Construyendo un Lenguaje de Programación con Claude Code: El Experimento Cutlet

Construyendo Cutlet con Código Generado por IA
Ankur Sethi creó un nuevo lenguaje de programación llamado Cutlet usando Claude Code durante cuatro semanas en enero y febrero. A diferencia de la programación asistida por LLM típica donde la IA ayuda con código repetitivo o cambios específicos, Sethi hizo que Claude generara cada línea de código sin leer ninguna él mismo. En cambio, se enfocó en construir barreras de seguridad y pruebas para garantizar la corrección.
El lenguaje resultante existe hoy, se compila y ejecuta tanto en macOS como en Linux, y puede ejecutar programas reales. Aunque puede haber errores, Sethi señala que probablemente no sean peores que los de cualquier otro lenguaje de programación de cuatro semanas de antigüedad.
Características del Lenguaje Cutlet
Cutlet es un lenguaje dinámico con estas características clave:
- Variables declaradas con la palabra clave
my:my cities = ["Tokyo", "Paris", "New York", "London", "Sydney"] - Los nombres de variables pueden incluir guiones (mismas reglas de sintaxis que Raku)
- Tipo numérico único: double
- Arrays y cadenas funcionan como se espera en lenguajes dinámicos
- Meta-operador
@para operaciones vectorizadas:temps-c @* 1.8multiplica cada elemento del array - Operador
@:para combinar arrays en mapas:cities @: temps-fcrea{Tokyo: 82.4, Paris: 71.6, ...} - Función
say()para salida, devuelvenothing(el null de Cutlet) - Indexación booleana de arrays para filtrado:
cities[temps-f @> 75]devuelve[Tokyo, New York] - Operador
++concatena cadenas y arrays str()incorporado convierte a cadenas- Prefijo
@para operaciones de reducción:@+ temps-csuma todas las temperaturas len()incorporado encuentra la longitud del array- Funciones declaradas con
fn:fn max(a, b) is ... if a > b then a else b ... end - Todo es una expresión, incluyendo funciones y condicionales
- Funciones personalizadas funcionan con el operador
@:@max temps-creduce con función max definida por el usuario
Características adicionales incluyen bucles, objetos, herencia prototípica, mixins, recolector de basura mark-and-sweep y un REPL amigable. E/S de archivos y manejo de errores aún no están implementados.
Enfoque de Desarrollo
Sethi construyó el intérprete desde el código fuente y usó /path/to/cutlet repl para entrar en un REPL. El código fuente está disponible en GitHub con instrucciones de compilación y programas de ejemplo. Ha estado usando programación asistida por LLM desde el lanzamiento de GitHub Copilot en 2021, pero anteriormente limitaba la IA a código repetitivo y cambios específicos.
Este experimento representa un cambio hacia hacer que la IA genere todo el código mientras el desarrollador se enfoca en la estructura de alto nivel, pruebas y barreras de seguridad. El enfoque demostró ser sorprendentemente efectivo para crear un lenguaje de programación funcional.
📖 Read the full source: HN AI Agents
👀 Ver también

La función Claw Voice agrega soporte para la API de 11Labs con integración con CarPlay
Claw Voice se integra con CarPlay y permite usar voces personalizadas mediante la API de 11Labs, posibilitando conversaciones naturales y fluidas con tu agente mientras conduces.

Calibre: Herramienta CLI local genera configuraciones de asistente de codificación IA desde tu repositorio.
Caliber es una herramienta CLI local que escanea repositorios en lenguajes como TypeScript, Python, Go y Rust, luego genera archivos de prompt y configuración para asistentes de codificación con IA como Claude Code, Cursor y Codex. Se ejecuta completamente en tu máquina con tus propias claves, tiene 13k instalaciones en npm y es de código abierto bajo la licencia MIT.

Arranqué la memoria markdown predeterminada de OpenClaw y construí una capa de API con Node.js/Postgres
Un desarrollador desactivó el plugin 'memory-core' de OpenClaw y construyó un backend tipado con Node.js/Express + PostgreSQL. La deriva de contexto se redujo a cero.

El Complemento OpenClaw Memos Aborda Problemas de Transferencia de Memoria en Agentes de Codificación con IA
Un usuario de Reddit comparte cómo la filtración del código de Claude destacó problemas con la transferencia de memoria en agentes de IA para programación, donde las transcripciones infladas causan problemas durante el cambio de modelos. Implementaron el complemento memos en OpenClaw con una estrategia de recuperación selectiva para comprimir el trabajo reciente y descartar las llamadas a herramientas obsoletas.