如何让 LLM 可靠地把自然语言翻译成可执行的确定性逻辑
OwlZealousideal4779 · reddit · 2026-09-03
Reddit 用户提出一个看似简单实则困难的工程问题:让 LLM 把自然语言指令转化为确定性系统可安全执行的逻辑。以交易指令为例——「BTC 突破前高且波动率上升时入场,单笔风险 1%,盈亏比 2:1,每根 K 线最多入场一次」——生成代码容易,难的是验证生成逻辑是否符合用户本意:「前高」指什么、「波动率上升」如何定义、条件几乎同时发生时怎么办。作者倾向的架构是把解释与执行分离:LLM 只将指令转为结构化中间表示(IR),经严格 schema 与确定性规则校验后再编译为可执行逻辑,LLM 永远不做执行决策。帖中征求社区意见:中间层用 JSON Schema、AST 还是 DSL?如何检测「语法完全正确但语义偏离用户意图」的错误?如何防止 LLM 静默更改已定义的逻辑?
「编程与Agent」频道最新
- 给 Codex 一个视频 URL,自动分析流水噪声频谱 — johnowhitaker · 2026-09-03
- 美国最大 Java 大会 Devnexus 2027 改版:10 条 AI 议题轨 100+ 场次 — mkheck · 2026-09-03
- Auth0Lab 首次公开 0 到 1 新产品孵化方法论 — yenkel · 2026-09-03
- Minecraft 之父 notch:AI 编码让 10x 工程师变成 100x — majidmanzarpour · 2026-09-03
- 哈佛提出 agentic data cracking，非结构化数据问答成本降 53% — Harvard · 2026-09-03
- 一次 ultracode 会话烧掉 42% 周额度，用户怒斥 Anthropic 新模型 — BLUECOW009 · 2026-09-03