NLC — 自然语言编译器

Natural Language Compiler

一个实验性项目：尝试把自然语言当作编程语言，走一遍完整的编译流程，用于诠释「编译器是如何工作的」以及「自然语言与程序语言的边界在哪里」等概念。

这是什么

NLC 是一个**概念验证（Proof of Concept）**性质的实验项目。它并不追求生产可用，也不追求对任意自然语言的理解能力，而是希望通过一个足够小、足够直观的例子，诠释以下概念：

• 编译流水线：词法分析 → 语法分析 → 语义分析 → 中间表示 → 代码生成/执行，如何应用于自然语言输入；
• 文法与歧义：自然语言的歧义性在形式文法下是如何产生、又如何被消解的；
• 抽象语法树（AST）：一句话如何被结构化为可操作的数据；
• 从「理解」到「执行」：把一句人类语言映射为可运行程序的本质困难与可行路径。

简而言之：这是一个用来讲解编译器思想的玩具，只不过它的源码是中文/英文句子，而不是 C 或 Python。

设计思路

编译器经典结构被原样借用，仅将输入端替换为自然语言：

flowchart LR
    A[自然语言输入] --> B[词法分析\nLexer]
    B --> C[语法分析\nParser]
    C --> D[语义分析\nSemantic]
    D --> E[中间表示 IR]
    E --> F{后端}
    F -->|解释执行| G[Interpreter]
    F -->|代码生成| H[目标代码]

项目状态

早期实验阶段。 当前仓库仅包含项目骨架，编译器各阶段尚未实现——这正是实验的起点：从一个空的 main.py 出发，逐层构建。

路线图

• 最小词法分析器（针对受控的受限自然语言）
• 基于文法的语法分析器与 AST 定义
• 一个刻意保留、随后逐步消解的歧义示例（用于演示）
• 简单 IR 与树遍历解释器
• 端到端示例：一句话 → 执行结果
• 文档：每个阶段的概念诠释与设计取舍

约定的输入范围

为了让编译流程可被完整走通，实验会把输入限制在受限自然语言（Controlled Natural Language）范围内：

• 固定的小词汇表（指令类动词、名词、数量词等）；
• 明确的句式模板，允许少量合法变体；
• 超出范围的输入明确报错，而不是猜测。

这与真实的 NLP 系统（追求覆盖率与鲁棒性）目标相反——NLC 追求的是流程的清晰可诠释。

开发环境

本项目使用 uv 管理依赖与环境。

# 安装依赖并创建虚拟环境
uv sync

# 运行入口
uv run main.py

要求 Python ≥ 3.12（见 .python-version）。

目录结构

.
├── main.py          # 程序入口
├── pyproject.toml   # 项目元数据（uv 管理）
└── README.md        # 本文档

目录结构将随编译器各阶段的实现而演进（如 lexer/、parser/、ir/、backend/）。

非目标

以下不是 NLC 的目标，以免误解：

• ❌ 构建实用的自然语言理解 / 对话系统；
• ❌ 使用大模型做语义解析（本项目关注的是经典编译技术本身）；
• ❌ 支持任意句式、任意领域的开放输入；
• ❌ 生产环境下的性能与健壮性。

许可

待定。