docs: synced via GitHub Actions

Author: nop-cao

src/compare/mps/editor-for-concept.png

@@ -0,0 +1,15 @@
+# 1. 关于差量化推理管线的问题
+
+![](../theory/nop/delta-pipeline.png)
+
+问题: **每一层为什么要设计其他层用的信息？是delta部分吗？**
+
+回答：每一层向下一层推导得到的信息只是备选的，每一层都有自己独特的诉求和抽象，这些信息并不要求都在上一层存在。通过这种方式，可以保证每一层既是独立的，有是相互关联的。独立性体现在最终控制权在本层，不会损失任何能力。可以从本层开始，完全忽略前一层推导的来的信息。每一层设计有其他层的信息这有两个原因：1. 本来各层之间就存在隐含的关系，比如数据层的类型是整数，最外层的界面层显示的时候应该是一个整数输入控件，这个信息应该可以跨层保持  2. 为了统一配置方便，一些UI层的信息虽然数据层用不上，也可以暂存在数据层。比如orm.xml中字段上可以配置`ui:show`来控制字段在增删改查哪些页面中显示。ui:show是一个扩展属性，并不是orm模型的一部分，但是作为扩展属性保存在ORM模型中，在推导过程中先是传播到XMeta模型中继续作为扩展属性，推导到XView层的时候才起作用。在Excel模型中就可以配置`ui:show`属性。
+
+问题：`ui:show`这种扩展属性的存放规则有相应的文档吗 或者是可定制的，所以使用者也得额外规定哪些属性可以存放在上层？
+
+回答：使用者可以自由定制，额外选择哪些属性可以放在上层，但是如何向下传播是自己在代码生成器里自行控制的。Nop平台的所有DSL的所有节点缺省都允许保存扩展属性。NopORM中的实体对象同样允许保存任意扩展属性。在Nop平台中永远采用`(data, metadata)`配对设计，确保在最细的粒度处，在信息的近旁总是可以找到一个地方保存Delta信息。
+
+问题: 这图是单向的，有没有可能是双向的。理论上，前端交互体验上的一些数据，比如微信发现页面的配置，或者输入对应的快捷键，也可能需要保存到数据库。
+
+回答：需要区分编译期和运行时。本质上从DataModel到UiModel，这是在编译期构造的信息推导管道。在运行时，推导之后建立的运行时的信息传输管道自然是双向的。从更大的视角去考虑，对比前端Redux框架的单项数据流（数据驱动），你可以将这个推理管线看作是编译期的一种单向模型驱动。UI层如果有新的需求，那么会导致从最基础的数据模型那里可能发生修改，再传播到UI模型。如果不涉及到存储数据，则也可以导致在更高层模型修改。

src/compare/mps/mps-concept.png

@@ -0,0 +1,4 @@
+# 从可逆计算看ECS架构
+
+[游戏开发中的 ECS 框架](https://zhuanlan.zhihu.com/p/20056728243)
+

src/compare/mps/textgen-aspect.png

@@ -40,15 +40,18 @@
 ### 二、**意图导向编程（Intent-Oriented Programming）**
 
 - **创新点**：
+  
   1. 显式分离**程序意图**（What）和**实现细节**（How）
   2. 内置自然语言注释层与机器可解析的意图标记（如`@optimize_for_latency`）
+
 - **案例**：
 
   ```plaintext
   #intent: 实现一个快速排序算法，优先内存效率
   #constraint: 输入规模可能达到10^6级别
   [AI生成或推荐的实现代码]
   ```
+
 - **解决问题**：让AI更精准理解需求，减少"代码正确但不符合意图"的错误
 
 ---
@@ -77,28 +80,34 @@
 ### 四、**概率化编程原语（Probabilistic Primitives）**
 
 - **创新点**：
+  
   - 原生支持概率分布类型（如`Gaussian(μ=0, σ=1)`）
   - 内置贝叶斯推理引擎
+
 - **应用场景**：
 
   ```python
   sensor_data ~ Normal(mean=ground_truth, sd=0.1)  # 自动生成概率模型
   ```
+
 - **解决问题**：简化机器学习模型的实现，使AI能直接操作概率语义
 
 ---
 
 ### 五、**自省与可解释性增强**
 
 - **创新点**：
+  
   1. 代码执行过程自动生成解释轨迹（Explanation Trace）
   2. 决策链的因果标记（`becauseof`关键字）
+
 - **示例**：
 
   ```python
   if x > threshold:  # @becauseof(input_statistics.summary())
       trigger_alert()
   ```
+
 - **解决问题**：解决AI生成代码的"黑箱"问题，增强调试和审计能力
 
 ---
@@ -115,15 +124,18 @@
 ### 七、**伦理约束内嵌（Ethical Constraints as First-Class Citizen）**
 
 - **创新点**：
+  
   - 类型系统扩展支持伦理属性（如`PersonalData @encrypted`）
   - 资源访问的合规性验证前置
+
 - **示例**：
 
