。 这些笔记现在是搜不到的，所以饭圈在某种意义上也是有价值的？

点朱子润resume里的头像，你会发现wow! 🥳

为什么这么wow呢？因为他协作于 章雍哲、柯向上 （除了Agda.. 柯擅长使用 bidirectional transform 解决两个变量树的一致性）
https://josh-hs-ko.github.io/blog/0006/ 这篇挺好读的

https://x.com/i/grok/share/bHjJvTvsgL8KDNBhYIEzvemYo #ai探讨
我注意到BiGUL对一份代码，实现了 get, put 两个操作，组合函数的签名就像JQ，单向函数会validate结果(V)是否如f(S) 否则Err(adapt分支)

可是就 Reactive List 的场景而言，直接以length来"adaptive"或"skip"是很奇怪的，因为无论项是不是int，它肯定该有一个ID，然后，根据局部ID(key函数)来缓存strBiGUL的map结果就行了，就像普通的lru_cache或memo而已

push, splice 这些操作应该直接影响到id，而不是要写另外一堆“默认值”或截短的接口。另外，如果emb再复杂一点，不能是 String(Number(int)) 这样oneliner的正反函数，“魔法”抽象被击穿的代价会非常残酷，让库调用者试图理解整个 'Putback-based BX'，demo里都没做到。😅

ps. 其实对于任何“PL人”之外领域的人，编译器都是随手都来么…… 这个是2010 ACM的成都#4
https://bitbucket.org/zyz915/palgol/src/master/doc/tutorial.md#markdown-header-112-indentation-rule

不过我不得不说，这和py+DSL区别也不大了…… 甚至语意上的优化不如numpy这些「准编程语言」，而且是 dsl2c++，甚至没有1:N port
但其实业界也就那样嘛…… 想起了 np.einsum() ，那才叫设计语言啊，我在国内看到实现语言工具链的都很少了，少数两三个人都是爱设计「艺术品」，中看不中用那种。

ps. 😱 grok 支持执行py代码了？

shunting-yard #parser #algorithm
https://www.moonbitlang.cn/pearls/shunting-yard#:~:text=可以认为%20Shunting%20Yard%20是将%20Pratt%20Parser%20中隐含在调用栈里的机制转写为显式的栈操作

其实我会这个玩意（从Lua抄的，但基于调用栈而非[].push），但我一直不知道它叫啥 Yard
不过，现在我知道它是 Dijkstra 百年前为Algol60所创，就高兴了。以后谈RPN就可以提Dij的名字了😃
另外一种是1999~2008的 https://11l-lang.org/archive/simple-top-down-parsing/ #recommended

ps. lparser.c#subexpr 使用的是TDOP(aka Pratt)，但输出的结构不是树或SExp，它是一个树状的RPN数组，所以我说两者是一样的，就在上上条消息里。
如果在TDOP里不使用return，我们很容易发现Pratt是把栈结构藏在call里工作。 但如果一定要考据癖的话，那就是递归下降 op precedence 算法先进Dij老大40年

不过，现在某些大学里还在教「左递归」和LL1么…… 考据癖可能都做不到。

所谓选择大于努力， 在我看来Moonbit张写上条消息的算法也是可以500行的，比另一个Earley算法（一个经典的CFG解析器）短点。

#plt #java #learn 张宏波系列

这个教程整体不错，但还是太刻板了，尤其是在这里比较数学上一个不相干的概念…… 为什么不说数学的“参数式函数” “隐函数”和python里有啥区别呢？
https://github.com/moonbitlang/contest-2025-data/blob/main/compiler-crash-course/05_closure.md#:~:text=原本对于一个函数是开放（open）的变量（也就是自由变量），%20被关闭（close）到了一个指定的变量作用域中，%20得到了一个“关闭的表达式”（closed%20expression）。%20这个名字再之后被缩短，就变成了和数学概念重名

“可露稀closure” 其实是对单方法对象(SAM) 的内存优化，其实现方法为“捕获capture”，就是把栈上字节copy到new结构里去，结构就叫闭包。

张强调的一点很对，就是libc提供了 signal(id, fn, arg0) 这种“KV注册”接口，但只传入fn也是可以的。 传入vtable+this 双指针(fat pointer)也是可以的，C.ABI.函数指针 能无缝衔接对象参数，要不然C++怎么那么轻松就火起来了。

