#傳統楹聯遇上AI智能體：我的Cangjie Magic開發紀實

引言：一場跨越千年的數字對話

"云對雨，雪對風，晚照對晴空"。昨天晚上星空璀璨，當我用倉頡語言寫下第一個智能對聯網頁小程序的Agent DSL代碼時，從未想過這門古老的文字藝術會以如此奇妙的方式在數字世界重生。基于Cangjie Magic開發的"聯韻"小程序，不僅實現了傳統楹聯的智能創作，更通過MCP協議讓用戶能與歷史文人"隔空對詩"。本文將完整記錄這段融合傳統文化與前沿AI技術的開發之旅。

一、緣起：為什么選擇Cangjie Magic

1.1 邂逅倉頡語言

初次接觸Cangjie Magic是在2025年3月的開源社區公告中。其三大特性深深吸引了我：

• Agent DSL：用類古詩的語法結構定義智能體行為

• MCP協議：實現智能體間的詩意對話

• 智能規劃：自動優化對聯平仄結構

1.2 傳統楹聯的數字化困境

傳統對聯開發面臨：

• 平仄規則復雜（135不論，246分明）

• 詞性對應嚴格（名詞對名詞，動詞對動詞）

• 意境協調困難（上聯寫景，下聯抒情）

而Cangjie Magic的@constraint注解完美解決了這些難題。

二、開發實錄：核心技術實現

先訪問項目首頁 - CangjieMagic-MCPServer - GitCode，Star之，然后在這個頁面學習大牛們是如何設計程序語言的，最后在右側測試輸出功能。體驗了一把在線編程的樂趣。

然后將項目克隆到本地，跟隨頁面教程新建工程完成項目部署即可。

2.1 技術路線全景

本項目基于Cangjie Magic平臺構建智能對聯網頁小程序，考慮需要采用如下Agent實現技術路線：

• 輸入處理Agent：負責分詞和意境分析
• 規則校驗Agent：專責平仄和詞性檢查
• 風格修飾Agent：調整輸出符合指定時代特征

倉頡Agent DSL實現

@agent[type: "couplet"]
class CoupletAgent {@knowledge[name: "詩詞庫"]resource poetryDB = load("tang_song.cjdb")@constraint[name: "平仄檢測"]rule toneCheck(text: String) {// 實現平仄檢測算法}
}

2.2 MCP協議的詩意交互

通過協議封裝傳統"對對聯"流程：?實時交互流程包括如下內容：首先用戶輸入上聯，由系統分解詞素并分析平仄，再按照不同風格設計生成多個候選下聯，最后我們通過MCP協議返回JSON結果包。

2.3 創新功能實現

2.3.1 歷史文人模式

@agent[model: "李白人格"]
agent LiBai {@style[name: "盛唐氣象"]func respond(input: String) -> String {this.llm.setTemperature(0.7)  // 增加創作隨機性return this.llm.generate(prompt: "以李白口吻對下聯：${input}")}
}

2.3.2 多人對聯接龍

利用MCP的pub/sub功能實現實時互動：

MCP.subscribe(channel: "couplet_chain",callback: func(msg) {this.display(msg.author, msg.content)this.generateResponse()}
)

?實現開發界面如下：

三、技術核心解析

在項目初期，重點攻克了三個核心技術難題：平仄識別、詞性匹配和意境分析。以下是具體的技術實現細節：

3.1 平仄識別模塊

我們基于倉頡語言實現了多層次的平仄分析系統：

// 基礎平仄標注器
@processor[name: "tone_marker"]
func markTones(text: String) -> [Tone] {let chars = text.split("")return chars.map { c ->// 核心平仄判斷邏輯if c in level_tones then LEVELelse if c in oblique_tones then OBLIQUEelse UNKNOWN}
}// 多音字處理
@resolver[name: "polyphone"]
func resolvePolyphone(char: Char, context: String) -> Tone {// 使用上下文消歧case char:"長" -> context.contains("相思") ? LEVEL : OBLIQUE"行" -> context.contains("行走") ? OBLIQUE : LEVEL// ...其他多音字規則
}

3.2 詞性匹配系統

詞性匹配采用了雙重校驗機制：

// 基礎詞性標注
@tagger[name: "pos_tagger"]
func tagPOS(text: String) -> [POS] {// 使用預訓練模型進行初始標注let initialTags = nn.pos_tag(text)// 對聯特化修正return initialTags.map { tag ->// 處理對聯中的特殊用法case tag:"綠" -> isVerbUsage(text) ? VERB : ADJ"衣" -> isNounUsage(text) ? NOUN : VERB// ...其他特殊規則}
}// 對仗校驗器
@validator[name: "couplet_match"]
func validateMatch(up: [POS], down: [POS]) -> Bool {// 嚴格的位置對應return up.length == down.length && up.zip(down).all { (u, d) -> u.category == d.category }
}

