GEUL(General Encoding Unified Language)是一种供人与 AI 无歧义地相互交换信息的人工语言,也是一种二进制格式。
这些文档定义 GEUL v1 语法。当前版本是公布前的草案,可能会有变动。规范以 CC0 1.0 公开。
一览
- 所有数据都是 16 位 WORD 的序列,以大端序书写。
- 数据的单位是记录。记录以一个 TAG WORD 开头,该 TAG WORD 说明记录的种类和长度。
- 记录有四种(Kind)。
| Kind | 作用 | 示例 |
|---|---|---|
| Reference | 指向对象 | Wikidata Q42、本文档内的 #7 |
| Value | 承载值本身 | 日期、数量、带语言标记的文本 |
| Edge | 把其他记录组合起来进行陈述 | “Q42 是人”、“Q42 的英文名称是 Douglas Adams” |
| Meta | 描述文档本身 | 规范版次、文档 ID、作者、签名 |
- 记录被装入一个文档。文档与 HTML 类似,分为 HEAD(Meta,以及文档整体的出处 SOURCE 及其 QUALIFIER)和 BODY(Reference、Value、Edge)。
- 文档由 Issuer(发布主体)发布,每个版本都由内容哈希固定。已公布的版本不再更改。
设计原则
- 无需 Codec 手册即可跳过。 记录的种类和长度位于 TAG WORD 的 16 位中。不了解解释方法(Codec 手册)的解码器也能数出记录并跳过它们。
- 承载的是陈述,而不是事实。 文档用 Meta 和依据 Edge 一并写明某条陈述由谁、在何时、源自什么。
- 标识通过 Reference 完成。 用 ID 指向,而不是用名称。名称用 Edge 附加。
- 已公布的内容不再更改。 修改的内容以新版本发布。文档内的 ID 跨版本指向同一个对象。
- 留空。 比特空间的大部分留给未来。直接码无法收回,因此只分配已确认使用频率的项目。
下级文档
初次阅读时,请按表中自上而下的顺序阅读。
| 文档 | 内容 |
|---|---|
| 记录的结构 | TAG WORD 布局、Length、Codec、扩展 TAG |
| Issuer 与公布 | Issuer 等级、2 WORD 分配表、公开方式、签名、验证密钥 |
| 公布地址与版本列表 | ID 写法、公布地址、格式指定、Issuer 列表、版本列表、信任层 |
| Codec 规格文档 | 用 DECLARE、FIELD、ENUM、CODEC 书写的 Codec 手册 |
| 一般文档 | DOC、HEAD、BODY、END,文档 ID,内容哈希,版本与修订 |
| 代码索引 | 全部 227 个已分配格位,按 Kind、系列划分的 Codec 表 |
| 章节布局 | 16 个章节与格位布局,已分配与 Reserved 区间 |
| 占位标记 | ABSENT、UNKNOWN-VALUE、NO-VALUE,接受规则 |
| Reference | 对象标识、LOCAL、外部引用、Quantifier、占位标记 |
| Value | 值系列、直接码、文本、数量、日期 |
| Meta | 结构、定义、出处、谱系、验证、策略、IMPORT |
| Edge | 陈述、依据、执行、TOULMIN 系列,TRIPLE、QUALIFIER、LABEL |
| TOULMIN | 判定与执行图系列,NODE、LINK、SOURCE 布局 |
| 示例:Wikidata 条目 | 按 WORD 逐个阅读一个文档 |
无需 Codec 手册即可知道的内容
| 信息 | 无 Codec 手册时 | 依据 |
|---|---|---|
| Kind | 可知 | TAG WORD 的章节 w >> 9 区间(Reference 0~2,Value 3·4,Edge 5~13,Meta 14·15) |
| 记录总长度、下一条记录的位置 | 可知 | TAG WORD 的 Length |
| Codec 编号 | 可知 | TAG WORD(Issuer 格式则为扩展 TAG 的 Issuer 与 Codec 编号) |
| 系列、类 | 部分可知 | 只有 Edge 直接码的系列可由比特得知。Value 直接码、Issuer 格式的系列以及 Meta 类无法由比特得知。Issuer 格式可知 Issuer 和 Codec 编号。Meta 验证类可由章节 15 的 C >= 5(w >= 0x1E50)得知 |
| Edge 的 Edge Id | 可知 | Edge(章节 5~13)的第一个成分始终是 LOCAL Reference |
| 占位标记(未填写·未知·无) | 可知 | WORD 值为 0x0000、0x0010、0x0020(Reference,C < 3,L 0)。见占位标记 |
| Quantifier | 可知 | 由章节内偏移 C 得知:章节 0 中 5 <= C < 30,章节 1 中 C < 30 时为 C % 5 |
| 各 Codec 的 TAG 长度、Payload 起始位置 | 不可知 | Codec 手册 |
| Payload 的解释、Edge 成分的角色 | 不可知 | Codec 手册 |
- 没有 Codec 手册的解码器可以跳过记录,并按 Kind 和 Codec 计数,但无法沿着图结构遍历。
- 所有解码器都必须处理 Meta 的结构、定义、IMPORT 类。这些 Codec 属于 GEUL 核心 Codec 手册,解码器通过内置编号表获知它们(Meta)。
Codec 手册以 GEUL 文档的形式公布(Codec 规格文档)。因此解码器只需获取并阅读所需的规格文档即可。
区域结构
TAG WORD 的高位比特划分区域。
| Prefix | 区域 | 比例 | 定义 |
|---|---|---|---|
1 | 远期未来 | 50% | Reserved(远期未来)。不使用 |
01 | 未来 | 25% | Reserved(近期未来)。不使用 |
001 | 标准 | 12.5% | 正式采纳并运行的语法 |
000 | 自由·提案 | 12.5% | 当前语法。被采纳后布局保持不变,仅把 Prefix 改为 001 |
当前语法全部位于 000 区域。本规范中所有 TAG WORD 均以 000 开头。
- v1 解码器拒绝 Prefix 不是
000的 TAG WORD。其他区域由后续版本规定。 000区域是提案空间。目前不适用注册或保护。