结构化数据序列化格式

SONA

Structured Object Notation Architecture

The AI-Native Data Serialization Format for the Token Economy.

🚀 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”：

1. 💎 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。
2. 📉 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。
3. 🏎️ 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

📊 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

查看完整的行业基准报告→

[！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。

探索所有用例→

🛠 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：

🗺 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.

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：

1. 链接的表格标题(@)：无重复键的高效列表（SONA原生方式）。
2. 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。

• 发现bug了吗？ 打开一个问题.
• 有主意吗？ 开始讨论。
• 想编码吗？ 结账 规格.md 并开始为我们的参考解析器做出贡献！

🏗️ 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：

1. 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。
2. 手册:
   复制

   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.