據報 TDG 架構可解決大模型 DSL 幻覺，實測 kUML 結合 MCP 將編譯通過率提升至 87.5%

據《AI 前線》報導，為解決大語言模型在生成領域特定語言（DSL）時憑空捏造關鍵字與語法的幻覺問題，開發者提出「類型化領域錨定」（TDG）架構。TDG 主張放棄自創外部語法，改將領域邏輯嵌入 Kotlin、TypeScript 或 Python 等在模型訓練語料中出現頻次極高的宿主語言。該架構利用編譯器作為判定機制，將領域錯誤轉化為類型錯誤，避免傳統繪圖工具（如 Mermaid 或 PlantUML）因寬鬆容錯而跳過錯誤語法導致的靜默失敗。系統透過「生成—編譯—修復」（GCR）迴圈，將帶有精確行列位置的編譯錯誤與診斷資訊回傳給模型進行修復，上限設定為三次；同時結合 MCP 伺服器作為按需教學通道，僅提供當下所需且可編譯的範例。在基於 Kotlin 的建模語言 kUML 實測中，導入該工具後，SysML v2 圖表的一次編譯通過率從 25% 提升至 87.5%。報導指出，TDG 與 RAG 互為正交：RAG 在資料空間錨定事實內容，而 TDG 在能力空間錨定標記語法，兩者可組合部署。