proorck2019的博客

原创 公共命名空间简述，实现自然语言编程的必经之路

公共命名空间的想法出现自2019年，到现在有三年了。在2022年底，总结一下这三年来的想法。就像字符集+字体，公共命名空间+新编译原理也是这么一对儿。字符集用来收集所有符号，字体用来显示字符集中的符号；公共命名空间用来收集所有的句子，新编译原理用来实现这些句子。公共命名空间是一个四维空间，四个维度分别是：句子、方言、同位素、冗余项(rǒng)。为了在二维的电脑屏幕上呈现四维空间，先呈现前两个维度。每一行是一个句子，每一列是一个方言。在行与列交叉处是单元格，点开单元格，是另一个二维表：每一行是一个同位素

原创 学习笔记：非对称加密

原创 把一个神经元网络拆分成多个，分块训练

先处理一下训练样本，给它分块，每一块用一个小型神经元网络来训练，避免训练一个超大的神经元网络。

原创 自然语言编程：从一段Perl程序说起

通过词法分析，可以判断一个符号是数字，还是id。更进一步地，可以判断一个符号，如：$email_address，这是一个邮件地址。上面的例子中，执行完第一行，向上下文容器中推入一个布尔值，然后，下边那行从上下文容器中取一个布尔值。内置名的作用在于，分析变量的名字，用于理解句子的含义。有了内置名，可以减少打字量，且更自然地表达。后人的后人，即电脑的使用者，也是用写下一些句子的形式，来操作电脑的。在Perl语言里，老地方变量用下划线_表示，print(_)可以简写成print。若不写至哪里，就至上下文容器。

原创 回忆GB2312汉字编码

GB是“国标”的拼音首字母。GB2312兼容ASCII码区位码，94×94，区位码+A0A0=编码GBK兼容GB2312(81~FE)(40~FE，不包括7F)GB18030兼容GBK和GB2312单字节：00~7F双字节：(81~FE)(40~7E，80~FE)四字节：(81~FE)(30~39)(81~FE)(30~39)从GBK以后，不再使用“区位码”的概念GB18030例：9A 35 81 30。

原创 自然语言编程，举个反面案例

在公共命名空间理论中，功能相近，却略有不同的，叫“同位素”。具体内容，请参考我的其它文章。图中的两行程序，功能都是切换布尔值，在源代码中，就该写成“切换布尔值”，而不是图中的这两行代码。上图是一个反面教材，在Java语言中这么写，天经地义。但是，对自然语言编程而言，这很不自然。一个功能，在源代码中的表现形式，就应该是程序员试图描述任务时，使用的自然语言的样子。用n%2==0代表偶数，可以运行，但并不自然。调用一个功能，应该尽可能使用自然语言，而不是用语法单位“拼凑”出这个功能。另一个例子，是判断偶数。

原创 我设计的字符编码(2)

全世界有六千多种语言，可以用13比特描述。带语言编号的字符编码，它是：语言编码+字符编码 → 一个字符使用自制的UTF-8inf编码表示数字。

原创 我设计的字符串

最初字符串是这样的：“hello world”如何表示换行符呢？

原创 计算机语言的幻想，于1024程序员节

上述三条是关于计算机语言的幻想，发布于2025年的1024程序员节之前，希望这些幻想有一天能够成为现实。

原创 我们需要的中文编程是什么样子的？

它连接了两个句子，似乎必须用Robot实现(帮我编程序的小机器人)。它有“完整读入内存再写/读一点写一点”两个同位素。第一句不可能用一个函数实现，需要框架。并且它向上下文容器推送了一个值。第二句没写打印什么，则从上下文容器取一个值打印。为了描述语言的边界，为了实现自然语言编程，需要「公共命名空间」理论，参考我的其它博客。前些年曾讨论过中文编程，这几年由于人工智能的发展，再讨论一下是可以的。我们想要的中文编程，实际上是自然语言编程。写入文件"2.txt"::UTF-8。前人编写一段程序，用句子描述其功能。

