类型化领域锚定提升大模型生成DSL的可靠性

大语言模型能够熟练生成 Python、Kotlin、TypeScript 和 SQL，关键原因在于这些语言拥有规模庞大的训练语料。面对团队自定义的标记语言时，模型往往会套用相近语法，虚构关键字、参数或调用方式，而且输出仍然流畅笃定。为解决这一问题，类型化领域锚定（Typed Domain Grounding，TDG）主张不再设计完全陌生的外部语法，而是把领域逻辑建立在模型已经熟悉的宿主语言上。

模型的语法能力与训练数据频率密切相关：高频语言通常生成可靠，低资源语言则更容易出现“看起来正确”的错误结构。面对陌生DSL，模型会从 Mermaid、PlantUML 或相似API中进行插值，例如调用并不存在的 addRelation、withLabel，或向只接受两个参数的结构传入三个参数。传统绘图和配置工具的宽松容错还可能吞掉这些错误，最终生成一张排版完整却缺少关键关系的图。

检索增强生成解决的是事实是否准确的问题，却不能保证表达事实时使用了正确语法。TDG锚定的是模型的能力空间：让模型用熟悉的语言结构表达领域内容，再由编译器进行裁决。两者可以组合使用，即先通过RAG检索系统事实，再用类型化、可编译的DSL表达这些事实。

TDG主要包含五个构建块。首先是嵌入式DSL，借助宿主语言现成的高亮、补全、跳转、重命名、调试和代码评审能力；其次是依据训练数据覆盖度选择宿主语言，语料亲和度在设计取舍中应拥有重要权重。第三是让编译器充当判定预言机，通过命名参数、枚举、密封类型和受限接收者，把领域错误转化为类型或名称解析错误。第四是“生成—编译—修复”循环，将代码片段、诊断信息和位置反馈给模型，通常最多尝试三次；第五是按需教学通道，可通过工具或MCP服务器提供少量、经过验证且能直接编译的示例，避免无关文档淹没上下文。

kUML展示了这种方法的实践效果。它是一种嵌入Kotlin的建模语言，可绘制UML、SysML v2和C4图表。由于接收者Lambda、命名参数和变量引用本身就是模型熟悉的Kotlin结构，领域能力建立在已有语法之上。在实验中，kuml.examples工具将SysML v2图的一次编译通过率从25%提升至87.5%。即使模型虚构了aggregation等调用，Kotlin编译器和IDE也能给出精确位置的“无法解析引用”提示，而不是像宽松渲染器那样静默丢失内容。

因此，TDG的核心原则是避免让模型发明从未见过的语法，优先复用训练数据充足的主流语言，并把编译器作为最终校验者。它不同于只锚定事实的RAG，也不是为模型另造一套语法；其目标是让DSL的领域表达、工具链支持和错误反馈形成可验证的工程闭环。