七種程式設計原初語言

背景

這篇文章探討了程式語言背後的「原語言」（ur-languages）概念，主張開發者不應糾結於學習特定的流行語言，而應掌握支撐這些語言的七大基本範式。作者認為，一旦理解了如 ALGOL、Lisp 或 ML 等核心體系，學習同體系的語言將變得輕而易舉，因為它們共享相似的思維模式與表達邏輯。

社群觀點

Hacker News 的討論圍繞著這份清單的完整性與分類的準確性展開。部分讀者對作者將 COBOL 與 Fortran 歸類為 ALGOL 家族表示質疑，認為這種歷史回溯過於簡略，甚至有過度簡化的嫌疑。有評論指出，現代的 Fortran 更像是透過「水平基因轉移」吸收了 ALGOL 的特性，而非單純的血脈繼承。此外，關於 Caml 是否代表「Cambridge ML」的細節爭議，也引發了對文章事實準確性的抨擊，提醒讀者在吸收這類宏觀分類時需保持批判性思考。

在範式的擴充上，社群提出了許多值得關注的遺漏。有觀點認為應加入以 Lean 為代表、強調邏輯證明與 Curry-Howard 同構的語言類別，這類語言的核心目的在於驗證而非單純執行。另有討論指出，Verilog、Petri 網、約束求解器以及機率編程等非馮·紐曼架構的計算方式，也應被視為獨立的語義家族。這些補充顯示出資深開發者認為「七大原語言」尚不足以涵蓋當前計算科學的所有維度。

針對學習價值，討論中出現了兩極化的看法。有留言悲觀地認為，在大型語言模型（LLM）時代，花費大量時間鑽研多種語言範式的做法正迅速變得多餘。然而，這種觀點遭到多數資深工程師的反駁。支持者認為，這些原語言是「思考的工具」，即便 AI 可以代勞編碼，理解底層引擎運作的人才能在更高的層次上進行系統設計與創新。正如學習引擎構造並非為了開計程車，而是為了建造更好的自動駕駛車輛，掌握不同範式能賦予開發者解決複雜問題的直覺。

延伸閱讀

在 Lisp 的學習路徑上，社群推薦了《Common Lisp: A Gentle Introduction to Symbolic Computation》作為入門，並建議後續研讀經典的《PAIP》（Paradigms of AI Programming）。針對 Scheme 分支，則推薦了《Simply Scheme》與《Concrete Abstractions》作為銜接《SICP》之前的墊腳石。在工具方面，討論中提到了 SBCL、Sly、以及能顯著提升開發效率的 Ultralisp 資源。對於想實踐 ML 範式的讀者，MLite 被提及為一個輕量級的選擇。此外，Bruce Tate 的著作《七週七語言》也被視為實踐這類跨範式學習的優質參考書。