原创 我设计的字符编码

可以记录7比特信息，后边再跟1字节，7+8=15比特，15=5+5+5，韩文是由三部分组成的，每个部分用5比特描述。新的编码压缩了字符集，并且赋予汉字造字的能力，一个汉字相当于一个英文单词，它可以有更多可能的组合。重新编码后，除汉字和韩文以外的字符，保持原样，汉字和韩文使用双字节，后跟一串扩展字节的方案。为了优美地呈现汉字，需要书法家软件，它应该能够区分，光和做为偏旁部首的光，字形不同。耀→(左右结构，右边又分为上下结构，上边是左右结构)+光+习+习+隹。②双字节模式，1(15bit)，预留2。

原创 我设计的数字编码、十进制计算机

传统的00→01→10→11→00循环，晶体管翻转6次。上述节能型循环翻转4次。添加一个与门就可以知道数字是否有效，无效的情况当做分隔符处理。构成00→01→11→10的节能型循环。位表示5，如同算盘。

原创 计算机语言不应该是能够随时长高的脚手架

打个比方，以前的计算机语言就像脚手架，它具有可扩展性，但是却不太牢靠。没有人愿意在脚手架上搭块木板就睡在上边，人们更喜欢在建好的大楼里铺好床，再安安稳稳地睡上一觉。从土木工程的角度讲，在一座建好的100层大楼的顶端，再建一座6层的小楼，是十分危险的。之前的几十年，程序员的任务是：扩展程序的能力。在这段时间内，计算机语言被设计成可扩展的，程序员可以自定义函数和类。所以，我们应该提供的是一座建好的大厦，在这座大厦里，不能自定义函数和类，但是常用的函数和类都已经编好了。扩展性和健壮性似乎是不可兼得的。

原创 我设计的IP地址(3)

①兼容IPv4从0到2^32-1是IPv4地址，可以继续使用。从2^32开始，是新的IP地址。②预分配由于2^48/80亿=35184.3按照一个人1万个IP地址来分配。中国有14万亿个，印度有14万亿个，等。按 洲/区域/国家 的英文顺序排列。例如，从10 0000 0000 0000到24 0000 0000 0000这14万亿个IP地址属于中国，看到源地址和目标地址的分区相同，说明在同一个分区里。

原创 CPU，减少晶体管翻转次数的编码

降低晶体管翻转次数，可以省电。上述方案，可以在数字递增循环过程中，将晶体管翻转次数降到最低。

原创 我设计的哈希表

如果用CRC32校验码做为哈希值，最多可以分2个桶，这足够多了，但保不齐还是会出现哈希碰撞。所以，有了无穷长的校验码的设想。每次取几个比特，用不完。

原创 变长字节的数字表示法vb224

当你需要表示一个数字，却又不能确定数字所占字节数的时候，可以考虑vb224编码。截止2025年6月，该方案尚未实现，你可以自己动手实现，并应用于项目之中。

原创 用3个字符表示2字节二进制数据

本文的方案类似于base64，它是用4个字符表示3字节二进制数据，1.333倍。对“终止”进行编码，它是65793，换成41进制是(39 5 29)，换成字符是"Q5v"把1字节二进制数据，用可打印字符表示，可用十六进制。这样一来，1字节变2字节，2倍。65536至65791表示1字节数据，较少出现的情况用更大的数字表示。所以，最终方案是，用3字符41进制，表示2字节或1字节二进制数据。2字节的二进制数据，可以用3个字符来表示，1.5倍。小写字母，去掉和0、1形似的，剩24个。仍小于41^3=68921。

原创 我设计的IP地址(2)

网络编号=0，这是内网，相当于192.168.0.100之类的IPv4地址。有一个问题，对于网络编号等于1，主机编号等于1的IP地址，它有多个表达方式，约28种。中国有14亿人，F=27的网络编号有300多亿个，分配14亿个给中国，全世界分配80亿个。F=0，全世界80亿/2^27=59.6=60个，占60/256=23%当F=1时，网络编号=W+256，它有2^9=512个；当F=27时，网络编号=W+256+512+…当F=0时，网络编号有2^8=256个；当F=2时，网络编号=W+256+512。

