sbhooley/ainativelang

解决的问题

AINL 解决了「提示循环」编排的低效性和不稳定性问题。在该方法中，AI 代理会反复向 LLM 发送提示以决定工作流的下一步。这种方法常常导致代码损坏、重复任务的高 Token 成本，以及缺乏符合性审计（如 SOC 2/HIPAA）所需的确定性执行轨迹。

工作原理

AINL 是一种紧凑且图标准的 AI 工作流语言。开发者（或 AI 编码代理）可以在 .ainl 文件中编写工作流，然后将其编译为确定性的中间表示（IR）图。运行时会确定性地执行该图，这意味着 LLM 仅在初始编写和特定判断节点时使用，而不是在每次运行中都用于每个路由决策。

适用人群

• AI 代理开发者：使用 Cursor、Claude Code 或 OpenClaw 等工具，希望其代理能生成稳定、经过验证的工作流的人。
• 企业团队：需要严格编译时验证和防篡改执行轨迹以满足合规要求的组织。
• 自动化工程师：运行大量重复监控或定时任务，优先考虑降低编排 Token 消耗的用户。
• 跨平台部署者：需要单一工作流源代码，可输出到 LangGraph、Temporal 或 FastAPI 等多个目标的用户。

主要亮点

• Token 高效：与提示循环基线相比，重复任务的编排 Token 消耗降低 90–95%。
• 确定性运行时：一次编译，多次运行，无需为路由重复消耗 Token。
• MCP 集成：提供 MCP 服务器，使任何 MCP 兼容代理均可编写、验证和运行 AINL 工作流。
• 多目标输出：支持将单一工作流源代码输出到不同编排框架。
• 代理间通信（A2A）适配器：可选的网络适配器，用于代理间通信。
• HTTP 机器支付：支持用于代理商业的 HTTP-402 支付配置文件。