3.3 意境分析引擎

意境分析采用向量空間模型：

// 意境向量生成
@embedding[name: "poetic_embedding"]
func generateEmbedding(text: String) -> Vector {// 獲取基礎語義向量let base = bert.encode(text)// 意境特化增強return enhanceWithPoeticFeatures(base, text)
}// 意境相似度計算
@similarity[name: "poetic_sim"]
func calculateSimilarity(v1: Vector, v2: Vector) -> Float {// 加權余弦相似度let weights = load("poetic_weights.cj")return weightedCosine(v1, v2, weights)
}

3.4 系統集成架構

最終的系統采用分層架構：

// 主處理流程
@pipeline[name: "couplet_gen"]
func generateCouplet(up: String) -> [String] {// 1. 預處理let cleaned = preprocess(up)// 2. 分析上聯let tones = markTones(cleaned)let posTags = tagPOS(cleaned)let embedding = generateEmbedding(cleaned)// 3. 生成候選let candidates = llm.generateCandidates(up)// 4. 篩選和排序return candidates.filter { c -> validateMatch(posTags, tagPOS(c)) }.sortBy { c -> poeticScore(embedding, c) }.take(3)
}

3.5 動態風格切換

通過注解實現不同朝代風格：

@style[name: "宋代婉約"]
songStyle: Style = {vocabulary: ["闌干","羅衣","殘照"],sentencePattern: "4+3"
}@style[name: "漢代古風"]
hanStyle: Style = {vocabulary: ["蒼穹","日月","蒼梧"],sentencePattern: "3+3"
}

四、用戶奇妙體驗案例

實現圖形界面對話體驗如下：

五、編程感悟

5.1 傳統與科技的融合之美

在開發過程中，最令我驚嘆的是古典詩詞格律與現代計算模型的完美契合。當我們將"一三五不論，二四六分明"的傳統詩律轉化為DSL約束條件時，發現這些歷經千年的規則竟然天然適合形式化表達。平仄的二元性可以直接映射為布爾邏輯，而"不論"與"分明"的區分則完美對應著約束條件的嚴格程度。通過構建詩詞向量空間模型，反而讓我們更清晰地看到了古人創作中的精妙構思。

5.2 倉頡語言的設計哲學

倉頡語言以其獨特的類古詩語法結構，在文化類應用開發中展現出驚人的適配性。在定義對聯生成規則時，我們發現用倉頡語言寫出的約束代碼本身就具有詩般的韻律感，這種語言設計不僅解決了技術問題，更重要的是創造了一種文化友好的編程環境，讓開發者在編寫代碼時自然而然地進入傳統文化的思維場域，這是其他編程語言難以企及的人文溫度。

5.3?AI時代的文化傳承

在這個算法重構一切的時代，我們始終堅持"技術是載體而非主體"的開發理念。系統最復雜的平仄檢測模塊，其核心算法其實源自清代學者總結的《聲律啟蒙》；而意境匹配模型訓練時使用的負樣本，全部來自古代詩話中記載的"不佳對仗"案例。這種對傳統的尊重帶來了意想不到的效果——當用戶看到系統拒絕"春風得意馬蹄疾，臘梅吐蕊燕子飛"這樣的組合時（因為"燕子飛"破壞了上聯建立的仕途意象），反而更深刻地理解了什么是"隔景對"。最好的技術賦能不是將傳統數字化，而是用數字技術搭建一座讓現代人能夠走進傳統的橋梁，在嚴格的對仗規則中，人們反而更能體會到漢語獨有的創造之美。

六、未來演進方向

跨文化對聯系統：中英雙語對聯生成

AR對聯展示：通過MCP協議連接智能墨水瓶

情感對聯引擎：根據用戶心情調整創作風格

七、結語：傳統與科技的共生

通過本項目，我們驗證了Cangjie Magic在傳統文化數字化領域的獨特價值，其Agent DSL和MCP協議為智能體開發提供了全新的范式。期待這一技術能夠在更多文化傳承場景中發揮作用。

在這個AI重構一切的時代，Cangjie Magic為我們提供了一把打開傳統文化寶庫的金鑰匙。當我在深夜收到用戶發來的"代碼如詩"評價時，突然明白：技術最有溫度的演進，永遠是那些能讓千年文脈繼續跳動的創新。