如何不借助LLVM生成工具，从抽象语法树生成LLVM IR？

我完全懂你的感受——用填空式字符串拼接生成LLVM IR确实能凑活，但写出来的代码不仅难维护，稍不注意就会因为格式错误或者IR语义问题踩坑，而且完全发挥不出LLVM的优势。其实LLVM本身就提供了一套更优雅、更可靠的方案：直接用IR Builder API在内存中构建IR结构，而不是手动拼字符串。

核心思路：用LLVM的IR Builder API直接构建IR #

LLVM提供了一套C++（也有其他语言绑定）的IR Builder工具，它能帮你直接操作LLVM的内部IR对象，不需要手动拼接字符串。每个AST节点只需要实现一个codegen()方法，负责把自己转换成对应的LLVM IR值或结构。

举个简单的例子，假设你的AST里有个加法节点，包含左右两个子表达式节点，用Builder生成加法IR的代码大概是这样：

Value* AddExprAST::codegen() {
    // 先递归生成左右子表达式的IR值
    Value* L = left->codegen();
    Value* R = right->codegen();
    // 如果子节点生成失败，直接返回空指针
    if (!L || !R) return nullptr;
    // 用Builder创建加法指令，自动处理类型检查和临时变量命名
    return Builder.CreateAdd(L, R, "addtmp");
}

这里的Builder是IRBuilder<>类型的实例，它会自动帮你处理IR的类型匹配、临时变量命名，生成的IR直接是LLVM的内部结构，最后只需要调用模块的打印方法就能输出成文本格式的IR。

为什么这比字符串拼接好？ #

• 类型安全：Builder会在运行期检查操作数的类型是否合法，比如你不能把整数和指针直接相加，Builder会直接报错；而字符串拼接只会生成无效IR，要到LLVM验证阶段才会暴露问题，排查起来麻烦得多。
• 可维护性：每个AST节点的codegen()方法只关注自己对应的IR生成逻辑，逻辑清晰，修改起来方便。比如要调整加法的IR生成逻辑，只需要改AddExprAST::codegen()，不用在一堆字符串片段里找对应的拼接代码。
• 无缝对接优化：直接构建的IR可以直接传给LLVM的优化器（比如PassManager）做优化，而字符串拼接出来的IR还需要先解析成LLVM内部结构，多了一步转换成本。

上手步骤拆解 #

1. 搭建LLVM基础环境：先初始化LLVM的核心组件，包括上下文、模块和Builder：

   static LLVMContext TheContext;
   static std::unique_ptr<Module> TheModule;
   static std::unique_ptr<IRBuilder<>> Builder;
   
   // 初始化模块和Builder
   TheModule = std::make_unique<Module>("my_custom_lang", TheContext);
   Builder = std::make_unique<IRBuilder<>>(TheContext);
   

2. 给每个AST节点添加codegen方法：让所有AST类继承自一个基类（比如ExprAST），每个子类实现自己的codegen()方法，返回对应的LLVM Value*（值类型）或Function*（函数定义）。
   比如数字节点的实现：

   Value* NumberExprAST::codegen() {
       return ConstantFP::get(TheContext, APFloat(Val));
   }
   

3. 处理函数定义与调用：对于函数定义，需要先创建函数类型，再生成函数对象，最后用Builder在函数内部构建基本块和指令：

   Function* PrototypeAST::codegen() {
       // 构建函数类型：比如接收两个double，返回double
       std::vector<Type*> Doubles(Args.size(), Type::getDoubleTy(TheContext));
       FunctionType* FT = FunctionType::get(Type::getDoubleTy(TheContext), Doubles, false);
       // 创建函数并添加到模块中
       Function* F = Function::Create(FT, Function::ExternalLinkage, Name, TheModule.get());
       // 给参数设置名字，方便调试
       unsigned Idx = 0;
       for (auto& Arg : F->args()) {
           Arg.setName(Args[Idx++]);
       }
       return F;
   }
   

   函数体的生成则需要先创建基本块，把Builder移动到该块内，再递归生成函数内部的IR。

避坑提示 #

• 不要忽略错误处理：每个codegen()方法都要检查子节点的生成结果，如果返回nullptr表示出错，要及时向上返回，避免生成无效IR。
• 吃透LLVM核心概念：先搞懂基本块（BasicBlock）、值（Value）、类型（Type）这些核心概念，才能正确使用Builder。其实Kaleidoscope教程里的codegen部分就是用的这套API，只是结合了官方工具链，你可以把那部分代码抽出来单独使用。
• 用LLVM验证工具排查问题：生成IR后，可以调用verifyFunction(F)或verifyModule(*TheModule)检查IR的合法性，快速定位问题。

内容的提问来源于stack exchange，提问作者user1762507