别再只当“调包侠”了！深度解析蚂蚁新开源Java项目，看懂它的设计哲学才是真本事

正文

来源：JavaGuide

• Jeandle 介绍

• 什么是 JIT 编译器
• 什么是 LLVM

• 未来规划
• 项目地址

---

就在前几天，Java 领域又一重磅级开源项目诞生。蚂蚁集团正式开源了基于 LLVM 的全新 JVM JIT 编译器 —— Jeandle。 项目以“筋斗云”（Jeandle）为名，寓意深远。它希望为 JVM 插上翅膀，让 Java 应用能如孙悟空驾驭筋斗云一般，突破性能边界，瞬息万里。

图片

一、Jeandle 介绍

简单来说，Jeandle 是基于 OpenJDK Hotspot JVM 的全新 Just-In-Time（简称 JIT，即时）编译器，利用 LLVM 进行编译优化与代码生成，将 LLVM 的性能优势和生态优势引入 JVM 中 。

下面是维基百科对即时编译的介绍：

要理解 Jeandle 的颠覆性，我们得先快速了解两个核心概念：JIT 和 LLVM 。

1.什么是 JIT 编译器

Java 能够实现“一次编译，到处运行”靠的就是“解释器”。无论 Java 程序运行在什么 CPU 上，都通过一个跨平台的解释器不断地读取 Java 代码，并代替它执行。

但是解释器终究是低效的，好比在翻译英文时，机械地查找每个单词的含义然后组装起来，这样的翻译结果不仅冗长，还让人难以理解；而经验丰富的译员会读取整段英文，对这段文字进行分析，结合上下文精确地理解每个单词，去除冗余句子，并通过重排词句顺序、精简句子结构来使结果更易懂。

JIT 编译器如同经验丰富的译员，当 JVM 中的解释器发现一段代码的执行频率很高时，就会使用 JIT 编译器对这段代码进行编译，通过对这段代码的深入分析与优化，产出一系列高效的指令以提高它的运行效率。

图片

2.什么是 LLVM

LLVM 是目前最受欢迎的开源编译器基础设施，它拥有模块化的设计、优秀的编译优化能力与完备的后端支持。我们可以将其视为一套现成的超级零件箱，用它快速地拼出一个新编译器：

1. 编写语言前端：将编程语言代码转换成 LLVM IR（Intermediate Representation）
2. 利用 LLVM 的优化器，对 LLVM IR 进行分析与优化
3. 通过 LLVM 的代码生成器，从 LLVM IR 生成真正的 CPU 指令，使程序最终可以运行

图片

除此之外，LLVM 的优势还体现在以下方面：

• 极致的性能优化： 拥有业界顶尖的代码分析和优化能力。
• 高度模块化： 按需取用，灵活扩展，是现代编程语言（如 Rust, Swift）的首选。
• 繁荣的开源生态： 全球顶尖公司、研究机构和开发者共同维护，技术始终保持前沿，尤其在 AI 领域展现出巨大潜力。

目前已经有大量基于 LLVM 的编译器实践。同时，LLVM 在 AI 领域和许多新编程语言的应用也展现出持久的生态活力。

Jeandle 诞生的愿景是想把 LLVM 的优点引入 JVM 中，让 JVM “坐上筋斗云”。JDK 和 LLVM 各自丰富的生态也为 Jeandle 带来了更多想象空间。

图片

二、未来规划

将 JVM 和 LLVM 这两大复杂的系统优雅地结合，是一项巨大的挑战，Jeandle 团队需要攻克诸多技术难题，例如：

• 完美支持 JVM 的垃圾回收（GC）机制。
• 为 Java 的动态特性（如 synchronized）定制 LLVM 功能。
• 基于 LLVM 实现一套专为 Java 优化的算法。
• …

图片

目前，Jeandle 尚处在开源初期，但路线图已经非常清晰：

• 2025 年底：实现全量 Bytecode 支持 ：完成对 Exception、GC、Synchronization 等所有基础功能的支持，实现对 Java 字节码的全面覆盖。
• 2026 年：聚焦性能优化的“黑科技”

• 推出 Java 定制优化套件： 研发一系列针对 Java 语言特性的高级优化算法，如锁优化、逃逸分析、高级内联（Inlining）等。
• 引入 Intrinsic： 为特定场景和常用库函数定制手写的高效汇编代码，压榨极致性能。
• 支持 On-Stack Replacement (OSR)： 实现运行中代码的动态热替换。
• 支持 G1 GC： 兼容并支持现代主流的 G1 垃圾回收器。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】