RFC：类型化 Sum Type（带标签联合）——异构容器的类型归宿

状态：待评审（2026-10-27）。目标：通过给异构容器一个类型化表示 来收掉最后的基准差距（jsonparse 0.4× vs Rust），并给语言补上与 match 类窄化并列的 Rust 核心特性。

1. 问题

items: list 在元素混合时（JSON 树中的 int/str/list/dict）无法给 出类型参数。这类容器保持 pyobj：每个元素花费一个 {tag, ptr} 盒 分配，每次读取一次 tag 检查加拆箱，容器操作走动态 list/dict 运行时。 jsonparse 的 10.7ms 中有 6ms 花在这上面（pyobj 构造是与 Rust 的 serde_json::Value 之间的残余差距）。

pyobj 盒本身已经是带标签联合——问题在于它是每值一次堆分配加 payload 指针间接，而且装它的容器是全动态的。缺的是用户可声明的 sum type，配紧凑的单块布局和其上的类型化容器。

2. 语法面

用新的 union 声明（沿用既定的"无继承、仅注解字段"类模型）：

union Json:
    null
    bool
    int
    float
    str
    list[Json]
    dict[str, Json]

def parse_value(s: str, pos: list[int]) -> Json:
    ...
    return [v for ...]          # list[Json] 构造

def sum_tree(v: Json) -> int:
    match v:
        case int:        # 一分支窄化 + 拆箱
            return v + 1
        case list[Json]:
            total = 0
            for item in v:
                total += sum_tree(item)
            return total

• union Name: 的成员是种类，不是字段。v1 支持的成员：null、

bool、int、float、str、list[T]、dict[K, V]（T/V 可以 是联合自身——JSON 需要的递归场景）。

• 注解 x: Json / list[Json] / dict[str, Json] 驱动一切下游

——与现有注解相同的权威模型。

3. 表示

联合类型的值是一个堆块：

{i32 tag, i64 payload}   # 16 字节，每值一次 malloc

• 标量成员内联携带值（bool 是 i1-in-i64，int 是 i64，float 是位模式）
• str 携带一个 rawstr*（owned；递归释放）
• list[T] 携带一个 rawlist-of-payload-pointer*（元素是联合块）
• dict[K, V] 携带一个 rawdict 变体

标签编号即声明顺序，0 = 第一个成员。无参成员（null）不需要 payload。这是 serde_json::Value 的设计：enum + Box'd Vec/Map， 区别在于我们的容器复用既有的 rawlist/rawdict 开放寻址机制。

4. 运行时面（发射为 _emit_tagged_* 家族）

• tagged_new_scalar(tag, bits) -> blk*
• tagged_new_str(tag, rawstr*) -> blk*
• tagged_new_list(tag, rawlist*) -> blk*
• tagged_tag(blk*) -> i32
• tagged_bits(blk*) -> i64
• tagged_str(blk*) -> rawstr*（借用读）
• tagged_list(blk*) -> rawlist*（借用读）
• tagged_free(blk*)（递归释放；JSON 是树形，构造上无环）

借用纪律完全遵循 v1.7.1 规则：读取是借用指针，重绑 owned 槽只在 槽是 owned 时释放旧块（_owned_strs 推广为 _owned_tagged）， 函数退出 drop 全部 owned 槽，被调方永不释放借用参数。

5. 编译路径

1. IR：union Json: ... 脱糖为 class_def，其"字段"是成员描述；

前端记录 union_members["Json"] = [(name, member_kind), ...]。

1. _annotation_kind：Json 解析为 kind "tagged:Json"；

list[Json] → rawlist_tagged，dict[str, Json] → rawdict_str_tagged。

1. 构造：元素 kind 为 tagged 的 list 字面量逐元素发射

tagged_new_* + rawlist_tagged 构建。

1. 窄化：match v: case int: 复用 v1.7 match-class 窄化——case

测试 tagged_tag 对成员的标签常量，然后 body 里 v 重定型为 成员 kind。

1. list[Json] 的下标/迭代产出 kind "tagged:Json"（走与

v1.11.3 下标推断相同的 RAWLIST_KINDS 表，新加一行）。

6. 分阶段交付（字节门禁纪律）

• S0 探针：手写 tagged_new/tagged_tag/tagged_bits 发射器 + 一个

20 行 .si 用内联 IR 调用，测一个构造循环 vs pyobj。≥2× 才继续。

• S1 运行时：完整 _emit_tagged_* 家族 + rawlist_tagged 元素族

（仅发射器；语料字节一致，因为没有程序到达它们）。

• S2 前端 + 注解：union 解析、kind 解析、构造/窄化发射；新测试；

语料不变（opt-in 语法）。

• S3 四平面：flatten/.si 子集；固定点重建；jsonparse.si 改写为

Json union 版本（benchmark 变更，输出对拍验证）。

• S4 所有权审计：借用读规则、退出 drop、双释放探针测试。

7. 预期成果

jsonparse：pyobj 盒（每值 2 次 malloc + payload 间接）→ 一个 16 字节 块（str 叶子仍需其 data 块）和类型化容器。从 wordcount 算术预测 （每消除一个盒 85ns → ~27ns）：10.7ms → ~5-6ms，即 vs Rust serde_json 基线 1.0-1.2×。次级：任何解析器/AST 遍历程序在用户空间 免费获得同一表示。

8. 风险 / 开放问题

• 表示冻结：16 字节块在 C-ABI export 后很难改；S3 落地前保持

tagged_* 不进 @export。

• 错误模式：窄化错误标签必须响亮 abort（与下标边界同政策）——

不静默返回默认值。

• v1 仅一个联合每元素类型族（Json 形态）；任意成员的用户联合

是明确的第二阶段。

• 递归 dict[str, Json] 值在 rawdict 内需要 owned-slot 清理钩子

（rawdict_str_tagged_clear 释放值块）——多一个发射器，同配方。

9. 非目标

• 联合上的泛型、C-ABI tagged 导出、环回收（联合值构造上是树）。