闭包与纯粹的 (new Callable(nonlocal变量,)) .call() 区别在于，如果在frame返回前销毁，就不需要堆分配了，所以说它不是一个「语意上存在的特性」，只是new class{}对象的语法糖+inline优化。 这点和同样用“捕获”创建的协程(闭包链表Thenable)，完全不同😒

nonlocal有很多名字，cellvar .py.rs, Upvalue.lua, LexicalScope ，但本质上，它和 class var 一样可写，因此在 |mut acc|{} capture 里，它会逼得外层函数也变成 new class {call(...){}} ，除非依赖 IntRef(0)这种autoboxing，即修正 "effective final" 错误。

当然这种错误真正的解法就是从OOP过程式-> Compose。 IntRef是不是和 let [get,set]=useHook(0) 的逻辑式变量很像？
— Moonbit 的实现没有在DOM上，就不只是在set时更新一下 derived vars. dirty...

至于文顶的“自由变量”一般就是this变量或全局。 之所以自由，是因为暴露在API里不能随便“alpha-重命名”，相对于“绑定变量”来讲。 这一行谈纯理论，我说的不难受，但我猜读的人和我当时一样百思不得其解，什么栏目答演算。🤯

invokedynamic/LambdaMetafactory 其实就是这个“不逃逸优化”，没被存储到字段、传到其他线程、返回出去，零拷贝。 Serialization 的问题由JDK大佬 Brian Goetz @2014 PPT讲解过：
https://wiki.jvmlangsummit.com/images/7/7b/Goetz-jvmls-lambda.pdf#page=18
https://www.infoq.cn/article/brian_goetz_project_lambda_from_the_inside_interview#:~:text=你很难决定是否支持捕获可变局部变量、非局部控制流、异常透明度和其他的特性，并且放弃其中一些特性意味着它们很难自然地表达。

Goetz这个说的道理。这不比莫名其妙扯到数学的科班好了？ fyi. #Kotlin 支持它们全部

#ai锐评 https://x.com/i/grok/share/UEs8sZtds1l1XxWqwWUFijyIj
再谈「指针vs对象表示」问题😒
其实这些，都是从解释器到cpu的优化，或者说是试图把 [1,2,3].[0~1]=> ptr+len, Animal{Duck;Cat}=>type+data 编码为x86能计算或跳过的字节，避免「中间商赚差价」(LLVM 就不是中间商了, hh
我们操作的是变量树，指针和堆栈并非「语意上存在的特性」，所以cpy它丫的 sizeof(一个int)==28 😓……
当然，这些VM数据结构的心智开销很小，感兴趣的可放心阅读。

C++-style lambdas 张宏波系列 https://thephd.dev/the-cost-of-a-closure-in-c-c2y
模仿 esm.run,git 的“一切皆文本”编程语言： scrapscript.org
GC/Rc 的最终 https://x.com/i/grok/share/ULJQCSOhg56OCZiY84f29lPZO

https://jsbin.com/yosixu/edit?output #ai #vibe Graphviz
https://jsbin.com/nofepom/edit?html,output 最终发现失败了，AI没有做成功双向编辑😅

grok3搞了3遍…… 回头加个漫画风和AST可视化。
#statement
事实证明，如果AI第一遍没写对，而且不是版本号这些小问题； 后来你调试会花600%的时间…… vibe 可不是针对大模块的

而且，grok3的webUI基本上一点点模块化都没有…… 我思量着ipywidget那种级别的demo可以让它帮忙，但有缝合代码的需求就还是算了。API矿工都挺勉强，它太难调教

😅 修了半天也没把两个API缝合好，动不动就错，还不报错

#除错路线 d3-graphviz+拖拽更新DOT节点文本
- ai提供版本号和大小写错误的js -轻松
- drag事件座标计算错、state变量问题。现在依然有玄学的座标偏差问题（多次拖放）
- roughJS的各路API不稳定造成AI幻觉问题

d3的报错没有提示是renderDot()和sketch()共享一个id容器，大部分时间浪费在排除法和http请求、鼠标路径上

最不爽：AI经常调用不存在或已经失效的API（“最后一公里”问题）、jsbin的三栏界面太窄(F12很燥人)
AI直接处理大段代码会写丢功能、AI的代码基本没有函数化 导致无法扩展/插拔（代码裁缝还不好当..）

