在电子墨水屏设备上实现手写代码的实时交互，本质上是一场与延迟的博弈。Edsger 项目展示了如何在 reMarkable 2 这一封闭生态中，通过巧妙的架构设计，构建一个完整的 Clojure REPL—— 用户用触控笔书写 Lisp 表达式，系统识别、求值并将结果以手写风格渲染回页面。
架构的九步循环
整个系统的数据流呈现清晰的流水线结构。用户在 Xochitl（reMarkable 官方笔记应用）中书写代码后，设备以约 12 秒的间隔将笔画数据持久化到文件系统 —— 这是整个链路中最不可控的延迟来源。随后，部署在设备上的 let-go 运行时以 500 毫秒为周期轮询文件变更，通过比对.lines格式文件的修改时间戳检测新输入。
检测到变更后，系统执行差异化的笔画提取：解析当前页面与上一状态的差异，仅将新增表达式转换为 PNG 图像。这一选择性处理策略避免了重复处理历史内容。转换后的图像经由 Anthropic Claude API 完成手写识别，将笔画转录为可解析的 Clojure 代码文本。识别成功后，let-go 调用read与eval完成求值；若read抛出异常，系统采用宽容策略，假设用户尚未完成输入，而非立即报错。
求值结果通过 ImageMagick 渲染为图像，字体选用基于 Edsger Dijkstra 手稿风格设计的 Dijkstra 字体，使输出呈现与输入一致的手写质感。最终，借助 XOVI 框架注入的 Qt 资源补丁，图像以浮动元素形式插入到输入内容正下方，形成自然的对话流布局。
技术栈的选型逻辑
项目的技术选型体现了对设备约束的精准把握。let-go 作为作者自研的 Go 语言 Clojure 方言实现，具备良好的跨编译特性 ——Go 工具链对 ARMv7 架构的原生支持使得交叉编译几乎无痛。XOVI 框架则解决了封闭二进制程序的扩展难题：基于LD_PRELOAD机制，它允许在无需修改 Xochitl 本体的情况下拦截和替换函数行为，类似于 Emacs 的 advice 机制或 Common Lisp 的:around方法组合。
手写识别环节当前依赖云端 LLM，作者坦言这是 "眼中之刺"。Tesseract 等本地 OCR 方案在 armv7 设备上的性能与准确率尚难满足代码识别的精度要求，而基于笔画几何特征（如 "斜线 + 反斜线 + 中间横线" 判定为字母 A）的启发式识别方案仍停留在构想阶段。
延迟构成与优化空间
系统的端到端延迟可分解为三个层级：Xochitl 的自动保存间隔（约 12 秒）、轮询检测周期（500 毫秒）、以及 OCR 与渲染的处理时间。其中保存间隔占据绝对主导地位，作者推测通过更深层的逆向工程可能发现强制刷新或绕过写缓存的 API，但目前尚未找到可行路径。
针对 500 毫秒的轮询开销，项目文档提出可迁移至xovi-message-broker事件总线，以发布 - 订阅模式替代文件轮询，预计可削减约半秒的响应延迟。这一优化需要引入新的依赖，但架构上完全可行。
设计哲学与交互边界
Edsger 的设计决策展现了对 "最小可行界面" 的追求。系统不依赖显式的评估按钮或特定手势触发，而是通过语法有效性推断用户意图 —— 当 OCR 文本首次通过 Clojure reader 时，即视为输入完成并触发求值。这种隐式交互模式降低了认知负担，但也带来了模糊性：无法区分 "未完成的不完整代码" 与 "刻意写下的无效表达式"。
输出定位策略同样体现对阅读流线的尊重。系统解析笔画数据确定输入内容的底部边界，应用固定偏移量放置结果，确保对话式交互的自然流向。错误处理采用渲染异常信息替代崩溃，对于过量输出（如(range 100000)）则留待后续版本通过美化打印器的尺寸限制解决。
局限性与迁移路径
项目的当前实现深度绑定 reMarkable 生态：.lines文件格式、Xochitl 的 QML 结构、以及 XOVI 的钩子机制均难以直接迁移至 Boox、Supernote 或 Kindle Scribe 等竞品设备。理论上的移植需要复刻三个核心能力：手写数据的结构化提取、宿主应用的运行时注入、以及本地 Lisp 运行时的部署。
作者对项目的维护态度坦诚而务实：Edsger 被定位为具有 "hack 价值" 的概念验证，而非生产工具。其命名致敬 Dijkstra—— 这位以手写手稿闻名的计算机科学家或许不会使用这个 REPL，但项目以他的字体渲染结果，形成了一种跨越媒介的致敬。
参考资料
- 项目主页与演示：handwritten.danieljanus.pl
- 技术实现细节与架构解析：handwritten.danieljanus.pl/transcript
- 源代码仓库：codeberg.org/nathell/edsger
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。