Show HN：Margarita——使用類Markdown語法的智能體編程語言

Margarita 是一種新興的編程語言，旨在讓構建 LLM 智能體變得像編寫 Markdown 一樣簡單。它引入了一個確定性的腳本擴展層，使智能體行為可預測，無需再為讓模型遵循工作流步驟而反覆調整提示詞。

核心語法以 Markdown 為基礎，添加了 @state、@effect、[[ include ]] 等指令。開發者可以聲明變量、定義運行步驟、調用本地函數，甚至可以包含其他 .mg 文件實現模塊化。例如，一個簡單的智能體可以讀取用户輸入，將其注入提示詞上下文，然後執行多次運行以逐步完成任務。

Margarita 強調“在需要的地方使用確定性”。其語法是 Markdown 的極簡擴展，每次運行結果一致，避免了 LLM 偶爾跳過步驟的問題。同時，它賦予開發者對上下文的完全控制，可以清理不需要的數據、精確添加所需工具，甚至本地運行 Python 函數而非消耗 Token 進行工具調用，從而保持上下文精簡、成本低廉。

此外，Margarita 支持類似 React 的組件組合方式。通過 [[ snippets/role.mg is_admin=True permission="view" ]] 這樣的語法，開發者可以傳遞參數、條件渲染、循環輸出片段，實現了 Markdown 長期缺失的編程能力。

官方展示了多個用例：自動彙總蘋果郵件收件箱、構建自定義的 Ralph 循環智能體、以及創建 LLM 驅動的遊戲。每個例子都體現了 Margarita 在保持確定性的同時，靈活利用 LLM 的動態能力。例如，在郵件彙總用例中，用户可以用幾行代碼加載收件箱、注入提示詞，然後獲取分類摘要和行動項。在自定義循環中，智能體可以分解輸入為任務並逐步執行。在遊戲中，循環收集用户動作並反饋給模型，實現交互式體驗。

Margarita 的語法還包括對狀態管理、文件讀寫、記憶持久化的支持。@memory var 可加載持久化存儲的變量，@effect func 可調用本地 Python 函數，而條件判斷和循環則讓工作流更健壯。所有文件均以 .mg 或 .mgx 結尾，通過 margarita run 命令執行。

目前 Margarita 已開源，提供命令行工具和豐富的示例文件。對於追求可重複腳本、又希望融合 LLM 動態特性的開發者而言，Margarita 提供了一種兼顧控制與靈活性的新選擇。