10 · M2：单机 AIN 执行层

状态：核心切片完成（2026-11）。本文记录实际实现与规格的差异，避免把 M2 当成完整 Ainet。

10.1 实现了什么

crates/ain-runtime（新 crate）：

能力	实现
Stateful agents	每个 agent 有 `id/kind/config/state/inbox/ports`
确定性调度	单线程；按 agent id 字典序选下一个有消息的 inbox；FIFO
Effects	`EffectBus` + `mock llm` / `mock search`；同步调用；usage 记账
Budget	`{usd, tokens, steps}` 上限；超支返回 `BudgetExceeded`
Trace	`receive/act/send/effect/error/finish` 事件（JSON）
Replay	从 trace 的 effect 记录重放；校验 request hash + 最终 state hash
Outputs	没有 edge 的端口进入 `outputs["<agent>.<port>"]`

crates/ain-cli：

ain flow demo
ain flow run examples/research-pipeline.json
ain flow run examples/research-pipeline.json --save-trace examples/research-trace.json
ain flow replay examples/research-pipeline.json examples/research-trace.json

3 Agent demo（Researcher → Critic → Writer）：

Researcher：task → mock search → mock LLM → draft
Critic：draft → mock LLM → review
Writer：review → mock LLM → final（终端输出）
4 次 effect；约 0.0003 USD；7 步。

10.2 为什么不是纯交互网

标准交互网没有：

可寻址的 agent 信箱；
effect 请求/响应；
预算；
可重放的外部结果。

M2 按 docs/04-ain-model.md 的分层实现 L1（状态）+ L3（effects）+ L6（成本） 的运行时；纯计算/组合子仍由 ain-core 负责。Agent 间通信暂由运行时信箱管理（actor-style），而不是 session-typed net channel。这是有意的工程取舍：

先验证"确定性 + 能力 + 成本"是否真的可用；
避免在 M2 就陷入 session continuation / 通道重连的复杂语义；
M3 再把信箱降到 net wire + session types，做真正的图级分布。

10.3 数据流

FlowSpec (JSON)
   │
   ▼
Runtime (single node)
   ├── agents: BTreeMap<id, AgentState>   // state + inbox + ports
   ├── behaviors: kind -> Behavior        // researcher/critic/writer
   ├── effects: EffectBus                 // llm / search (mock)
   ├── ledger: tokens/usd/effects/steps
   └── log: Vec<Event>                    // trace + replay

调度：

loop {
  agent = first inbox non-empty (id order)
  msg = agent.inbox.pop_front()
  action = behavior.handle(agent, msg)
  agent.state = action.state
  for (port, msg) in action.send { route or output }
  if action.effect { call; ledger.add; enqueue "effect" response }
}

10.4 重放

Runtime::replay_log(&log)：

从 Event::Effect 提取 (request_hash, response)。
重置 agents/ledger/outputs/step。
用相同 spec/behaviors 重跑；effect 请求必须匹配记录。
比较最终 state_hash 与 outputs。

测试：

replay_is_deterministic_100x：live 跑 100 次，state hash 全等。
replay_log_reproduces_state：从 trace 重放，state hash 与 outputs 全等。
失败路径：budget 超支、step 上限、未知 behavior。

10.5 与规格的差异

规格（docs/04–06）	M2 实际	顺延
AIN net 上的 state-indexed agents	运行时 `AgentState`	M3 编译到 net
Join/Select/session channels	运行时信箱 + ports map	M3
Effect cell（net 节点）	运行时 EffectBus	M3
单机多线程 + work stealing	单线程确定性	M3
WAL + fsync + checkpoint	JSON trace 文件	M3
文本 Ainet DSL	JSON `FlowSpec`	M3
真实 LLM/HTTP/tool	mock LLM/search	M3

10.6 下一步（M3）

ain-lang：解析 Ainet Flow 文本 → FlowSpec；类型检查 effect/budget/端口。
Session channels：把运行时信箱降到 net wire；Join/Select；死锁检查。
真实 effects：LLM provider、HTTP、工具沙箱；异步/超时/取消。
WAL/checkpoint：append-only log + 快照；崩溃恢复。
并行 runtime：多 worker、work stealing、原子链接（复用 ain-core）。
ain trace view：复用 Netbook 渲染器展示 flow/effect 时间线。

在 GitHub 编辑本文