LLM无法使用的编程语言：反AI设计的另类探索

在AI编程助手日益普及的今天，一位开发者反其道而行之，构建了一门专门让LLM「用不了」的编程语言。这个在Hacker News上引发讨论的项目，触及了AI时代编程语言设计、代码所有权与人类创造力边界的深层议题。

一门刻意「反AI」的语言

据Hacker News上该项目的讨论帖，作者的核心主张很明确：他构建了一门LLM无法有效使用的编程语言。帖子获得23个点赞和19条评论，讨论热度不算高，但话题本身颇具挑衅性。

这个项目的价值不在于技术复杂度，而在于它提出了一个被主流叙事忽略的问题——当编程语言的设计目标从「方便人类」扩展到「方便机器生成」时，是否应该有人主动划定边界？作者用行动给出了自己的答案：与其等待平台限制AI抓取，不如从语言层面让机器难以介入。

需要说明的是，原始素材仅提供了标题和社区讨论的基本数据，未披露该语言的具体语法、实现方式或「反LLM」的技术机制。以下分析基于标题所传达的设计意图与Hacker News社区的一贯讨论脉络展开。

esolang（深奥编程语言） 是「esoteric programming language」的缩写，指为实验、挑战或艺术表达而非实用目的设计的编程语言。经典例子包括只有8个指令的 Brainfuck、以空格和制表符编码的 Whitespace，以及代码形似艺术作品的 Piet。这类语言通常刻意违背主流语言的设计原则（如可读性、可维护性），以此探索计算与表达形式的边界。本文作者的语言虽未被明确定位为 esolang，但其「刻意排除某一类使用者」的思路与该传统高度一致——esolang 排除的往往是普通程序员，而这门语言排除的是 LLM。

为什么有人想「挡住」LLM

过去两年，AI编程工具的能力边界快速扩张，从代码补全走向整文件生成、仓库级重构。开发者社区对此的态度并不统一。一部分人拥抱效率提升，另一部分人则担忧代码的同质化、训练数据的隐性收割，以及人类开发者技能的钝化。

「LLM无法使用」这个表述，本质上是一种设计约束的宣言。它可能意味着语言采用了难以被tokenizer切分的符号体系、依赖人类独有的上下文直觉、或者故意引入LLM容易出错的歧义结构。无论具体手段如何，其目标是一致的：让代码的生成过程重新回到人类手中。

这类思路与近年兴起的「反爬虫」「反训练」运动一脉相承，只是把战场从数据层搬到了语言层。

Tokenizer（分词器） 是 LLM 处理文本的第一道工序：它把原始字符流切分为模型词表中的 token（子词单元），再映射为向量输入。不同模型的 tokenizer 各不相同（如 BPE、WordPiece），但共同点是依赖训练语料中高频出现的字符组合。如果一门语言采用罕见的 Unicode 符号、非常规的空白结构或刻意构造的歧义记号，tokenizer 就可能将其切分成低效甚至无意义的片段，显著增加模型理解与生成的难度。这正是「让 LLM 用不了」在技术上的可能着力点之一——攻击对象不是模型的推理能力，而是它感知文本的入口。

社区讨论中的分歧

Hacker News的评论区向来以技术较真著称。围绕这个项目的典型争论可以归纳为两派。

一派认为这是有意义的设计实验。编程语言本就是人为约定的符号系统，历史上不乏为特定目的而生的「小众语言」（如esolang）。刻意排除某一类使用者的语言，和刻意服务某一类使用者的语言，在方法论上没有本质区别。

另一派则质疑其实际效果。LLM的泛化能力意味着，只要语言有足够的公开示例，模型就能学会；而一门无人使用的新语言恰恰缺乏训练数据，短期「挡住」LLM的原因可能只是「太冷门」，而非设计上的不可逾越。一旦语言流行，防线自然瓦解。

这个反驳点出了问题的核心：语言的「反AI」属性，很大程度上取决于它的流行度，而非语法本身。

泛化能力（generalization） 指模型在训练时未见过的任务或分布上仍能表现良好的能力。对编程语言而言，这意味着即使某语言未直接出现在训练数据中，LLM 也能借助跨语言的共性（相似的语法范式、关键字语义、控制流结构）进行迁移推理。因此「缺乏训练数据」并不等于「模型完全无法使用」，只是生成质量下降。这也解释了社区反驳的深层逻辑：一门新语言挡住 LLM 的屏障是暂时的、统计性的，一旦出现足够多的公开代码示例，泛化能力就会迅速填补空白。真正难以跨越的，是那些无法从已有语言类比推导的独特语义约定。

对AI编程时代的启示

抛开具体实现，这个项目至少提供了三个值得思考的角度。

第一，编程语言的设计空间正在被AI重新定义。过去语言设计者关心的是表达力、性能和开发者体验，现在多了一个维度：机器可读性。有人选择优化它，就有人选择对抗它。

第二，代码所有权与训练数据伦理仍是未解难题。开发者对「自己的代码被用于训练」的抵触情绪真实存在，而语言层面的防御是一种成本较低的姿态表达。

第三，人类创造力的边界值得被主动守护。效率并非唯一的价值尺度，保留一些「机器难以进入」的领域，对技术生态的多样性未必是坏事。

这个项目大概率不会成为主流语言，但它像一枚小小的路标，提醒我们在狂奔的AI浪潮中，仍有人愿意停下来问一句：这条路一定要让机器也走得通吗？