利用DSL与领域抽象：破解大模型代码生成不可靠性的关键路径

本文由 Thoughtworks 杰著工程师 Unmesh Joshi 撰写，深入探讨了如何通过引入领域特定语言（DSL）和严格的抽象层来解决大语言模型（LLM）在代码生成中的不可靠性问题。文章指出，尽管 LLM 能够根据自然语言描述快速生成大量代码，但这种方式往往难以精确对齐开发者意图，且由于预先定义的规范往往不完整，设计是在实现过程中被发现的，直接生成的通用代码难以审查和验证。

作者提出，利用 DSL 作为“约束带”是解决该问题的有效途径。DSL 的语法范围狭窄、意图明确，配合解析器、类型检查器等验证工具，能极大减少 LLM 的幻觉空间。文章以 Tickloom（一个分布式系统语义模型）和 PPT 自动生成为例，展示了 LLM 如何在两个阶段发挥作用：第一阶段作为“设计伙伴”帮助构建 DSL；第二阶段作为“自然语言接口”利用 DSL 生成可靠代码。作者强调，在 AI 时代，DSL 及其背后的语义模型应被视为软件系统的核心事实来源，而非瞬时的提示词。

事件分析

💡 核心观点：靠谱的AI编程不依赖更强的模型，而依赖更严谨的DSL与可验证的抽象层。