sbhooley/ainativelang

解決的問題

AINL 解決了「提示迴圈」編排的低效率與不穩定性問題。在此方法中，AI 代理會反覆向 LLM 發送提示以決定工作流程的下一步。這種做法常導致程式碼損壞、重複任務的高 Token 成本，以及缺乏符合性稽核（例如 SOC 2/HIPAA）所需的決定性執行軌跡。

工作原理

AINL 是一種緊湊且圖標準的 AI 工作流程語言。開發者（或 AI 編碼代理）可在 .ainl 檔案中撰寫工作流程，然後編譯為決定性中間表示（IR）圖。執行時會決定性地執行此圖，表示 LLM 僅在初始撰寫與特定判斷節點時使用，而非每次執行中都用於每個路由決策。

適用對象

• AI 代理開發者：使用 Cursor、Claude Code 或 OpenClaw 等工具，希望其代理能產生穩定、經過驗證的工作流程的人。
• 企業團隊：需要嚴格編譯時驗證與防篡改執行軌跡以符合合規要求的組織。
• 自動化工程師：執行大量重複監控或定時任務，優先降低編排 Token 消耗的使用者。
• 跨平台部署者：需要單一工作流程來源，可輸出至 LangGraph、Temporal 或 FastAPI 等多個目標的使用者。

主要亮點

• Token 高效：與提示迴圈基線相比，重複任務的編排 Token 消耗降低 90–95%。
• 決定性執行時：一次編譯，多次執行，無需為路由重複消耗 Token。
• MCP 集成：提供 MCP 伺服器，使任何 MCP 相容代理均可撰寫、驗證與執行 AINL 工作流程。
• 多目標輸出：支援將單一工作流程來源輸出至不同編排框架。
• 代理間通訊（A2A）適配器：可選的網路適配器，用於代理間通訊。
• HTTP 機器支付：支援用於代理商業的 HTTP-402 支付設定檔。