   ```python
   def process(data: UserProfile @GDPR_Compliant) -> 
     @Fairness(metric=demographic_parity):
     # 代码逻辑
   ```
+
 - **解决问题**：在语言层面确保AI生成代码符合伦理规范
 
 ---
@@ -342,7 +354,7 @@
   - **草图识别**：绘制UI草图即时生成前端框架代码
   - **AR编程辅助**：通过Hololens等设备三维可视化数据流
 - **技术栈整合**：
-  
+
 ```mermaid
 graph LR
   A[语音输入] --> B(意图识别引擎)

src/compare/nop-vs-mps.md

@@ -7,120 +7,149 @@
 ## 三. 从函数到函子
 
 ## 一. 引言
+
 ### 1.1 函数式编程的兴起
+
 - 函数式编程的历史背景
 - 为什么函数式编程在现代开发中越来越重要
 - 实用主义视角下的函数式编程：从理论到实践
 
 ### 1.2 文章目标
+
 - 探讨函数式编程的核心思想
 - 从实用主义角度分析函数式编程的优势与挑战
 - 提供实际案例，帮助读者理解如何将函数式编程应用于现实问题
 
 ---
 
 ## 二. 函数式编程的核心思想
+
 ### 2.1 纯函数与不可变性
+
 - 纯函数的定义与特性
 - 不可变数据结构的优势
 - 纯函数在实践中的应用场景
 
 ### 2.2 高阶函数与函数组合
+
 - 高阶函数的概念与作用
 - 函数组合：将小函数组合成复杂逻辑
 - 实际案例：使用高阶函数简化代码
 
 ### 2.3 声明式编程
+
 - 声明式编程与命令式编程的对比
 - 如何通过声明式编程提高代码可读性
 - 实际案例：使用声明式风格处理数据
 
 ---
 
 ## 三. 函数式编程的核心工具
+
 ### 3.1 函子（Functor）
+
 - 函子的定义与基本操作（`fmap`）
 - 函子的实际应用：处理容器中的值
 - 实际案例：使用函子处理可选值（`Maybe`）
 
 ### 3.2 单子（Monad）
+
 - 单子的定义与核心操作（`return` 和 `bind`）
 - 单子的实际意义：处理副作用与计算顺序
 - 实际案例：使用单子处理异步操作（`Promise`）
 
 ### 3.3 应用函子（Applicative Functor）
+
 - 应用函子的定义与操作
 - 应用函子与函子、单子的关系
 - 实际案例：使用应用函子处理多个上下文中的函数
 
 ---
 
 ## 四. 函数式编程的实用价值
+
 ### 4.1 代码的可维护性
+
 - 纯函数与不可变性如何提高代码的可维护性
 - 实际案例：重构命令式代码为函数式风格
 
 ### 4.2 并行与并发编程
+
 - 函数式编程如何简化并行与并发编程
 - 实际案例：使用函数式编程处理多线程任务
 
 ### 4.3 测试与调试
+
 - 纯函数如何简化单元测试
 - 实际案例：为函数式代码编写测试
 
 ### 4.4 函数式编程的局限性
+
 - 函数式编程的学习曲线
 - 性能问题与优化策略
 - 何时选择函数式编程，何时选择其他范式
 
 ---
 
 ## 五. 函数式编程在现代开发中的应用
+
 ### 5.1 前端开发
+
 - 函数式编程在前端框架中的应用（如React、Redux）
 - 实际案例：使用函数式编程构建UI组件
 
 ### 5.2 后端开发
+
 - 函数式编程在服务器端开发中的应用（如Node.js、Scala）
 - 实际案例：使用函数式编程处理API请求
 
 ### 5.3 数据处理与机器学习
+
 - 函数式编程在数据处理中的应用（如MapReduce）
 - 实际案例：使用函数式编程处理大规模数据集
 
 ---
 
 ## 六. 函数式编程的未来
+
 ### 6.1 函数式编程与新兴技术
+
 - 函数式编程在区块链、物联网等领域的应用
 - 函数式编程与人工智能的结合
 
 ### 6.2 函数式编程的普及与教育
+
 - 如何降低函数式编程的学习门槛
 - 函数式编程在计算机教育中的角色
 
 ### 6.3 函数式编程的社区与生态
+
 - 函数式编程语言的发展趋势（如Haskell、Elm、Clojure）
 - 函数式编程工具与库的生态系统
 
 ---
 
 ## 七. 结论
+
 ### 7.1 函数式编程的核心价值
+
 - 从实用主义角度总结函数式编程的优势
 - 函数式编程如何改变开发者的思维方式
 
 ### 7.2 如何开始学习函数式编程
+
 - 推荐学习资源与路径
 - 实践建议：从小项目开始，逐步深入
 
 ### 7.3 函数式编程的未来展望
+
 - 函数式编程在软件开发中的长期影响
 - 开发者如何拥抱函数式编程的思想
 
 ---
 
 ## 参考文献
+
 - 相关书籍、论文与在线资源
 - 函数式编程语言与工具的官方文档