LLM驱动编程语言
PLang 是一种将 LLM 作为“编译器”的开源编程语言。开发者不需要从传统语法和配置开始，而是用接近自然语言的 Goal 描述“想让程序做什么”，再由 PLang 构建为运行时可执行的 JSON 指令。其底层基于 C# runtime，当前版本为 0.1，官方明确提醒会有破坏性变更和 bug。
从功能覆盖看，PLang 不只是提示词包装器。它内置变量、Goal 调用、条件、列表、缓存、重试和错误处理，并支持 SQLite、SqlServer、MySql、Postresql 及 IDbConnection。它还能一行启动 Webserver、调用 REST API、运行 Python 脚本和命令行程序、做网页抓取、发送 AES256 加密消息、处理认证、计划任务、压缩文件，并通过依赖注入替换 logger、LLM、缓存、数据库和加密模块。VS Code 扩展和 GitHub/Docs/Discord 也显示其在建设开发者生态。
PLang 软件本身开源免费，但“把请求翻译成代码”依赖 LLM 服务并收费。首次构建会要求购买任意金额 voucher；也可直接使用自己的 OpenAI API。构建代码和默认 gpt-4o 运行时请求均为输入 $0.01/1K tokens、输出 $0.03/1K tokens，gpt-3.5 更低。官方还提示每行代码通常约 $0.005-$0.035，这意味着快速原型很方便，但大规模频繁构建需要关注预算。
优点是开发心智负担低、样例直观、内置能力多，并且生成构建文件可查看，适合学习和修改。缺点也明显：版本极早，生产稳定性未知；UI 仍处于早期；LLM 依赖带来成本、延迟和隐私边界问题。它更适合 LLM 编程语言探索者、个人开发者、原型团队和 .NET 背景开发者，不建议直接用于高可靠生产核心系统。
中国用户需要重点评估网络和支付。PLang 服务使用 OpenAI，国内访问通常存在不稳定或受限风险；Rapyd 支付网关未提及支付宝、微信或银联。若使用自有 OpenAI API，同样面临网络与合规问题。替代方案可考虑 LangChain、Semantic Kernel、Dify、Flowise，或在国内可用模型 API 上自建类似工作流。
本测评基于公开资料整理,不构成购买建议,请以 plang.is 官网实际信息为准。
把LLM当编译器，概念新，适合开发者研究。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。