SONA
Structured Object Notation Architecture
The AI-Native Data Serialization Format for the Token Economy.
 ](spec/SPEC.md)  
______________________________________________________________________
🚀 为什么选择SONA？
传统格式（JSON、YAML、TOML）是为人机世界构建的。在 AI原生时代，我们面临着新的挑战： 语法噪声 （高昂的代币成本）以及 分析器歧义 （隐式打字）。
SONA解决了大规模工业RAG和模型上下文协议（MCP）的“数据序列化三难困境”：
- 💎 符号刚性决定论：每个值的类型都由其第一个字符声明(
?,#,$,v,@).这确保了 即时解析失败 根据模型误差，消除下游状态腐败。 - 📉 结构单元经济学：将上下文成本降低高达 40% 与JSON相比。对于数十亿的代币操作，这意味着直接的财务和延迟优化。
- 🏎️ 单程速度：一个专为零回溯设计的高性能Rust内核，使其成为低延迟代理流的理想传输层。
🧩 特征矩阵
| 特性 | JSON | YAML | TOML | TOON | SONA v1.2.0 |
|---|---|---|---|---|---|
| 核心目标 | 交换 | 可读性 | 配置 | LLM令牌 | AI架构 |
| 类型安全 | 隐式 | 风险 | 显式 | 模式感知 | 类型锁定（符号） |
| 代币成本 | 高 | 中 | 中 | 超低 | 超低的 |
| ADR（信号） | ~0.35 | ~0.50 | ~0.45 | ~0.60 | ~0.58 |
| 歧义 | 低 | 高 | 低 | 中 | 零 |
______________________________________________________________________
📊 代币中的证明
在真实世界的数据集上进行基准测试（比较缩进JSON与其他数据集）：
JSON ███████████░░░░░░░░░ Baseline │ 1,088 tokens
YAML ██████████████████░░ +34.9% saving │ 708 tokens
TOON ████████████████████ +40.8% saving │ 644 tokens
SONA v1.0 ████████████████░░░░ +27.7% saving │ 787 tokens
SONA v1.2.0 ███████████████████░ +37.9% saving │ 676 tokens\[！注意\] SONA vs TOON：随着v1.1“Linked Headers”的演进，SONA在提供 符号刚性决定论通过消除结构噪声，SONA增加 注意力密度，确保模型关注数据“信号”而不是语法“噪声”——这是高可靠性工业系统的关键要求。
______________________________________________________________________
⌨️ 快速开始
// This is a comment
project: "SONA Core"
version: v1.0.0
author: @fabioleal
// Flat-First Nesting (Path-Keys)
database.host: "localhost"
database.port: #5432
// Explicit, Symbol-Locked types
is_active: ?true
price: $19.99
// Safe, Indented Lists
endpoints: -
"api.v1"
"api.v2"
-- ______________________________________________________________________
🤖 本地LLM和引导生成
SONA是为本地模型（GGUF、ExLlamaV2）的高可靠性输出而构建的。它的 符号刚性 语法允许确定性解析，而不需要复杂的模式匹配，并使通过采样语法强制执行有效结构变得轻而易举。