#awesome
https://observablehq.com/@magjac/demo-of-d3-graphviz-animations
https://github.com/magjac/graphviz-visual-editor 原作者写的编辑器（UI很差。。）
https://codesandbox.io/examples/package/d3-graphviz #tool npm的demo搜索

https://edotor.net/
http://www.webgraphviz.com/
https://stamm-wilbrandt.de/GraphvizFiddle/ ps. 这人也是个跑马拉松的( German Ultramarathon Association )
http://www.ryandesign.com/canviz/ 巨多示例
https://sketchviz.com/about 这个不是作为示例库，而是抄了RoughJS和字体

#draft
设计一种.jsdot 脑图，更加简洁(如 let { -a b; -b c 'c1' })，可以嵌入S-表达式和js ，可以ppt动画

dot=({fruit,salad, 香蕉,番茄}, ln)=>{
fruit(香蕉)
salad([香蕉,番茄, fruit], {port:'r2l'})
}
ln(attr_arrow?, Node, _1nNode?)
ln(attr?, _1nNode)
ln(_) 绑定首参数，返回Node函数。 ln(..)() 创建或获取"node[attr]"的 $ed 编辑器选区
所有Node可为"str"，自动获取或创建。(_1nNode)意为1或N个项
ln.ALL可过滤全部节点, ln.F5创建动画帧，总结：

ln(...DSL) 可以是以下任意形式：

ln(A, B, attr0) → A → B
ln(A, [B,C], attr0) → A → B, A → C
ln([A,B], C) → #wontfix
ln(A)(B)(C) → #wontfix, try [A,B,C].reduce(ln)
ln.graph({...}) → 图属性
ln.let(name) → 创建子图

#ai探讨 https://x.com/i/grok/share/O3cKyQzTDrHBLaUbm34UadxDL
#对比 https://chat.librechat.ai/share/ziJek8UdHRdq7AuKQNHoQ
😅😅 完了，我被AI取代了 😅😅

有时候，果然还是非专业的Thinking模型好用啊…… 没有思维定势
与他的比喻相比，我写这些给中级开发者看，又算什么！

“ 异步，是程序自己主动把慢活儿安排给别人干，
异步就是：别傻等，让别人去干慢活儿，干完了再通知我。
异步不是让程序变快了，而是让“等待的时间”不再浪费！😅
同步：你等5秒，啥也干不了 → 浪费5秒
异步：你等5秒，但这5秒你可以接待100个顾客 → 时间被充分利用了

最后回到那句“异步的最小单位是任务对象”翻译成大白话就是：
一张“干完这事后记得叫我”的小纸条。
这张纸条可以传、可以组合、可以排队、可以取消……
所有高级玩意儿，都是在玩这张纸条的花样。

阻塞 = “我不干完，你全家都不准干”
而所有异步技术，核心就两样东西 : 一张“待办小纸条”（Promise / Future / Task） + 一个“闹钟大管家”（事件循环 / 运行时）

全世界99.9%的异步花里胡哨，都是在这两样东西上玩花样。
你会发现：sleep 5的 real ≈ 5秒，但 user 和 sys 都几乎是0！结论：异步的 sleep 根本不占你的CPU！
它只是跟操作系统说：“5秒后叫醒我”，然后你的程序就去干别的事了。

#tool 很好的client WebUI
TypingMind （付费、Team，UI繁多）
🔗 https://typingmind.com

LibreChat （全开源，可分享链接，可自托管，UI简洁）
🔗 https://librechat.ai
🧑‍💻 GitHub: https://github.com/danny-avila/LibreChat

LobeChat （现代开源，UI最美）
🔗 https://lobe.chat
🧑‍💻 GitHub: https://github.com/lobehub/lobe-chat

grok3: 同步阻塞的本质 = 把“等待”当成了“工作”，时间被偷走还不自知。

你看，是不是每一句话都能在项目里找到真实案例？
哪个陷阱戳中你了？来，我给你递纸巾擦眼泪～

😅😅 #learn