88 个动词，两套语法，低语义损耗。复制粘贴到任何 AI，30 秒上手。一套结构化协议，让人与 AI 之间精准沟通，跨平台通用。
ChatGPT
Claude
Gemini
DeepSeek
Kimi
豆包
元宝
CursorNEW
CodexNEW
CopilotNEW
I-Lang 用 AI 训练数据中已有的符号 —— 方括号、管道符、箭头、键值对 —— 实现人与 AI 之间低损耗的沟通。它不是编程语言，没有编译器，解析器就是 LLM 本身。
过去三年，每一代 AI 都聪明了一截，但人类输入指令的方式，还停在 2022 年的"自然语言加魔法咒语"。同一句话给同一个模型，也可能得到 5 种不同结果。
I-Lang 要解决的不是"省字数"，而是结果的可预期性。当你写下 [SHRT:@SRC|len=500]，每一个 AI 都会按相同方式解析，每次都输出相同结构。
它像 HTTP 之于网页，TCP 之于数据 —— 一层薄薄的、共识性的契约。
// I-Lang v3.0 Final — 协议头 [PROTOCOL:I-Lang|v=3.0] // 一条指令 [SHRT:@LOCAL|path="长文档.md",len=500,ton=pro,fmt=md] =>[OUT]
每一项都对应 AI 协作中一个真实的、长期未被解决的问题。
88 个动词覆盖所有 AI 任务 —— 读、写、改、查、推、判、教、记、忘 —— 每条指令更少的解释空间。
多步骤任务一行搞定。[READ]→[FILT]→[FMT]→[OUT] 让 AI 按顺序精确执行。
让 AI 记住你的工作习惯、偏好、教训，跨会话持续生效。一次烙印，永远生效。
一套协议，主流 AI 平台可用。不绑任何厂商，不依赖任何 SDK，复制粘贴即可。
差别不在字数，在结果的可预期性。同一个任务，左边每次产出都不一样；右边每次都一致。
"帮我把这段总结一下，简短一点，正式一点。"
→ AI 可能给 200 字，也可能给 800 字；可能很正式，也可能口语化。每次结果不可控。
[SHRT|len=500,ton=pro,fmt=md]
→ 输出严格 ≤500 字，正式语调，markdown 格式。每次都一致。
"先读这个 csv... 然后筛选 score > 80... 再转成 json... 最后存到 result.json..."
→ 每一步都要确认、纠错、追问。任何一步出错就要从头来。
[READ:@LOCAL|path=data.csv] =>[FILT|whr=score>80] =>[FMT|fmt=json] =>[WRIT:@LOCAL|path=result.json]
→ 一行指令，AI 一次性按顺序完成全部步骤。
解析器就是 LLM 本身。复制、粘贴、对话 —— 你只需要这三个动作。
在对话开头放一行协议头，告诉 AI 用 I-Lang 模式解析。
[PROTOCOL:I-Lang|v=3.0]
用 [VERB] 包动词，|mod=value 写修饰符。
[DRFT|fmt=email,lng=en] @DST=客户
用 → 连接多个动词块，AI 顺序执行。
[READ] → [EVAL] → [OUT]
每个动词都对应一类 AI 任务。点击展开查看完整词汇。
在追求极简的场景下，可以用希腊字母替代常用动词 —— 两种写法，同一语义。
| Greek | Verb | 含义 |
|---|---|---|
| Σ sigma | MERGE | 合并多项 |
| Δ delta | DIFF | 差异比较 |
| φ phi | FILT | 过滤筛选 |
| ∇ nabla | SORT | 排序 |
| λ lambda | MAP | 映射变换 |
| ∂ partial | SPLIT | 拆分 |
| μ mu | STAT | 统计分析 |
| ψ psi | SENT | 情感分析 |
| ξ xi | HASH | 哈希摘要 |
| ζ zeta | CMPR | 压缩 |
| θ theta | XLAT | 翻译 |
| Ω omega | OUT | 最终输出 |
| Π pi | BATC | 批量执行 |
协议是骨架，产品是肌肉。从行为烙印到永久记忆，覆盖个人 AI 协作的全链路。
npm install @i-language/spec