Nexa Language

The Dawn of Agent-Native Programming. Write flows, not glue code.

中文版 | English

📚 文档: 中文 | English

Nexa 是一门为大语言模型（LLM）与智能体系统（Agentic Systems）量身定制的智能体原生 (Agent-Native) 编程语言。 当代 AI 应用开发充斥着大量的 Prompt 拼接、臃肿的 JSON 解析套件、不可靠的正则皮带，以及复杂的框架。Nexa 将高层级的意图路由、多智能体并发组装、管道流传输以及工具执行沙盒提权为核心语法一等公民，直接通过底层的 Transpiler 转换为稳定可靠的 Python Runtime，让你能够用最优雅的语法定义最硬核的 LLM 计算图（DAG）。

Nexa v1.0-alpha 引入了革命性的 Agent Virtual Machine (AVM) - 一个用 Rust 编写的高性能、安全隔离的智能体执行引擎：

从 Python 脚本解释转译模式跨越至基于 Rust 编写的独立编译型 Agent Virtual Machine：

• 高性能字节码解释器 - 原生执行编译后的 Nexa 字节码
• 完整编译器前端 - Lexer → Parser → AST → Bytecode
• 110+ 测试覆盖 - 全链路测试保证稳定性

在 AVM 中引入 WebAssembly，对外部 tool 执行提供强隔离：

• wasmtime 集成 - 高性能 WASM 运行时
• 权限分级 - None/Standard/Elevated/Full 四级权限模型
• 资源限制 - 内存、CPU、执行时间限制
• 审计日志 - 完整的操作审计追踪

在 AVM 层基于系统负载动态分配并发资源：

• 优先级队列 - 基于 Agent 优先级的任务调度
• 负载均衡 - RoundRobin/LeastLoaded/Adaptive 策略
• DAG 拓扑排序 - 自动依赖解析与并行度分析
• 资源分配 - 内存、CPU 核心分配优化

AVM 接管内存，自动执行对话历史的向量化置换：

• LRU/LFU/Hybrid 淘汰策略 - 智能页面置换
• 嵌入向量相似度搜索 - 语义相关性加载
• 透明页面加载 - 无感知的内存管理
• 自动压缩 - 旧页面摘要压缩

新增强大的 DAG 操作符，支持分叉、合流、条件分支：

// 分叉：并行发送到多个 Agent
results = input |>> [Researcher, Analyst, Writer];

// 合流：合并多个结果
report = [Researcher, Analyst] &>> Reviewer;

// 条件分支：根据输入选择路径
result = input ?? UrgentHandler : NormalHandler;

多级缓存 + 语义缓存，大幅减少 Token 消耗：

agent CachedBot {
    prompt: "...",
    model: "deepseek/deepseek-chat",
    cache: true  // 启用智能缓存
}

结构化知识存储和推理能力：

from src.runtime.knowledge_graph import get_knowledge_graph
kg = get_knowledge_graph()
kg.add_relation("Nexa", "is_a", "Agent Language")

角色基础的访问控制，确保最小权限原则：

from src.runtime.rbac import get_rbac_manager, Permission
rbac = get_rbac_manager()
rbac.assign_role("DataBot", "agent_readonly")

CLAUDE.md 风格的持久化记忆，支持经验和知识积累：

agent SmartBot {
    prompt: "...",
    experience: "bot_memory.md"  // 加载长期记忆
}

原生交互式命令行支持，富文本输出：

nexa > run script.nx --debug
nexa > cache stats
nexa > agent list

test "login_agent" {
    result = LoginBot.run("user: admin");
    assert "包含成功确认信息" against result;
}

tool SearchGlobal {
    mcp: "github.com/nexa-ai/search-mcp"
}

semantic_if "是一句日期提示" fast_match r"\d{4}-\d{2}" against req { ... }

git clone https://github.com/ouyangyipeng/Nexa.git
cd Nexa
pip install -e .

