00 · 愿景、范围与设计原则

状态：v0.1（2026-11）· 本文是所有后续设计的约束文件。

0.1 一句话

用交互网做两件事：把"计算是什么"讲清楚，把"多 Agent 怎么可靠地一起计算"做出来。

Netbook：让一个没学过 λ 演算的人，在 30 分钟内可以亲手构造一张网、点火一条规则、看到 λ 项如何在图上归约，并理解"为什么共享能省掉指数级重复"。
Ainet：让一个 Agent 工程师可以用声明式的网描述拓扑、用局部规则描述行为，得到确定性重放、能力安全、成本可控、可可视化调试的多 Agent 运行时。

0.2 问题：今天的多 Agent 系统缺什么

以 2026 年主流框架（LangGraph、AutoGen、CrewAI、Temporal + 自研、Ray、MCP/A2A）为参照，共性缺口：

缺口	现状	后果
可复现性	日志 + 快照；LLM 输出、工具结果、调度顺序都可能变	线上事故无法稳定复现；回归测试脆弱
权限边界	Agent 通常拿到整个工具注册表 / 网络 / 文件系统	prompt injection 可直接外泄数据或执行危险操作
共享与重复计算	相同上下文/子结果靠字符串缓存、向量库或人工复用	token 成本高；缓存失效难追踪
并发语义	DAG、队列、actor 混用；依赖靠框架约定	死锁、竞态、重试雪崩难以形式化分析
可解释性	日志是时间线，不是因果图	说不清"这个结论是哪几条消息、哪几次工具调用推出来的"
成本调度	先到先服务或简单优先级	预算超支；关键路径被低价值任务堵住

这些不是"再包一层 API"能解决的，需要换一个计算模型：把 Agent 的通信、状态、共享、并发都变成同一种可分析的对象。

0.3 为什么选交互网

交互网性质	对 Agent 基础设施的意义
局部重写：规则只依赖活跃对	天然并行、可分布；每一步可独立调度、记录、重放
强合流：不同归约顺序得到同一范式	纯计算部分调度无关；重放与迁移不改变结果
线性/仿射：每个端口恰好一条线	端口即能力（capability）；无隐式别名，无 ambient authority
显式复制/擦除：δ/ε 是图的一部分	共享与丢弃是结构化的，可计量、可优化、可审计
通用性：交互组合子可编码任意计算	不必为每种 Agent 模式发明新语义；λ、数据流、状态机都可编译进来
图即 trace	可视化不是后处理，而是运行时本身的数据结构

但必须诚实：标准交互网不足以直接做并发系统。Mazza 的博士论文明确指出，交互网是"完全异步、无全局同步"的，因而"作为并发计算模型从一开始就是 doomed"——它无法表达冲突、等待、死锁。解决方向是 multiport interaction nets（保守扩展，表达能力等价于 π 演算），加上显式的 effect 与 location 层。

这正是 Ainet 的立足点：保留交互网的纯核，在其上做可控的同步、效果与分布扩展，而不是把交互网硬拗成 actor 框架。

0.4 两条轨道，一个内核

                 ┌──────────────────────────────┐
                 │        ain-core (Rust)       │
                 │  net IR · rules · reducer    │
                 │  trace · cost · determinism  │
                 └──────────────┬───────────────┘
                    ┌───────────┴───────────┐
                    │                       │
          ┌─────────▼─────────┐   ┌─────────▼──────────┐
          │  ain-wasm         │   │  ain-runtime/sched  │
          │  Netbook 教材     │   │  Ainet 生产运行时    │
          │  可视化调试器      │   │  多机调度网络        │
          └───────────────────┘   └────────────────────┘

共享内核的硬约束：Netbook 里演示的规则、归约顺序、trace 语义，必须与生产运行时同一份代码。教材不允许有一套"简化版语义"。

0.5 要做什么

轨道 A · Netbook（MVP → v1）

9 章交互式课程：图重写 → 端口/线 → 活跃对 → 交互组合子 → λ 编码 → 共享与最优 → 类型/线性 → 并发/调度 → Agent 网。
一个真正的网编辑器：拖拽 Agent、连接端口、规则点火、单步/回放/断点。
一个客户端 λ→网编译器，左右对照归约。
一个共享实验室：同一程序 naive vs sharing，实时显示交互数、最大并行度、关键路径。
一个 Agent 实验室：用 mock LLM 搭 3 Agent 流水线，显示消息、成本、重放。
中文/英文，离线可用，可分享 permalink。

