今天看文章的时候，看到Chris Lattner 再创新编程语言 Mojo，于是简单了解了一下。Mojo被设计为Python的超集！它的一个口号是：无需 CUDA 可实现极快的 CPU+GPU 执行

中文官网：Mojo：面向AI开发者的编程语言 | 强大的CPU和GPU编程 | Mojo官网 Mojo社区 – Mojo

中文手册：安装Mojo 获取Mojo SDK – Mojo

官网手册：https://docs.modular.com/mojo/manual/

一如既往的，中文手册有滞后，最好看英文手册。

安装mojo

使用以下命令在 macOS 或 Ubuntu Linux 上安装 Magic（失败）

手册上写的，但是这个应该是过时了：

直接一键安装

curl -ssL https://magic.modular.com | bash

但是这个方法会报错：

curl -ssL https://magic.modular.com | bash
bash: line 1: syntax error near unexpected token `newline'
bash: line 1: `<!DOCTYPE html>'

使用pip安装mojo

pip install  mojo

官方的安装：

mkdir hello-world && cd hello-world
python3 -m venv .venv/hello-world \
  && source .venv/hello-world/bin/activate

然后安装mojo

pip install mojo \
  --extra-index-url https://modular.gateway.scarf.sh/simple/

验证一下：

mojo --version

显示

mojo -v
Mojo 0.26.1.0 (156d3ac6)

VSCode中安装

open the Extensions view in your IDE and search for "Mojo"—make sure you install the extension from Modular.

在插件中查找mojo，并安装

测试

执行helloworld

新创建一个文件

hello.mojo

def main():
    print("Hello, World!")

然后执行

mojo hello.mojo

运行成功！

mojo hello.mojo
hello, world!

交互执行

直接输入mojo，然后交互执行

mojo
Welcome to Mojo! 🔥

Expressions are delimited by a blank line.
Type `:quit` to exit the REPL and `:mojo help` for further assistance.

  1> print("Hello, world!")
  2.
Hello, world!

构建可执行二进制文件

mojo build hello.mojo

可执行文件的名称与.mojo文件相同，但您可以使用-o选项进行更改。

执行

./hello

看看文件，不大哦

./hello
hello, world!
skywalk@DESKTOP-9C5AU01:~/mojowork$ ls -la
total 32
drwxr-xr-x  2 skywalk skywalk  4096 Feb 26 22:16 .
drwxr-x--- 27 skywalk skywalk  4096 Feb 26 22:14 ..
-rwxr-xr-x  1 skywalk skywalk 17800 Feb 26 22:16 hello
-rw-r--r--  1 skywalk skywalk    40 Feb 26 22:10 hello.mojo

总结

浅尝即止，看看mojo、moonbit以及lisp到底鹿死谁手吧！

# 开发语言 # python
Logo
龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

cover

大模型安全实战】智能体安全的攻防二元性：同一种能力，为什么既是防线也是攻击面？（第4期）

avatar 龙虾开发者社区
cover

SparkSQL 之 Hive On Spark 原理分析

avatar 龙虾开发者社区

RL训练Agentic模型实现并行多轮上下文检索：匹配前沿模型且快10倍

基于RL的Agentic检索模型正在成为AI Agent效率革命的关键驱动力。并行化：从串行单次调用转向多轮高并行调用自编辑：模型在检索过程中主动裁剪不相关信息迭代优化：检索器与Agent在RL训练中双向迭代当Agentic检索的速度提升10倍以上、成本大幅下降，AI系统将能在数秒内完成以往需要数分钟的复杂信息收集——这是Agent从“对话助手”走向“行动执行者”的关键一步。参考文献：, ACL

avatar 龙虾开发者社区