如果你正在使用 AI Agent 工具（如 Claude Code、Cursor、Copilot 等），只需输入以下指令：

按照 https://github.com/ouyangyipeng/Nexa/AGENT_LEARN 的指引，安装并试运行这门语言

你的 Agent 将会：

1. 自动访问 AGENT_LEARN/INSTALL_AND_HELLO_WORLD.md 完成安装
2. 运行 Hello World 程序验证安装
3. 将 AGENT_LEARN/AGENT_GUIDE.md 作为 skill 加载
4. 掌握 Nexa 语言的语法和用法

Agent 专用文档目录:

• AGENT_LEARN/INSTALL_AND_HELLO_WORLD.md - 安装与 Hello World 指南
• AGENT_LEARN/AGENT_GUIDE.md - Agent 语法速查与代码模板

# 执行流
python -m src.cli run examples/01_hello_world.nx

# 进行语义断言测试 (v0.9+)
python -m src.cli test examples/12_v0.9_features.nx

# 审计生成的纯净 Python 代码栈
python -m src.cli build examples/01_hello_world.nx

所有文档示例代码已通过编译验证：

• Python 测试: 42/42 示例通过 (100%)
• Rust AVM 测试: 110/110 测试通过 (100%)

新增语法支持：

• Agent Decorators: @limit, @timeout, @retry, @temperature
• MCP/Python Tool Body: mcp: "...", python: "..."
• DAG Parallel Operators: || (fire-forget), && (consensus)
• Literal Types: Regex, Float

对 nexa-docs 全部 15 个文档进行了系统性验证，发现并修复了 8 个遗留问题，确保文档描述的功能与实际实现完全一致。

问题: secrets.py 的 get() 方法只返回环境变量，不返回解析后的 config 块内容；两种 secrets.nxs 格式不兼容；agent.py 使用硬编码的无效 API key。

修复: 重构 src/runtime/secrets.py，支持扁平格式 (KEY = "value") 和 config 块格式 (config default { ... })，新增 get_provider_config() 和 get_model_config() 方法。修改 agent.py 和 core.py 移除硬编码配置。

问题: 文档中描述的 secret("KEY") 函数在代码生成时未处理，导致运行时 NameError。

修复: 在 src/code_generator.py 中将 secret() 调用转换为 nexa_secrets.get()。

问题: std.shell 标准库命名空间不存在，文档中描述的 std.shell.execute 无法使用。

修复: 在 src/runtime/stdlib.py 中添加 shell_exec 和 shell_which 工具，注册到 STD_NAMESPACE_MAP。

问题: std.ask_human 标准库命名空间不存在，人在回路功能无法使用。

修复: 在 src/runtime/stdlib.py 中添加 ask_human 工具，注册到 STD_NAMESPACE_MAP。

问题: tools_registry.py 的 execute_tool() 只查找 LOCAL_TOOLS，不查找 stdlib 工具，导致标准库工具调用失败。

修复: 修改 execute_tool() 添加 stdlib 工具查找逻辑，优先查找 LOCAL_TOOLS，然后查找 stdlib。

问题: Agent 没有自动添加 JSON 格式要求到 system prompt；run() 返回字符串而不是支持属性访问的 Pydantic 对象。

修复: 在 agent.py 中为 protocol 自动添加 JSON 格式指令；run() 返回 Pydantic 模型实例而非字符串。

问题: binary_expr transformer 方法错误地将 PropertyAccess 作为 operator 处理；BinaryExpression 没有在 _resolve_expression 中处理。

修复: 修正 ast_transformer.py 的 binary_expr 方法；在 code_generator.py 中添加 BinaryExpression 处理。

问题: 文档中描述的多个标准库工具未实现。

修复: 新增 10+ 标准库工具，完整覆盖文档描述的所有命名空间：

详细验证报告见 docs/validation_report.md，完整修复记录见 docs/03_roadmap_and_vision.md。

对 nexa-docs 进行第二轮系统性验证，发现并修复了 9 个原语/属性未实现问题。

from src.runtime.reason import reason, reason_int, reason_bool

# 类型感知推理
count = reason_int("How many planets in the solar system?")
approved = reason_bool("Should I proceed with this action?")
data = reason_dict("Generate a user profile JSON")

from src.runtime.hitl import wait_for_human, ApprovalStatus

# 请求人工审批
status = wait_for_human("Please approve this plan", channel="Slack", timeout=300)

if status == ApprovalStatus.APPROVED:
    proceed()
elif status == ApprovalStatus.REJECTED:
    handle_rejection()
else:
    handle_timeout()

详细修复记录见 docs/03_roadmap_and_vision.md 阶段 8。

• Nexa v0.9 Syntax Reference
• Compiler Architecture
• Vision & Roadmap
• Memory Bank - 架构设计与版本历史
• Documentation Validation Report - 文档验证与修复报告