Doğal dil komutlarını Intent → Effect → Snapshot olarak çalıştıran AI Task demosu

Merhaba.
Kişisel olarak geliştirdiğim açık kaynak kütüphane
"@manifesto-ai/core"u somut olarak göstermek için
AI-native task yönetimi demosu (TaskFlow) paylaşmak istiyorum.

TaskFlow, tamamlanmış bir ürün olmaktan ziyade,
"@manifesto-ai/core"un önerdiği yürütme modelinin
gerçek bir uygulamada nasıl çalıştığını
göstermek için hazırlanmış bir demo uygulamasıdır.

Bu projede denenen temel yapı şu şekilde:

• LLM yalnızca doğal dil → Intent yorumlamasından sorumlu
• Gerçek durum değişiklikleri açık Runtime kuralları (Effect) tarafından gerçekleştirilir
• Tüm sonuçlar Snapshot olarak kaydedilir; böylece yeniden üretim, doğrulama ve streaming mümkündür

Yani amaç, "LLM'in durumu doğrudan manipüle eden bir ajan" olması değil,
LLM'in bir derleyici gibi davranıp yürütmenin sistem tarafından üstlenildiği bir yapıyı somut olarak göstermekti.

Neden böyle bir yapıyı denedim

Mevcut agent kalıplarında şu sorunları gördüm.

• Durum geçişleri LLM içindeki reasoning'in içine gömülüyor
• Çalıştırma sonuçlarını yeniden üretmek zor
• Politika değişikliği veya debugging yapmak güç

Bu yüzden, anlamı (Intent) ve yürütmeyi (Effect) ayıran runtime merkezli yapının
pratikte gerçekten geçerli olup olmadığını görmek için bir PoC hazırladım.

Demoda görülebilecekler

• Doğal dille task oluşturma / düzenleme / görüntüleme / View kontrolü gibi doğal etkileşimler
• Intent → Effect → Snapshot yürütme akışı
• SSE tabanlı streaming yanıtlar
• React + Zustand tabanlı UI projection

Bağlantılar

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

Proje hâlâ araştırma/deney aşamasında olduğu için eksik kalan birçok bölüm var.
Yapı ya da yönelim hakkındaki geri bildirimlere ve eleştirilere açığım 🙇‍♂️