เดโม AI Task ที่รันคำสั่งภาษาธรรมชาติด้วย Intent → Effect → Snapshot

สวัสดีครับ
ผมขอแชร์เดโมสำหรับจัดการงานแบบ AI-native (TaskFlow) ที่ทำขึ้นเพื่อสาธิตการใช้งานของ "@manifesto-ai/core" ซึ่งเป็นไลบรารีโอเพนซอร์สที่ผมกำลังพัฒนาอยู่เป็นการส่วนตัว

TaskFlow ไม่ได้เป็นโปรดักต์ที่เสร็จสมบูรณ์หนึ่งตัวเสียทีเดียว แต่เป็นเดโมแอปพลิเคชันที่สร้างขึ้นเพื่อแสดงให้เห็นว่าโมเดลการทำงานที่เสนอใน "@manifesto-ai/core" ทำงานอย่างไรในแอปจริง

โครงสร้างหลักที่ทดลองในโปรเจกต์นี้มีดังนี้

• LLM รับหน้าที่เพียงตีความจากภาษาธรรมชาติ → Intent
• การเปลี่ยนสถานะจริงดำเนินการโดย กฎ Runtime แบบชัดเจน (Effect)
• ผลลัพธ์ทั้งหมดถูกบันทึกเป็น Snapshot จึงสามารถทำซ้ำ ตรวจสอบ และสตรีมได้

กล่าวคือ แทนที่จะเป็น "เอเจนต์ที่ LLM จัดการสถานะโดยตรง" โปรเจกต์นี้ต้องการสาธิตโครงสร้างที่ LLM ทำหน้าที่เหมือนคอมไพเลอร์ และให้ระบบเป็นผู้รับผิดชอบการรันจริง

ทำไมถึงทดลองโครงสร้างแบบนี้

ในแพตเทิร์น agent แบบเดิม มีปัญหาดังต่อไปนี้

• การเปลี่ยนผ่านของสถานะถูกกลบอยู่ภายใน reasoning ของ LLM
• ยากที่จะทำให้ผลการรันสามารถทำซ้ำได้
• รู้สึกว่ามีข้อจำกัดในการเปลี่ยนนโยบายหรือดีบัก

ดังนั้นจึงสร้าง PoC เพื่อดูว่าโครงสร้างที่ยึด runtime เป็นศูนย์กลาง โดยแยกความหมาย (Intent) ออกจากการรัน (Effect) จะใช้ได้จริงหรือไม่

สิ่งที่ดูได้ในเดโม

• อินเทอร์แอ็กชันที่เป็นธรรมชาติ เช่น การสร้าง / แก้ไข / ดู task และการควบคุม View ด้วยภาษาธรรมชาติ
• โฟลว์การรันแบบ Intent → Effect → Snapshot
• การตอบสนองแบบสตรีมมิงบนพื้นฐาน SSE
• UI projection ที่พัฒนาด้วย React + Zustand

ลิงก์

• Demo: https://taskflow.manifesto-ai.dev
• Core (@manifesto-ai/core): https://github.com/manifesto-ai/core
• TaskFlow Repo: https://github.com/manifesto-ai/taskflow

โปรเจกต์นี้ยังอยู่ในขั้นวิจัย/ทดลอง จึงยังมีหลายส่วนที่ไม่สมบูรณ์
ยินดีรับทั้งฟีดแบ็กและคำวิจารณ์เกี่ยวกับโครงสร้างหรือทิศทางของโปรเจกต์ครับ 🙇‍♂️