原创 为了自然语言编程，填充公共命名空间

填充“公共命名空间”的过程中可以添加注释，语言的制作者和使用者通过它进行沟通。不管是自底向上、自顶向下，都是实现自然语言编程的策略。人工智能需要海量的训练样本，填充公共命名空间的劳动量和它差不多。

原创 unicode改进，提取语言编号的编码体系

若是法语、德语、意大利语、俄语等，修改语言编号，后边差不多也是一个字节表示一个字母。-x=0x110000，解出x=983040，即，用983040号语言表示unicode本身。每个括号表示一个日语假名，4号日语假名，在编码后，将是远大于4的一个数字。这种编码也用8比特表示，inf是“无限的”，理论上，它可以表示无限大的数。字符编号有限大，用比最大的字符编号更大的数字，表示语言编号。三字节：1××××××× 1××××××× 0×××××××。双字节：1××××××× 0×××××××。

原创 压缩的汉字编码(unicode减肥计划)

第二套方案似乎可以表达更复杂的汉字，但那些符号已经超出了人脑的记忆能力，不能叫汉字了。同理，韩语字符如果拆分了，就不会有一万多个，只有几十个。韩国人听说中国把汉字拆分了，也不好意思再占用一万多个符号，他们把韩语字符也拆分了，过程更简单。虽然减肥后的unicode可能只有4万个符号，小于2^16，但仍然用UTF-16，它能表示100多万个符号，扩展性更好。汉字编码要区分左脑和右脑，先是结构信息(右脑)，然后是字根信息(左脑)。多数汉字拆分成两部分，算上字形信息，是三个符号，用6字节表示。

原创 我设计的网络广播

对于658→943这样的要求，不适合简化成端口号，就保存各节点的IP地址，或物理地址。它们可以记下常见的链路，不用每次都广播寻人，毕竟“求链路”的算法，开销有点大。网络协议中，有一项，对于从A到B的通信，求链路。该协议给出的常常不是一条唯一的链路，而是由“正则表达式”描述的链路的集合？主要是广播寻人，接力广播，然后用正则表达式记录可选的所有链路。中继节点储存的全是连接信息，如一对一的TCP连接，或一对多的广播。这是一对多广播，14是13的备用链路，28是27的备用链路。9→非(15且87)，这是什么？

原创 计算机语言：我设计的算符优先级

其实，如果完全没有算符优先级，最多就是成为Lisp语言，多写几个小括号的事，不是什么天大的事情。所以，压缩算符优先级的事情，可以考虑一下。希望在你设计的计算机语言中，用到上述研究成果。如果选择相同的符号，就需要定义语境，来区分算数运算和逻辑运算。7这个数字，是人类短时记忆容量的平均值。新的计算机语言不兼容C语言，这也很正常。结果是，新的优先级更好记了，但却与经典的C语言不兼容。C语言的算符优先级有15级，把它压缩到7级。②单目，C语言的第二级，非、按位反。⑥赋值、比大小、左右移。逻辑非、按位反，同理。

原创 韩语字符分析

多数汉字可拆分成两部分，算上字结尾，是三个符号。同时，韩语也是一个字变三个字，表示相同的意思，需要的字节数和汉语、英语都一样了。设想中，汉字用字根拼接而成，韩语也放弃这一万多个字符，使字符总数降低到6万，可以用2字节表示，也方便制作字体。查看unicode文档，发现韩语字符有11172个，这是19×21×28，其实就是19+21+28=68个符号的排列组合。个符号，有CJK ext A，包含6592个字符，从3400到4DBF，这一段可以替换成韩语68个字母，和汉字的结构描述符、字根。

原创 设想中的计算机语言：可执行对象的构造函数和析构函数

可执行对象”是一个创意。现有的OOP，对象里储存的全是数据，代码集中管理。而可执行对象中储存的是代码。构造函数通过修改对象内的地址，完成重定向，而不是每调用一次函数都要查表找地址。也就是说，直接修改call, jmp指令后边的地址立即数。

