zerolang（zero）是 Vercel Labs 的实验性「agent-first 编程语言」：从第一天起就把 AI agent 当主要用户来设计——语言面小而规整、可即学即用，工具链把诊断、图事实、size 报告、修复计划都做成结构化输出供 agent 检查和自动修复，标准库够宽以致大多数程序不用先搜依赖。`.0` 后缀，C 实现编译器，zero check/run/build/graph 命令，明确 pre-1、刻意不稳定、不可用于生产。
来源：README 'zerolang is an experiment' + 'What zerolang Is Aiming For' + AGENTS.md 查看 GitHub 仓库 →几乎所有现有编程语言都是为人设计的，而 2025-2026 的现实是大量代码由 AI agent 写。zerolang 提出一个尖锐问题：如果从一开始就把 agent 当主要用户，语言、标准库、工具链该长什么样？它的几个设计取舍很有讨论度——语言面小而规整、一种明显写法（regularity over syntax）让 agent 能从例子和编译器反馈即学即用；工具输出全部结构化（zero graph --json 出图事实、zero size --json 出体积、zero doctor --json 出诊断、还有修复计划）让 agent 能 inspect 并自动 repair；标准库做宽以避免「程序一开头就得搜依赖」。背靠 Vercel Labs 品牌、配 zero skills 命令把语言知识喂给 agent，是「为 AI 重新设计编程语言」这个前沿命题上少见的认真实验。但它非常诚实地标注 pre-1、刻意不稳定、安全漏洞在预期内、只能在隔离环境跑。
来源：README + AGENTS.md 'Project Direction'刻意做小而规整的语言表面，让 agent 能从例子、文档和编译器反馈快速上手；设计哲学是 regularity over syntax——多数事情只有一种明显写法，哪怕比人在别的语言里会写得更显式。目标是 agent 不必记忆语法、靠结构化反馈现学现用。
来源：README 'Agent-first learnability' / 'Regularity over syntax'诊断、图事实、size 报告、解释、修复计划都做成结构化输出：zero graph --json 出依赖/结构图事实、zero size --json 出体积报告、zero doctor --json 出环境诊断，让 agent 能 inspect 并据此 act/repair，而不是解析人类向的文本输出。这是「为 agent 设计工具」与传统 CLI 的核心区别。
来源：README 'Deterministic tooling' / Common Commands把常用能力放进有文档、连贯的标准库 API，而非散落的依赖栈，目标是「大多数程序不用以一次依赖搜索开头」——直接降低 agent 写程序时的依赖决策与供应链负担。
来源：README 'Standard-library depth'native/zero-c 是 C 实现的编译器/运行时（22 个 .c + 10 个 .h），支持 zero build --emit exe --target linux-musl-x64 这类原生交叉编译产出可执行文件。`.0` 是源文件后缀（仓库 663 个 .0 文件，多为 conformance 与 examples）。
来源：native/zero-c 目录 + README Common Commands（zero build --target）zero skills get zero --full 把语言/库/工具的知识以 skill 形态导出给 agent，配合 skill-data/ 和 skills/ 目录，让 Claude Code 等 agent 加载后更会写 zerolang——把「教会 agent 用这门语言」做成一等命令。
来源：README Common Commands（zero skills get）+ skills/ 与 skill-data/ 目录conformance/（647 文件）是语言一致性测试套件；pnpm 脚本提供 conformance、native:test、command-contracts（命令契约测试）、type-core:test、mir-verifier:test（MIR 中间表示验证）、row-syntax:test 等多层验证，docs:test 校验文档示例可跑。turbo + pnpm monorepo 组织。
来源：tree（conformance/ 647）+ package.json scriptszerolang 是 pnpm + turbo 管理的 monorepo，分层清晰：native/zero-c 是 C 写的编译器/运行时核心（含 MIR 中间表示，有专门的 mir-verifier 验证）；上层 CLI 与工具链用 TypeScript（tsx/ts/mts，提供 zero check/run/build/graph/size/skills/doctor 等命令，全部支持 --json 结构化输出）；conformance/（647 文件）是语言一致性测试套件，examples/ 放 .0 示例，docs/ 是文档站，benchmarks/ + evals/ 做性能与 agent 效果评估，extensions/ 与 skills/+skill-data/ 承载 agent 技能导出，还有 row-syntax（.row 文件，疑似 row 类型/记录语法）。数据流围绕「agent 可消费」组织：源码 .0 → C 编译器做检查/编译 → 工具层把诊断、图事实、size、修复计划统一成 JSON → agent inspect 并 repair。设计判断：把「为 agent 设计」落到三个具体支点——小而规整的语言面、全 JSON 的确定性工具输出、宽标准库——并配庞大 conformance 套件守护一致性，是相当系统化的语言工程；同时 AGENTS.md 明确「不为兼容保留 legacy、优先更清晰的 agent-facing 设计」，意味着架构会持续重构、不承诺稳定，是这门语言现阶段的本质特征而非缺陷。
来源：tree + package.json scripts + AGENTS.md中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
native/zero-cMIR verifierconformance 套件（647 文件）— 语言一致性command-contractsrow-syntax（.row）— row 类型/记录语法pnpm@11 + turbo1. 研究「为 agent 设计语言」的人：想看 agent-first 语言面、全 JSON 工具输出、宽标准库这套理念怎么落地，跑 examples 看结构化输出并反馈；2. 让 agent 写 zerolang：用 zero skills get zero --full 把语言知识喂给 Claude Code 等 agent，观察 agent 借结构化诊断/修复计划自我纠错的效果；3. 语言/工具链实验者：基于 conformance 套件和 command-contracts 探索语言一致性、MIR 验证等工程做法；4. 想体验「确定性工具供 agent 消费」范式的开发者：对比 zero graph/size/doctor 的 --json 输出与传统 CLI 文本输出的差异。注意：均限隔离环境，不可用于生产/敏感数据。
来源：README + AGENTS.md（明确不可生产）v0.1.3（2026-05-19）。最近 4 个 release 全在创建后一周内：v0.1.0 (2026-05-16) → v0.1.1 (2026-05-16) → v0.1.2 (2026-05-17) → v0.1.3 (2026-05-19)。仓库 2026-05-15 创建，仍是诞生初期、0.1.x、刻意不稳定阶段。
来源：GitHub Releases API（4 个 tag）+ repo created_atzerolang 是「为 AI agent 从零设计编程语言」这个前沿命题上一个认真且系统化的实验：小而规整的语言面、全 JSON 的确定性工具输出、宽标准库，配 C 编译器 + MIR 验证 + 庞大 conformance 套件。务实判断：1) 这是一个值得关注的研究性实验，不是能用来写东西的语言——README 自己反复强调 pre-1、刻意不稳定、安全漏洞预期内、不可生产，只在隔离/可丢弃环境跑；2) 它最有启发的部分是「工具输出为 agent 设计」的范式（graph/size/doctor 全 --json + 修复计划），即使不写 zerolang 也值得借鉴这个思路；3) 想参与就跑 examples、看结构化输出、用 zero skills 喂给你的 agent 试试，然后给反馈——项目就是在征集「什么对 agent 更好」；4) 不要在它之上投入任何长期资产，语法 API 随时 breaking；5) 「agent-first 是否真带来实质收益」目前无法客观证明，把它当探索而非结论。
来源：综合分析