ChatGPT|AI自制编程语言-实现JavaScript编译器

去年的这个时候一直在探索如何用 AI 实现编程语言，当时 Agent 和工具链还不够齐全，所以尝试一段时间就断更了，有兴趣的可以再回忆这两篇用 Prompt 实现的词法解析器：

• 《ChatGPT|AI自制编程语言-从0开始》
• 《ChatGPT|AI自制编程语言-词法解析》

随着当前各种编程 Agent，MCP 的层出不穷，大模型的正在加速进化，于是又开始探索，不过这次的目标是用 golang 实现 JavaScript 引擎（目标是完成 ES5.1 的全部功能）。

1. 回顾 JS 编译器的实现过程

如上是总结的 V8 大体的实现方式，编程语言的实现已经经历了几十年的发展，包括 V8，Lua等语言基本都采用类似实现步骤：

• 词法分析
• 语法分析
• 语义解析和优化
• 虚拟机
• 通过 JIT 实现性能优化
• ...

2. 如何选择工具链和知识库

2.1 AI 编码助手

AI 编码助手有很多，但是用的顺手的却不多，我个人经常使用如下：

• Trae 海外版本，使用 Builer 模式
  • 优点：各种模型免费（不过有时候需要排队），对于 web 开发友好，调试器比较方便
  • 缺点：界面与 VSCode 差异大，代码提示不太友好，合并代码经常会出现 bug，工具链不齐全
• Windsurf，使用 Cascade：
  • 优点：有些模型会现实免费，基于 VSCode 实现，使用习惯差异不大，界面清晰，代码提示和 bugfix 可以让 AI 自动执行
  • 缺点：提示有时候有点乱，如果思考时间过长，会经常超时，不能添加自定义模型
• Cursor：
  • 优点：社区完善，自由选择模型，支持 MCP 市场，方便添加各种 rules
  • 缺点：太贵，功能太多导致新手了解有一定的门槛，多文件之前上下文切换不太流畅

2.2 知识库

要实现 JavaScript 编译器，首先开发者要了解编译器实现方案（参考上图），然后让 AI 了解实现方案（虽然 AI 本身已经有编译器的实现原理，但是开发者需要按照场景提示 AI 按照哪种方案实现），最好要有简单的样例给到 AI 编码助手，这里提供一些知识库的资料：

• https://github.com/linkxzhou/mylib/tree/master/c%2B%2B/simplejs 非常简单的 JS 编译器实现
• https://github.com/wren-lang/wren wren 脚本语言源码，大约 4000 行代码
• 书籍：《用 Go 语言自制解释器》和《用 Go 语言自制编译器》
• 书籍：《编译器设计（第二版）》和《自己动手构建编程语言》
• JS 测试用例集合：https://github.com/tc39/test262

如果您实现的不是 JS 编译器，也可以作为知识库，让 AI 参考源码按照你想要的方式实现（比如：用 Rust 实现 JS ...）。

3. 解决思路

针对 simplejs 实现的项目总结如下：

• 制定明确的项目规则，我们要实现 Javascript 引擎，从以往的经验上看，项目至少超过 3000 行，所以先要将功能拆解为规则（各种 Prompt），而不是直接输入[实现Javascript引擎]
• 在提示词中明确指出技术栈、期望行为和约束条件，就像提供规范说明书，约束模型的边界
• 让 AI 拆解功能，以小型、功能为单位划分文件来生产，测试和功能验证
• 测试驱动开发：先可以根据你描述的功能，生成测试用例，验证 AI 是否遵循了你的功能要求，然后生产功能逻辑后，尽可能多的再生产测试用例，最后保证测试用例100% 通过
• 控制质量：AI 输出的任何功能，要了解边界条件，并且提示 AI，输出的代码需要保持可读性，甚至可以让 AI 不断重构当前的功能，以保证按照最少代码实现
• 控制上下文：如果上下文很多，我们不需要按照整个工程提问，而是按照某个文件，或者某个文件的某些行扩展
• 有时候需要人工：报错比较明确，或者歧义的代码，建议开发者直接上手改代码修复
• 必要时候切换模型：有些问题用 DeepSeek 可以快速回答，就不需要用 Claude-3.7，当某些模型不能解决当前问题时，建议手动切换不同模型尝试（模型的边界比较模糊，有些时候 Claude-3.7 不能解决，GPT-4o 却可以解决）
• 如果有文档，可以单独建立 docs 目录，记录你想要的功能或者 API，甚至需要链接的知识库等
• 调试代码多加日志：打印比较多的日志，基于日志的上下文让 AI 修复 bug，能更快的分析问题并解决问题，而不是依赖 AI 对整个功能分析

4. 总结（完成第一个版本）

代码已经开源（simplejs）： https://github.com/linkxzhou/mylib/tree/master/go/simplejs

通过 AI 实现代码详细如下：

• 测试用例：2316 行
• 功能代码：3556 行
• 代码覆盖率：coverage: 74.9% of statements

后续需要完成的工作：

• 测试完整的 JS 测试集：tc39https://github.com/tc39/test262。
• 增加性能优化：
  • 解决尾递归问题
  • 编译预计算
  • 尝试通过 AI 实现少量的 `JIT` 功能
  • ...
• 执行 Benchmark，运行压测，让 AI 分析 profile，找到性能优化点。