Yuer DSL：5 分钟跑起来的 “AI 编程语言”（附完整示例代码 + GitHub）一、Yuer DSL 是什么？

一、Yuer DSL 是什么？（给工程师的版本）

这两年，大家都在玩大模型：

prompt 工程
Agent 编排
工具调用 / Function Calling
LangChain / 自动化脚本

但有一个问题一直没被解决好：

如何让 AI “像执行程序一样”稳定地完成任务，而不是每次都靠猜 Prompt？

Yuer DSL 做的事情，就是在“大模型”和“任务执行”之间，加了一层 “行为脚本语言” ：

不直接丢一段自然语言给模型
而是先把「意图 → 步骤 → 行为」结构化
让 AI 按这套结构稳定执行

在这篇文章里，我们不谈理论，只做一件事：

5 分钟跑起来一个最小可用的 Yuer DSL Demo。

⚠ 说明：
本文示例是 安全降级版 Demo，只展示基础结构与执行流程，
不包含完整语言规范和内部控制细节，无法反推真实系统。

GitHub 项目主页（持续更新）：
👉 github.com/yuer-dsl

二、环境准备（不到 1 分钟）

示例基于：

Python ≥ 3.9
依赖：pyyaml（用于解析 DSL 配置）

先安装依赖：

pip install pyyaml

在任意目录创建一个新文件夹，例如：

mkdir yuer-demo
cd yuer-demo

我们接下来会在这个目录里写两个文件：

hello.yuer —— Yuer DSL 脚本
yuer_runtime.py —— 最小解释器（runtime）

三、写第一个 Yuer DSL 脚本：`hello.yuer`

新建文件：hello.yuer

注意：为方便解析，我们这里用的是 YAML 兼容结构 的简化版 DSL。 YUER: v1.0

INTENT: > Greet the user and show a deterministic message.

ANCHOR:

greeting
deterministic_output

EXEC: step1: print "Hello from Yuer DSL!" step2: print "This behavior is deterministic." 简单解释一下字段：

YUER: 版本号（示例用 v1.0，方便后续扩展）
INTENT: 这段脚本的“目标描述”
ANCHOR: 行为锚点，用来标记这段脚本的逻辑关注点
EXEC: 真正要执行的步骤列表（step1、step2…）

在这个最小 Demo 里，我们只做两件事：

输出一段问候
输出一段“这是一个确定性行为”的说明

四、写一个最小运行时：`yuer_runtime.py`

接下来写一个轻量级解释器，把 .yuer 跑起来。

新建文件：yuer_runtime.py

import yaml import sys from pathlib import Path

def load_yuer(filepath: str) -> dict: """加载 .yuer 文件（YAML 兼容格式）""" path = Path(filepath) if not path.exists(): raise FileNotFoundError(f"File not found: {filepath}") with path.open("r", encoding="utf-8") as f: return yaml.safe_load(f)

def execute(yuer_obj: dict): print("=== Yuer DSL Runtime (Lite Demo) ===")

# 1. 输出 INTENT
intent = (yuer_obj.get("INTENT") or "").strip()
print(f"[INTENT] {intent}")

# 2. 输出 ANCHOR
anchors = yuer_obj.get("ANCHOR") or []
print(f"[ANCHOR] {anchors}")

# 3. 执行 EXEC 中的步骤
exec_block = yuer_obj.get("EXEC") or {}
for step_name, action in exec_block.items():
    print(f"[{step_name}] {action}")
    action_str = str(action).strip()

    # 这里只做一个非常安全且简化的“print 解析”
    if action_str.startswith("print"):
        # 去掉 print 关键字，提取引号中的内容
        try:
            content = action_str[len("print") :].strip().strip('"').strip("'")
        except Exception:
            content = action_str
        print("→", content)
    else:
        # Demo 里对其它指令仅做“占位输出”
        print("→ (noop) unsupported action in lite demo")

def main(): if len(sys.argv) < 2: print("Usage: python yuer_runtime.py <file.yuer>") sys.exit(0)

filepath = sys.argv[1]
yuer_obj = load_yuer(filepath)
execute(yuer_obj)

if name == "main": main() 这个 runtime 做了几件事：

用 yaml.safe_load 解析 .yuer 文件
打印 INTENT 和 ANCHOR，方便观察脚本语义
逐个执行 EXEC 里的步骤：
- 如果是 print "xxx"，就解析并输出内容
- 其他指令，在 Lite 版里一律只打印占位（不做真实执行）

重点：
这是一个 非常安全的最小示例，只有可控的字符串处理，
并不会执行任意代码，也不暴露任何内部机制。

五、运行：5 分钟之内看到结果

确认当前目录下有两个文件：

hello.yuer
yuer_runtime.py 终端执行： python yuer_runtime.py hello.yuer

=== Yuer DSL Runtime (Lite Demo) === [INTENT] Greet the user and show a deterministic message. [ANCHOR] ['greeting', 'deterministic_output'] [step1] print "Hello from Yuer DSL!" → Hello from Yuer DSL! [step2] print "This behavior is deterministic." → This behavior is deterministic.

到这里，你已经完成了：

用一种 DSL 描述“AI 行为脚本”的最小结构
用一个极简 runtime 把这段脚本“跑起来”
行为是 可复现 / 可审计 / 可回放 的（每次执行完全一致）

六、接下来可以怎么玩？

上面的例子只是一块“垫脚石”，你可以继续演化：

在 EXEC 里加入更多“步骤语义”
- call_api "xxx"
- use_tool "search"
- branch_if ...（可以先只做打印模拟） 2.给每个 step 增加更多字段

EXEC: step1: type: print text: "Hello" step2: type: log level: info text: "Done" 3.1. 在 runtime 里用 type 做分发，慢慢长成一个“小型行为引擎”。

这些都可以在不接触核心实现的前提下完成，
适合你在本地玩结构、建自己的实验场。

七、完整工程 & 后续更新

本文只是 Yuer DSL 的一个 入门级 Demo，
真正的工程化实践会包含：

更完整的语法与语义
行为稳定性控制
执行轨迹 / 审计链
与大模型交互时的安全边界
决策型 Agent 中的实际用法

这些内容会逐步在 GitHub 上整理与更新：

👉 GitHub： github.com/yuer-dsl

如果你对下面这些方向感兴趣：

决策代理（Deterministic Agents）
AI 行为脚本语言
可复现的推理链
Agent 执行的稳定性 / 可回放 / 可审计

欢迎在掘金关注我，或者直接在 GitHub 提 Issue / Star / Fork。

Yuer DSL：5 分钟跑起来的 “AI 编程语言”（附完整示例代码 + GitHub）