原创 蛇年的第一篇博客：设想中的汉字编码

本文描述了想象中的汉字编码，希望用拼接字根的方法，简化汉字编码。简化后，韩语字符也会跟着简化。最后，unicode字符的数量控制在216以内，可以用2字节表示。至此，用不同语言表达相同意思，所需编码长度差不多的设想，就更近了。虽然目标是2字节，但使用UTF-16仍有必要，保证可以编码114万多个字符，避免万一2字节不够用时的尴尬。新的编码将不兼容现有编码，可以命名为unicode CJK compressed。

原创 我设计的CPU架构：CCSC，核-电路分离计算机

以上便是CCSC(核-电路分离计算机)的架构设计。该设计的目标是省电，并且通过将复杂电路移出核心的做法，简化核心，提高电路的利用率。之前有用简单电路模拟复杂电路的想法，但那不现实，CPU每执行一条指令都要调用一次加法器，如果加法器也需要模拟，执行速度会很慢，而且费电。所以，保留功能电路是设计CPU的必然选择。同时，如果每个核都设计所有功能电路，将是复杂的，且利用率低。例如，现有的CPU每个核都有除法指令，在新的架构中，除法指令在核心外部。

原创 软件的收费方式

全国有700万程序员，占人口的1/200，200人养活一个程序员，每人支出收入的0.5%。每人每天玩手机5小时，一个月玩5×30=150小时，每小时收费0.75%÷150=0.00005。但是，还要考虑网民的网瘾，如果固定收费，会有人大量使用手机，网瘾就犯了。所以，应该计时收费，督促网民少用手机。另一个人，年薪百万，每天玩8小时，他需缴纳：1000000/12×0.00005×8×30=1000元/月。举例来说，一个人月薪4000元，每天玩5小时，他需缴纳：4000×0.00005×5×30=30元/月。

原创 笔记，如何区分大端、小端？

所有计算机厂商储存字符串的方式是一样的：储存字符串"abcd"，在地址低的地方储存a，在地址高的地方储存d，阅读一个字符串，是沿着地址增加的方向进行的。沿着地址增加的方向看，它的值是：01 00 00 00，这是小端。注意，字节内部没有字节序问题，所以，不要一股脑地写成10 00 00 00。沿着地址增加的方向看，先显示高位数字的是大端，先显示低位数字的是小端。GB2312编码的“啊”是0xB0A1，沿着地址增加的方向看，就是B0和A1，这是大端。更高的位在地址偏移量更大的地方，这么设计编程会容易点儿。

原创 我设计的IP地址

IP地址不应该是神秘的，它和邮政编码、电话号码一样，只是个数字。考虑世界各地的人口，中国14亿，印度14亿，非洲14亿，欧美澳加起来17亿，亚洲其它地区17亿。分成5部分，各地的编号是：欧美澳1，非洲2，亚洲其它7，中国8，印度9中国和印度的邮政编码都是6位数，8-123456表示中国的一个地区。例如，我所在的邮区有8万人，最少需5位数，取6位数表示。IP地址是64位的，每4比特表示一个十进制数，可表示16位数。

原创 缓存淘汰算法：次数除以时间差

记录缓存中的每一项的访问次数、最后访问时间，获取当前时间，可算出时间差，然后，用次数除以时间差，取最小的淘汰。这一算法比较慢，需配合多级缓存。一级缓存不很大，使用此算法。二级缓存可以大一些，使用其它淘汰算法。

原创 变长的时间戳(第4版)

每400年有400×365+97=146097天，A类时间戳能表达1000个400年，是40万年，公元前后各20万年。1×××× 1×××× 0××××，这表示有3个32位。第2位是0，再看第3位，是0，就是A类；C类时间戳的单位是皮秒，写成A+B+C的形式，能表达很精细的时间。B类时间戳的单位是毫秒，和A类时间戳一起使用，满足多数需求。A类时间戳的单位是天，可以只有它自己，表示精确到天的时间；以32位为单位，一个时间戳可以是32位、64位、96位。B类时间戳表示一天中的毫秒数，它也可以储存于29比特中。

