首先，我国选择C++做为竞赛语言，许多人学C++，学习的结果是：看到“公共命名空间”，就幻想出一个私有命名空间，其实，公共命名空间和C++的命名空间无关！
超简源代码
已知序列v={1,2,3,4,5}，找出其中的偶数，把每一个元素乘以2，并显示。
方案1：
源代码模板，修改已有的源代码，就像在做填空题，而且还有标准答案做参考。这需要IDE支持，经典源代码中的某些部分不可修改，是“只读”属性。
方案2：
序列v={1,2,3,4,5}
筛选序列[v]中的[偶数]至[w]
序列[w]的每个元素[*2]至[u]
显示[u]
方案3：
{1,2,3,4,5} & 筛选偶数 & 乘以2 & 显示
方案3最诱人。结合“上下文容器”，方案2可以更简单一点儿。
{1,2,3,4,5} | 筛选偶数
筛选[{1,2,3,4,5}]中的偶数
筛选偶数({1,2,3,4,5})
以上三行分别是前置参数、中置参数、后置参数。
调用一段源代码，不是用函数，也不是对象，而是另一段源代码。一般来说，后者比前者简单。后者的后者，可以是自然语言；前者的前者，可以是汇编语言。
假设有“阿立芬多数”代替“偶数”，上述代码的实现和形式该做怎样的修改？
注：阿立芬多数，是作者虚构出来的，只是为了测试一种情况：计算机语言定型之后，又有新事物出现，我们该怎么办？当然是修改语言啦！
C+Python的设计模式可以参考，常见的功能，用C语言实现，高效；其它的，用Python来编写，方便。兼顾便捷与效率。
复杂性
语言的复杂性来自于任务的复杂性，将这种复杂性写在公共命名空间之中，或者说，分散于其中。而计算机语言是简单的。
这一想法来自于对C++的反思，C++过于复杂，这是不对的，计算机语言应该是简单的。如此说来，公共命名空间成了复杂的任务和简单的计算机语言之间的缓冲带？
形式和实现之间的关系？传统的编译原理导致任务一复杂，形式也跟着复杂起来了。结果，编程序成了一项困难的工作。理想的计算机语言不应该是这样的。
别忘了，公共命名空间还有一个目标：让2000年后的人们能读懂今天写的源代码。
以英语为例，单词可以连成句子，但任务的复杂性导致程序的实现不能简单连接。所以，需要以句子为单位来理解源代码。
再以数学为例，一个高维空间，需要完整的坐标，才能正确描述。比如说六维空间，需要6个数字组成的向量来描述。6个数字之间没有简单关系，要把它们都写出来才行。这相当于用6个单词组成一个句子。所以，再次得出同样的结论：需要以句子为单位来理解源代码！
公共命名空间和人工智能
我对人工智能了解不多，仅有的一点儿了解，是神经元网络的梯度下降法。在梯度下降法里，定义了损失函数，这可以理解为：神经元网络的当前状态和理想状态之间的距离。
由于这个距离采用的是广义的欧几里德距离，所以，导致了神经元网络的状态空间不是四维的，(究竟是高维的还是零维的，我也说不清)，它无法和公共命名空间相对接。
若不改变这一现状，公共命名空间中的所有项目(包括方言、句子、冗余项、同位素)将失去它们原有的位置关系。例如，冗余项说的是：形式不同而内容完全相同的情况，例如姥姥和外婆、将和帅、兵和卒。在损失函数看来，它们不是精确相等的。
所以，期待“四维损失函数”出现，使得人工智能和公共命名空间能更好的衔接。但是，话又说回来了，有了填充完好的公共命名空间，用精确的字符串匹配函数即可处理源代码，用不到人工智能了。
公共命名空间和人工智能里的自然语言理解，走的是不同的道路。
