大部分人做语言，目标是更快。 这门语言的目标是更慢，而且慢得可测量、可复现、 写进 ADR。
指标是：比 CPython 慢至少两个数量级，也就是 ≥100 倍。
两个基线，都报
「比 CPython 慢多少倍」这句话本身是不完整的——你得先说清 算的是哪一段。所以我用两个口径分别测：
| 基线 | 口径 | CPython | 倍数 | 达标 |
|---|---|---|---|---|
| A | 只算执行（timeit，code object 预编译） |
0.37 微秒/次 | 686 倍（2.84 个数量级） | ✅ |
| B | 全流程（exec，含编译） |
24.4 微秒/次 | 12.1 倍（1.08 个数量级） | ❌ |
pyPython 自身约 255 微秒/次。
注意最后那一列。基线 B 没达标——12.1 倍， 离 100 倍差得远。
这张图我也把「未达标」标了出来：
为什么不把没达标那条藏起来
因为那是测量，不是宣传。
ADR-0001 里写了一条原则：测量不打算造假。 如果只报基线 A，结论会好听得多——「慢 686 倍，超额完成」。 但基线 B 才是用户真正感知到的速度：他敲一行代码、按回车、 等结果。那一段包含了编译，而编译是慢的大头。
只报 A 等于告诉用户一个他自己测不出来的数字。
为什么画「范围」而不是一根柱子
这是做图时最花时间的一个决定。我先采样了 14 轮，结果很说明问题：
| 被测对象 | 范围 | 离散度 |
|---|---|---|
| pyPython 自身 | 244 ~ 279 微秒 | 14%（稳） |
| 基线 A（timeit） | 0.368 ~ 0.85 微秒 | 120%（很不稳） |
| 基线 B（exec） | 20 ~ 35 微秒 | 59%（不稳） |
基线 A 抖了 120%。原因很简单：它本身只有零点几微秒， GC 一次、系统调度一次，分母就能翻倍。
这种情况下画「一根精确的柱子」是撒谎。所以图上画的是 中位数 + 实测范围，并且在图里直接写明采样轮数和 「次之间会有偏差」。
结论是稳的
虽然具体倍数在漂，但量级结论不漂：
- 基线 A：462 ~ 743 倍 —— 永远 ≥2 个数量级 ✅
- 基线 B：6.9 ~ 12.9 倍 —— 永远 <2 个数量级 ❌
所以「慢两个数量级」这个说法，在基线 A 的口径下成立， 在基线 B 的口径下不成立。这两句话我都要说。
那它靠什么慢下来的
不是靠「写得烂」。是靠每一步都绕一圈：
- 值不直接存，走一套自定义的
encode/decode（长度前缀编码，见 ADR-0003） - 任何值判断真假都要过一遍「真值密室」
- AST 每个节点单独走一遍求值
这些在正常语言里都是要被优化掉的。这里是特意保留的—— ADR-0002 写着：语法越简单，实现越应当啰嗦。
一门语言把语法减到极致，通常是为了让实现也简单。 这里反过来了：语法减到极致，实现却要故意绕远路。