原创 让汉语和英语一样长的字符编码

使用UTF-8编码表达相同的意思，需要的字节数，俄语是英语的2倍。使用UTF-16编码，英语是汉语的3倍。如何做到“不同语言表达相同意思，所需编码长度大致一样”？本文做出了尝试。

原创 小王子压缩算法

在《小王子》这本书中，the little prince反复出现，设想应该可以把它做为新的符号，从而起到压缩的效果。搜集代码库，运行小王子压缩算法，留在字典里的，正是指令集需要的。这么一来，就求出了最优指令集。市场上并不缺少压缩算法，研究小王子压缩算法，是为了设计CPU最优指令集。霍夫曼编码依赖现有的符号边界，而本文要研究的，是寻找更好的符号边界。至此，找到了3个新的“符号”！有些时候字典过大，需要舍弃概率低的。

原创 变长的时间戳(第3版)

从第2版的8类时间戳，缩小为3类。其中，A类时间戳以天为单位，分配146097000个数字给它，能表达40万年。当只使用A类时间戳时，它以天为单位，也就是日期类型date。变长时间戳第3版，较第2版而言，减小了表达范围，更贴近实际使用情况。第2版，表达范围从5880万亿年，到普朗克时间，这也太夸张了。时间戳的长度选32位，或是64位，都有限制。B类时间戳以毫秒为单位，分配86400000个数字给它，能表达1天。常用的格式为A+B，占64位，精确到毫秒。更精确的时间，用A+B+C，占96位。

原创 最简单的计算机：真值表计算机(TTC)

就像编译原理优化程序前，需要把程序转化为中间代码，然后针对中间代码进行优化一样。如图，一块电路有7个端口，分别是输入A, B，输出C，真值表(在下端)。只是速度慢了一点，例如，它需要用软件的形式模拟一个加法器，每执行一条指令，就要调用一次加法器函数，那叫一个慢啊！为了让TTC快一点的研究，可用于实践。编译原理龙书上说：有“硅编译器”，即将源代码转化为电路的编译器。有了它，就能制作出TTC的编译器。上述4条指令可看做一个整体，这样一来就能减少加法器的调用。真值表计算机(TTC)是一个理论模型，有研究价值。

原创 输入法：点三下输入一个汉字

第二键区分左右，若是左半区，则表示选择第一键中的第一个声母；每个半区有4个按钮，分别是不加中间字母，以及中间字母为i, u, ü的情况。虽然也有9键的方案，但重码率较高。计算一下，9键点2下，共81种排列组合。而汉字的读音，不计声调，有400多个。所以，设计了“三拼输入法”，使用较少的按键，点三下输入一个汉字。对于某些不便使用26键的情况，例如按钮太小，不好按，可以考虑使用此输入法。且是三行四列，比之前的四行三列，更扁了。第三键是韵母，例如“路”，拼音是lu，只有声母和中间字母，没有第三键的韵母，就选空。

原创 公共命名空间：可挂载同位素

公共命名空间是实现自然语言编程的必经之路。它可以理解为一张巨大的表格，其中收录了所有句子。用unicode来做类比，unicode里边收录了所有字符，且它是一个一维空间，先填充字符集，再研究字体，于是，可以在电脑上显示字符；然后说公共命名空间，其中收录了所有句子，且它是一个四维空间，先填充公共命名空间，再研究编译原理，于是，可以实现自然语言编程。

原创 公共命名空间，例4

以上三句，对上下文容器的使用方式不同。第一句，不使用上下文容器；第二句，没写至哪里，就至上下文容器，它把运算结果推送至上下文容器；第三句，从上下文容器获取参数，并把运算结果推送进去。有了公共命名空间，世界各地的程序员都可以用母语编程，如上例。美国的程序员用英语编程，并不是C++这样看上去像英语的语言，而是真正的英语。