2023年，Luca Romagnoli在开发MAGDA——一款多智能体AI原生数字音频工作站时，遇到了一个反直觉的困境：模型明明理解要做什么，输出却像让厨师用Excel写菜谱。
他的团队最初用JSON编排工作流。指令、参数、嵌套条件，全部塞进键值对。3万行代码跑下来，Romeroli在博客里写了一句让同行失眠的话：「JSON开始感觉像是错误的抽象层。」
JSON的暴政：当结构化输出遇上过程逻辑
JSON的优势没人否认。机器可读、模式校验成熟、前后端通吃。问题是，它天生为「状态描述」设计，而非「动作序列」。
想象一个音乐生成场景：模型需要调用鼓机、合成器、效果器，按特定顺序叠加音轨，还要处理条件分支——「如果BPM超过120，切换鼓组」。用JSON表达，你得写嵌套的`if`对象、动作数组、引用ID，人类读不懂，模型也容易在深度嵌套里迷失。
Romagnoli的团队统计过，复杂工作流的JSON输出，模型幻觉率（生成无效结构）显著高于简单场景。不是模型变笨了，是表达媒介在拖后腿。
「我们不是在描述数据，是在编写程序。」这是他的核心洞察。JSON擅长说「这是什么」，但工作流需要说「先做这个，再做那个，如果X则Y」。
DSL的回归：小语法，大约束
解决方案是倒退回更古老的思路：领域专用语言（DSL，Domain-Specific Language）。不是通用编程语言，而是为特定任务设计的微型语法——比如音频工作流专用的指令集。
Romagnoli设计的DSL长这样：一行一个动作，顺序即执行流，条件用缩进或简单标记表达。没有括号地狱，没有引号转义，模型生成时受语法约束，输出即合法代码。
关键设计是「语法约束生成」。不是先让模型自由发挥再校验，而是在解码阶段就用上下文无关文法（CFG，Context-Free Grammar）限制token选择。模型每一步只能选语法允许的token，从根本上消灭幻觉。
这有点像给模型戴镣铐跳舞——但镣铐是定制的，舞步反而更自由。Romagnoli的实测数据：同样复杂度的任务，DSL的首次通过率比JSON高40%以上，解析失败导致的重试次数下降过半。
什么时候该换DSL？三条红线
不是所有人都需要扔掉JSON。Romagnoli划了三条分界线：
第一，动作序列长度。如果工作流超过5-6个步骤，JSON的嵌套深度会让模型和人类同时崩溃。DSL的线性结构更耐操。
第二，条件分支密度。一旦`if/else`或循环成为常态，JSON的表达能力就像用螺丝刀撬核桃。DSL可以直接嵌入控制流关键字。
第三，领域稳定性。如果任务边界清晰、变化缓慢（音频制作、数据分析、DevOps流水线），投入设计DSL值得；如果需求每周大变，维护语法规则的成本会反噬收益。
MAGDA属于典型的第三条：DAW的工作流模式几十年没变，只是执行者从人类变成了AI。
被忽视的代价：DSL不是银弹
Romagnoli没回避坑。DSL需要额外的基础设施：语法定义、解析器、错误恢复机制、调试工具。团队初期低估了「语法设计」本身的艺术性——太松则约束不足，太紧则模型创造力被掐死。
另一个隐形成本是生态隔离。JSON是通用货币，DSL是内部粮票。与外部系统对接时，往往需要双向转换层，这坨代码没人爱写。
他特别提到一个反模式：把DSL设计得太像自然语言。团队早期尝试过「伪英语」语法，以为对模型更友好，结果生成稳定性反而下降——自然语言的模糊性会渗透到执行层。
最终定稿的DSL刻意保持了「代码感」：动词开头，参数紧跟，拒绝任何可能被误解的弹性表达。
行业镜像：从ReAct到结构化革命的下一站
Romagnoli的实践踩中了一个更宏大的趋势。2022年ReAct论文（推理+行动）流行时，业界沉迷「让模型像人一样思考」，用自然语言拆解步骤。两年过去，共识在漂移：思考过程可以自由，但行动表达必须受控。
OpenAI的函数调用、Anthropic的Claude工具使用、Google的Gemini结构化输出，本质上都在收紧「行动层」的语法。Romagnoli的DSL是这条路的极端版本——不是预定义函数列表，而是预定义一门微型语言。
一个值得玩味的细节：MAGDA的DSL解析器最终用Rust重写，核心逻辑不到2000行。Romagnoli在文末晒了这个数字，语气带着产品经理特有的那种克制得意。
如果你正在用JSON硬撑一个越来越像程序的工作流，他的问题悬在那里：你确定困住模型的是能力，还是你选的表达方式？
热门跟贴