轨道 B · Ainet（MVP → v1）

计算模型 AIN：标准交互网 + 状态化 Agent + multiport 同步 + Effects + Locations + 监督 + 成本。
语言 Ainet：Core（显式网/规则）与 Flow（Agent DSL）双层；线性端口、session 类型、effect row。
运行时 aind：单机多线程（work stealing、原子链接、区域内存）→ 分布式（cell ownership、remote wires、迁移、检查点、故障恢复）。
确定性：纯核强合流；Effects 记录 + 重放；well-typed session 保证因果顺序。
安全：端口即能力；工具能力显式注入、可撤销；WASM 沙箱；审计链。
可观测：交互级 trace、因果图、成本账本、可视化调试器。
SDK：TypeScript 优先，Python 次之；可嵌入现有应用。

0.6 不做什么（至少 v1 前）

不做通用 GPU 运行时。HVM2/ingpu 已经很强；我们在需要时把纯计算子网编译到 HVM/IC 后端，而不是重造 GPU 调度。
不做通用定理证明器。类型系统服务于 Agent 协议与资源安全，不追求依赖类型。
不做又一个 LLM 应用框架。不提供 prompt 模板市场、RAG 全家桶、UI 组件库；只做"编排与执行"的底层。
不要求用户先学 λ 演算。Flow 层对 Agent 工程师友好；Core 层给需要精确控制的人。
不在 v1 做跨公网拜占庭容错。假设受信集群 + TLS；恶意节点安全是后续工作。
不做完全自动的 Agent 生成。我们提供结构，不提供"自动 Agent 社会"的噱头。

0.7 设计原则

Locality first：任何规则只读它连接的两个 cell；任何跨节点行为都必须显式建模为消息。
Determinism by construction：纯核强合流；效果用日志固定；调度器不允许改变可观察结果。
Capability, not permission：没有全局工具表；能力就是一根线，断开即撤销。
Structure over convention：并发、共享、监督都是图上的结构，不是文档里的约定。
Visual is a first-class output：trace 必须能直接渲染成网；调试器与教材共用渲染器。
Cost is a first-class type：每个规则、每个 effect 都有成本；预算可以传递、可以拒绝。
Spec before code：先写操作语义与测试（golden trace），再写优化。
Small core, many adapters：核心演算保持小；LLM/工具/存储/协议都通过 effect 适配器接入。

0.8 成功标准（12 个月）

Netbook

新用户 30 分钟内完成第 1–3 章，能独立解释"活跃对"和"为什么规则是局部的"。
章末测验通过率 ≥ 85%（首次尝试）。
2,000 cells 的网在 M1 MacBook Air 上 ≥ 55 fps；首屏（不含 WASM）< 1.5s。
规则动画与参考解释器 100% 一致（golden trace 测试）。
至少 3 所高校/课程将其作为辅助教材（定性）。

Ainet

3 Agent 研究流水线端到端跑通；同一输入重放 100 次，最终网与 effect trace 完全一致。
单节点 8 核：纯网 ≥ 20M interactions/s（单核 ≥ 5M）；Agent 编排 ≥ 20k message/s；p99 调度延迟 < 10ms。
3 节点集群：1 节点被杀，任务在 5s 内恢复（从检查点 + 重放）。
能力隔离演示：被注入的 Agent 无法访问未连接的 tool 端口（形式化 + 渗透测试）。
成本账本精确到每次 LLM 调用；预算耗尽时优雅拒绝而非超支。

0.9 关键术语

术语	含义
Agent（网意义）	一个带 principal/auxiliary 端口的 cell；不是 LLM 人格
Active pair	两个 principal 端口相连，可触发规则
Redex	一次可归约的活跃对；调度的最小单位
Interaction	一次规则点火（图重写）
Normal form	没有活跃对的网
Effect	规则之外的副作用（LLM、HTTP、工具、人工审批）
Capability	一根线/一个端口所授予的通信权
Location	cell 的归属节点；跨 location 的线是远程通道
Trace	交互与 effect 的有序事件流，可重放
AIN	Agent Interaction Nets，本项目的计算模型
Ainet	面向开发者的语言/运行时

0.10 命名与品牌（工作名）

Netbook：交互教材。备选：NetLab、Inet Book。
Ainet：语言/运行时。备选：Ain、NetFlow（与现有产品冲突）、InetKit。
AIN：演算名。与"Artificial Intelligence Network"缩写冲突，文档中首次出现时写全称。

命名可在 M1 前通过域名/商标检索后调整；代码内部 crate 名 ain-* 保持稳定。

在 GitHub 编辑本文