INTENT · BEHAVIOR · CODE
IBC-Inter
意图驱动的混合编程语言
确定性代码 × 非确定性推理
EXPERIMENTAL DEMO
01
INLINE LLM EXPRESSION
行为描述语句
str result =
像书写普通表达式一样，调用一次 LLM
单行即调用一个表达式 = 一次 LLM 请求
表达式语义可嵌入赋值 / 条件 / 循环
$var 插值运行时变量直接注入提示词
调用背后一次 @~ ~ 究竟发生了什么深入 →
一次 @~ ~ 调用的背后
01源码行str result = @~ 打个招呼 ~
02提示词组装$var 插值 · 意图栈注入 · 输出格式约束
03LLM 请求一次真实的模型调用
04输出解析__from_prompt__ 按左值类型提取
05类型化结果result 是一个普通的 str
02
FAULT-TOLERANT CONTROL FLOW
AI 容错控制流
if @~检查 $greeting 是否包含情感词汇~:
print("AI 违背了设定")
:
retry
为「AI 判断的模糊性」而生的语言级机制
捕获模糊模型未按约定返回时触发异常
retry 自愈回到判断点，逻辑自我修复深入 →
策略协议化实现 __retry__ 即可自定义自愈方式
retry 自愈回路
AI 判断@~检查 $greeting 是否包含情感词汇~
返回模糊未按约定返回 0 / 1，触发 llmexcept
提示词增强ai.set_retry_hint 收紧约束
retry回到判断点，再次发起判断
03
INTENT ANNOTATION
意图注释
用冷酷的口吻进行回复
str greeting = @~请向我打个招呼~
一行声明，动态增强 LLM 的上下文
注入系统提示词意图作为额外上下文送达模型
意图栈@ / @+ / @- / @! 多层管理
意图即一等值函数 / behavior / llm 实例皆可作意图
声明式约束不写提示词模板，直接表达意图
04
LLM CALLABLE CLASS
可调用 LLM 类
class 翻译 ():
__call__(str 文本, str 目标语言) -> str:
"你是翻译专家，直接输出结果。"
"请将 $文本 翻译为 $目标语言。"
把一次 LLM 调用，设计成一个对象
提示词即方法体不再有 __sys__ / __user__ 魔法段
参数即插值形参直接注入提示词
__intent__ / __retry__派生类可自定义意图改写与重试策略
统一消费@~ 行为 / 普通调用 / run_batch / stream
05
SEMANTIC LOOP
行为驱动循环
判定 $content 是否足够热情~:
content = @~优化这段文字：$content~
由语义状态驱动的迭代，而非计数器
语义条件循环条件本身是一次 LLM 判断
自动迭代持续优化，直到模型判定达标
状态接力每轮产出作为下一轮的输入
06
PROMPT PROTOCOL
提示词协议
tags = @~ 给这段文字打 3 个标签：$doc ~
类型系统与 LLM 之间的双向桥梁
__outputhint_prompt__左值类型约束模型的输出格式
__from_prompt__模型返回解析回类型实例
__to_prompt__变量插值时转为提示词文本
开放的协议协议方法族是类型类，可为自己的类型 impl
07
NATIVE BINDING
宿主绑定
import python "numpy" as np:
array, mean, std
ai.set_provider("my-local-model")
Python 生态，即 IBCI 生态
声明式导入bind 一个名字，得到一个 IBCI 一等值
自定义模型供应商ai.set_provider 一行切换 LLM 后端
协议可达宿主类型绑定类型同样可参与协议与 impl
唯一扩展边一个 bind 取代旧插件通道，扩展不改内核
08
MOCK TESTING
MOCK 测试
import ai
ai.set_mock_mode()
str r = @~ "hello world" ~
没有真实 LLM，也能测试 AI 逻辑
零 API 依赖不连接真实模型即可运行测试
预设返回STR / INT / BOOL / LIST / DICT 指令
故障演练MOCK:FAIL / MOCK:REPAIR 模拟自愈路径
IBC-INTER
当 AI 调用
成为语法本身
实验性示例阶段 · 谨慎参考 · 勿用于生产
远期愿景 · 模式匹配 · 高阶组合子 · 内核自举
github.com/haberzero/intent-behavior-code-inter