我早些时候问过a question，关于人工智能原型使用哪种语言。共识似乎是，如果我希望它更快，我需要使用 Java 或 C++ 之类的语言，但 Python / Perl / Ruby 对接口位有好处。
所以，这让我想到了另一个问题。将这些语言连接在一起有多容易？哪种组合效果最好？那么，如果我想要一个 Ruby CGI 类型的程序调用 C++ 或 Java AI 函数，那么容易做到吗？关于我在哪里寻找关于做那种事情的信息的任何指示？或者不同的组合会更好？
我编写 Web 应用程序的主要经验是从 C++ CGI 开始，然后转向 Java servlet（大约 10 年前），然后在远离编程很长一段时间后，我开始了一些 PHP。但是我没有使用脚本语言编写 Web 应用程序的经验，然后调用编译语言以获得速度关键位。所以欢迎任何建议！
【问题讨论】：
Boost.Python 提供了一种将 C++ 代码转换为 Python 模块的简单方法。它相当成熟，在我的经验中运作良好。
比如不可避免的Hello World……
char const* greet()
{
return "hello, world";
}
可以通过编写 Boost.Python 包装器向 Python 公开：
#include <boost/python.hpp>
BOOST_PYTHON_MODULE(hello_ext)
{
using namespace boost::python;
def("greet", greet);
}
就是这样。我们完成了。我们现在可以将其构建为共享库。生成的 DLL 现在对 Python 可见。这是一个 Python 会话示例：
>>> import hello_ext
>>> print hello.greet()
hello, world
（来自 boost.org 的示例）
【讨论】：
首先，元注释：我强烈建议使用高级语言对整个事物进行编码，疯狂地进行分析，并仅在分析表明有必要时进行优化。先优化算法，再优化代码，再考虑引入重铁。当/如果您需要用较低级别的语言重新实现时，拥有最佳算法和干净的代码将使事情变得更容易。
对于 Python，IronPython/C# 可能是最简单的优化路径。
CPython 与 C++ 是可行的，但我发现 C 更容易处理（但不是那么容易，作为 C）。有两个工具可以解决这个问题：cython/pyrex（用于 C）和shedskin（用于 C++）。这些将 Python 编译成 C/C++，然后您就可以轻松访问 C/C++ 库了。
我从未使用过 jython，但我听说 jython/Java 优化路径并没有那么糟糕。
【讨论】：
我同意先用 Python 等高级语言进行编码、分析，然后用 C/C++ 实现任何需要加速的代码并将其包装以用于高级语言的想法。
作为 boost 的替代方案，我想建议 SWIG 从 C 创建 Python 可调用代码。它使用起来相当轻松，并且将为各种语言编译可调用模块。 （Python、Ruby、Java、Lua。仅举几例）来自 C 代码。
包装过程是半自动化的，因此无需在基本 C 代码中添加新功能，从而使工作流程更加顺畅。
【讨论】：
如果您选择 Perl，则有大量资源可用于连接其他语言。
Inline::C
Inline::CPP
Inline::Java
use Inline C => <<'END_C';
void greet() {
printf("Hello, world\n");
}
END_C
greet;
使用 Perl 6，使用 NativeCall 从本机库代码导入子例程变得更加容易。
use v6.c;
sub c-print ( Str() $s ){
use NativeCall;
# restrict the function to inside of this subroutine because printf is
# vararg based, and we only handle '%s' based inputs here
# it should be possible to handle more but it requires generating
# a Signature object based on the format string and then do a
# nativecast with that Signature, and a pointer to printf
sub printf ( str, str --> int32 ) is native('libc:6') {}
printf '%s', $s
}
c-print 'Hello World';
这只是一个简单的示例，您可以创建一个具有指针表示的类，并让一些方法是您正在使用的库中的 C 代码。 （仅当 C 代码的第一个参数是指针时才有效，否则您必须包装它）
如果您需要不同的 Perl 6 子例程/方法名称，您可以使用 is symbol 特征修饰符。
还有适用于 Perl 6 的内联模块。
【讨论】：
Perl 有几种使用其他语言的方法。查看 CPAN 上的 Inline:: 系列模块。按照这个问题中其他人的建议，我会用一种动态语言（Perl、Python、Ruby 等）编写整个东西，然后优化需要它的部分。使用 Perl 和 Inline:: 您可以在 C、C++ 或 Java 中进行优化。或者您可以查看AI::Prolog，它允许您嵌入 Prolog 以进行 AI/逻辑编程。
【讨论】：
从脚本开始，然后从该脚本调用基于编译的语言可能是一种很好的方法，仅用于更高级的需求。
例如，calling java from ruby script 效果很好。
require "java"
# The next line exposes Java's String as JString
include_class("java.lang.String") { |pkg, name| "J" + name }
s = JString.new("f")
【讨论】：
您可以使用一种高级语言（例如 Python 或 Ruby）构建您的程序，然后调用以低级语言编译的模块以获得您需要的性能。您可以根据所需的低级语言选择平台。
例如，如果你想用 C++ 来做一些快速的事情，你可以只使用普通的 Python 或 Ruby 并调用用 C++ 编译的 DLL。如果您想使用 Java，您可以使用 Jython 或 Java 平台上的其他动态语言之一来调用 Java 代码，这比 C++ 路线更容易，因为您有一个通用虚拟机，因此可以直接使用 Java 对象在 Jython 或 JRuby 中。使用 Iron 语言和 C# 在 .Net 平台上也可以这样做，尽管您似乎对 C++ 和 Java 有更多经验，所以这些会是更好的选择。
【讨论】：
我有不同的看法，我很幸运地将 C++ 和 Python 集成到一些实时视频图像处理中。
我会说您应该将语言与每个模块的任务相匹配。如果您要响应网络，请用 Python 进行，Python 可以很好地跟上网络流量。 UI：Python，人很慢，Python 非常适合在 Mac 上使用 wxPython 或 PyObjC 或 PyGTK 的 UI。如果您正在对大量数据、信号处理或图像处理进行数学运算...使用 C 或 C++ 进行单元测试，然后使用 SWIG 创建与任何更高级别语言的绑定.
我在我的 C++ 中使用了 wxWidgets 中的图像库，这些图像库已经通过 wxPython 暴露给 Python，因此它非常强大和快速。 SCONS 是一个构建工具（如 make），它知道如何处理 swig 的 .i 文件。
最顶层可以是 C 或 Python，如果顶层是 C 或 C++，您将拥有更多的控制权并减少打包和部署问题...但是复制 Py2EXE 或Py2App 在 Windows 或 Mac 上为您提供（或在 Linux 上冻结。）
享受混合编程的力量！ （我称以紧密耦合的方式使用多种语言为“混合”，但这只是我的一个怪癖。）
【讨论】：
如果问题领域很难（而且 AI 问题通常很困难），那么我会首先选择一种表达能力强或适合该领域的语言，然后再考虑加快速度。例如，Ruby 具有元编程原语（能够轻松检查和修改正在运行的程序），这使得实现某些类型的算法变得非常容易/有趣。
如果您以这种方式实现它，然后需要加快速度，那么您可以使用基准测试/分析来定位瓶颈并为此链接到编译语言，或者优化算法。根据我的经验，最大的性能提升来自于调整算法，而不是来自使用不同的实现语言。
【讨论】：