01Documentation
A documentação é parte da linguagem.
learn/ e training/ — o conteúdo de referência e treinamento dos repositórios, direto aqui, com busca por palavras-chave e tópicos que expandem. O curso completo fica em /learn. O snapshot é gerado no build e revalidado ao vivo contra o GitHub.
carregando documentação…
02Ferramentas
Uma linguagem deve vir com as suas ferramentas.
A CLI da Kof acompanha a linguagem. Ferramentas ainda não disponíveis estão marcadas como tal.
kof cli
$ kof build$ kof run$ kof serve$ kof deploy$ kof check$ kof test$ kof debug$ kof bench$ kof profile$ kof inspect$ kof decompile$ kof translate$ kof compare$ kof migrate$ kof fmt$ kof new$ kof init$ kof deps$ kof config$ kof editor$ kof info$ kof lsp$ kof install$ kof script$ kof repl$ kof c$ kof versionCompilador
DisponívelCLI
DisponívelTestes (kof test)
DisponívelBenchmarks (kof bench)
DisponívelProfile (kof profile)
DisponívelInspect IR (kof inspect)
DisponívelLSP
DisponívelDiagnostics reais do frontend; hover, completion, references/rename e documentSymbol já.
Debugger (kof debug)
Em desenvolvimentoMVP DAP sobre stdio no target JVM — DWARF Native e source maps JS parciais.
Formatador (kof fmt)
DisponívelParser real (KofFormatter), idempotente. kof fmt -w reescreve no lugar.
Gerenciador de pacotes
DisponívelMVP com kof deps — registry além do MVP em construção.
03Treinamento para LLMs
Ensine as suas ferramentas a falar Kof.
Kof não quer depender de modelos adivinhando como a linguagem funciona. O repositório mantém material estruturado para que ferramentas automatizadas aprendam sintaxe, semântica e padrões corretamente — o corpus training/ também está pesquisável no navegador acima.
training/ ├── language/ ├── reference/ ├── patterns/ ├── anti-patterns/ ├── migration/ └── examples/
Feita para humanos. Naturalmente amigável às máquinas.
Kof não é uma “AI language”. A filosofia continua humana primeiro. Mas sintaxe consistente, semântica explícita e baixo boilerplate têm uma consequência: a linguagem também fica mais fácil de compreender por ferramentas automatizadas.
Menos tokens para expressar a mesma intenção.
Sem benchmarks inventados: o projeto não publica números de tokens ou comparações de desempenho de LLM sem dados reais.