Major changes: - LLVM backend initial implementation (compiler.rs, llvm mode) - Semantics layer integration in interpreter (operators.rs) - Phase 12 plugin architecture revision (3-layer system) - Builtin box removal preparation - MIR instruction set documentation (26→Core-15 migration) - Cross-backend testing infrastructure - Await/nowait syntax support New features: - LLVM AOT compilation support (--backend llvm) - Semantics layer for interpreter→VM flow - Tri-backend smoke tests - Plugin-only registry mode Bug fixes: - Interpreter plugin box arithmetic operations - Branch test returns incorrect values Documentation: - Phase 12 README.md updated with new plugin architecture - Removed obsolete NYIR proposals - Added LLVM test programs documentation Co-Authored-By: Claude <noreply@anthropic.com>
3.3 KiB
3.3 KiB
VMのMIR解釈層としての役割が伝わらなかった事例(2025-09-01追記)
背景
NyashのVM実装は、元々「MIR解釈の参照実装」として設計されていた。しかし、この意図がAI開発パートナーに正しく伝わらず、結果として同じMIR解釈ロジックが複数回実装される事態となった。
何が起きたか
開発者の意図
VM = MIR解釈層(統一された意味論の実装)
↓
JIT/AOT/LLVMはVMの解釈ロジックを参照して実装
実際の実装
VM → 独自のMIR解釈実装
JIT → 独自のMIR解釈実装(微妙に異なる)
LLVM → また独自のMIR解釈実装
なぜ伝わらなかったか
1. 用語の誤解
- 「VM」という名前から「実行専用」と誤解された
- 「MIR解釈層」という抽象的な概念として伝えるべきだった
2. 固定観念
- AIパートナーが「各バックエンドは独立実装」という一般的なパターンを前提とした
- VMが参照実装になるという発想が新しすぎた
3. コンテキストの不足
- プロジェクト初期の設計意図が文書化されていなかった
- 口頭での説明に依存しすぎた
結果として生じた問題
1. 重複実装
- 同じロジックを3-4回実装
- 各実装で微妙に動作が異なる
2. デバッグの困難
- どの実装が「正しい」のか不明
- バグ修正を全実装に反映する必要
3. フォールバック機能の追加
- 実装の違いを吸収するためにフォールバック機能を追加
- さらなる複雑性の増大
学んだ教訓
1. 明確な設計文書の重要性
# VM設計方針
VMはMIR命令の意味論を定義する参照実装である。
他のバックエンド(JIT/AOT/LLVM)は、VMの実装を
仕様書として参照し、同じ動作を保証する。
2. 新しい概念の説明方法
- 既存の概念との違いを明確に
- 具体例を用いた説明
- 図解の活用
3. 定期的な認識合わせ
- 実装前のレビュー
- 設計意図の再確認
- AIパートナーからのフィードバック
改善策:Semanticsトレイトの導入
最終的に、ChatGPT5との議論を経て、Semanticsトレイトという形で設計意図を明確化:
// MIR解釈の統一インターフェース
trait Semantics {
type Val;
fn interpret_instruction(&mut self, inst: &MirInstruction) -> Self::Val;
}
これにより、各バックエンドが同じ意味論に従うことが保証される。
後日談:LLVMからCraneliftへの戦略的転換(2025-09-01)
転換の経緯
- LLVM統合の試み → 巨大、ビルド困難、環境依存地獄
- 問題認識 → 「ユーザーにこの苦労をさせられない」
- 既存資産の再評価 → Phase 10.7のCranelift実装に立ち返る
# LLVM: 100MB+、環境構築1日、ビルド数時間
# Cranelift: 5-10MB、cargo add一発、ビルド数分
# → 明らかにCraneliftが実用的!
AI協調開発の真の教訓
- 新しいものに飛びつく前に既存資産を評価
- 「大きい・複雑」なものに遭遇したら立ち止まる
- 方向転換は敗北ではなく賢明な判断