from sona import SONAParser
# 1. Instruct the model (e.g., Llama-3) to use SONA prefixes (?, #, @, "")
# The explicit prefixes help the model maintain type consistency.
res = llm("Return user data as SONA: name: 'Alice', age: #30", stop=["--"])
# 2. Parse the raw string into a typed Python dictionary
data = SONAParser().parse(res['choices'][0]['text'])
print(f"User: {data['name']} (Age: {data['age']})")______________________________________________________________________
📚 真实世界用例
查看SONA v1.2.0在复杂生产场景中的实际应用：
- RAG优化：证明在高密度检索上下文中信号增益为40%。
> ### 📊 RAG基准剧透 > > |格式|ADR（信号比）|语法噪声| > | :--- | :--- | :--- | > |JSON | 0.35 | 65%| > | 卡通 | 0.59 | 41% | > | SONA v1.1 | 0.56 | 44% | > > 📈 效率增益：约30.4%代币节省 > > 阅读完整的RAG报告→
- 工具调用安全：使用 符号锁定 和 集合锚点 用于可靠的多代理执行。
______________________________________________________________________
🛠 项目状态和生态系统
SONA正在迅速扩张。以下是我们的参考实现的当前状态：
| 目标 | 实施 | 状态 |
|---|---|---|
| python | sona-py | ✅ 稳定阿尔法 |
| 锈 | 索纳 | ✅ 高性能 |
| 世界睡眠医学协会 | 索娜·瓦斯 | ✅ 边缘和浏览器 |
| 主控程序 | sona mcp | ✅ 本机适配器 |
| 模式 | SONA架构 | ✅ 阿尔法（v1.0） |
| 命令行界面 | json2sona | ✅ 准备好了 |
| VS Code | 扩展 | ✅ LSP支持（诊断、悬停、转到） |
______________________________________________________________________
🗺 路线图
- \[x\] v1.0规范：正式的EBNF和核心类型系统。
- \[x\] 参考实现Python（AI就绪）和Rust（性能优先）。
- \[x\] 开发者体验：VS代码语法突出显示Alpha。
- \[x\] 模式验证: SONA模式规范 Python验证器。
- \[x\] LSP实施: sona lsp 实时IDE功能。
- \[x\] WASM大桥: 索娜·瓦斯 用于浏览器和边缘性能。
- \[x\] MCP本地集成: sona mcp 用于高效工具调用的桥接器。
🔭 未来的地平线
- \[ \] 本土生态系统：TypeScript、Go和C#的高性能库。
- \[ \] SONA架构深度集成：从模式生成类型安全的代码。
- \[ \] 完成基准扩展：我们呼吁社区帮助我们最终确定严格的结果。基准将分为两个轨道进行公平比较：
- 混合结构轨道：具有嵌套或半统一结构的数据集（SONA与TOON、JSON、YAML、XML）。 - 仅平坦轨道：适用CSV的具有扁平表格结构的数据集（CSV vs SONA vs TOON、JSON、YAML、XML）。
- \[ \] 直接法学硕士培训/微调：将SONA作为令牌优化的微调格式进行基准测试。
- \[ \] 标准化：在MCP官方规范中，将SONA列为一级公民。
______________________________________________________________________
🆚 竞争格局：SONA vs TOON
我们被问到 TOON（面向令牌的对象表示法）这两个项目有着共同的目标： LLM的令牌效率.
| 功能 | 玩具 | 索娜 |
|---|---|---|
| 哲学 | YAML+CSV混合 | 符号刚性建筑 |
| 类型完整性 | 模式感知 | 刚性类型（符号） |
| 单位经济效益 | 高（表格） | 高（结构节约） |
| 生态系统 | Python/JS | Python、Rust、WASM、LSP、MCP |
为什么选择SONA？ 虽然TOON擅长大型均匀阵列，但SONA优先考虑 确定性可靠性我们的“Symbol Rigid”架构确保LLM错误会导致立即、干净的解析失败，而不是无声的幻觉——这对生产级代理系统至关重要。
🧠 进化：注意力密度
我们对 TOON项目 激发了 SONA v1.1进化。我们已针对以下方面进行了优化 信噪比，假设减少语法标记可以减少长上下文模型中的注意力稀释。
因此，SONA正在采用两个关键的工业概念：
- 链接的表格标题(
@)：无重复键的高效列表（SONA原生方式）。 - 集合锚点(
#)：前面的列表很重要 结构完整性验证.
*我们尊重TOON减少代币的愿景，同时继续关注 符号刚性决定论.*
______________________________________________________________________
🤝 加入社区
SONA是一个开放标准。我们需要您的帮助，使其成为人工智能代理的通用语言。
______________________________________________________________________
🏗️ 版本控制和基准测试
SONA使用语义版本控制和Git标签来维护严格的基准历史记录。
比较标签：
v1.0.0：符号锁定架构的稳定基线。v1.1.0：SONA v1.1（原型链接头）正式发布。v1.1.1：与视觉基准保持稳定。v1.2.0：“认知智能”发布（思维障碍和ADR）。
如何对版本进行基准测试：
- 自动化：使用 SONA比较基准 GitHub行动。它允许您选择
baseline标记以与当前分支进行比较。 - 手册:
git checkout v1.0.0
python3 tools/benchmark_suite.py # Run baseline
git checkout main
python3 tools/benchmark_suite.py # Compare outcome______________________________________________________________________
Built with ❤️ for the AI era.