自然言語の命令を Intent → Effect → Snapshot として実行する AI Task デモ

こんにちは。
個人的に開発中のオープンソースライブラリ
@manifesto-ai/core を実証するための
AIネイティブなタスク管理デモ（TaskFlow）を共有します。

TaskFlow は、一つの完成したプロダクトというより、
@manifesto-ai/core で提案している実行モデルが
実際のアプリでどのように動作するかを
示すためのデモアプリケーションです。

このプロジェクトで実験した中核構造は次のとおりです。

• LLM は自然言語 → Intent の解釈のみを担当
• 実際の状態変更は 明示的な Runtime ルール（Effect） が実行
• すべての結果は Snapshot として記録され、再現・検証・ストリーミングが可能

つまり、「LLM が直接状態を操作するエージェント」ではなく、
LLM はコンパイラのように振る舞い、実行はシステムが担う構造を実証しようとしました。

なぜこのような構造を試したのか

既存の agent パターンでは、次のような問題がありました。

• 状態遷移が LLM 内部の reasoning に埋もれてしまう
• 実行結果の再現が難しい
• ポリシー変更やデバッグが難しいという限界を感じた

そこで、意味（Intent）と実行（Effect）を分離した runtime 中心の構造が
実際に有効かどうかを確認するための PoC を作りました。

デモで見られるもの

• 自然言語による task の作成 / 修正 / 参照 / View 制御など、自然なインタラクション
• Intent → Effect → Snapshot の実行フロー
• SSE ベースのストリーミング応答
• React + Zustand ベースの UI projection

リンク

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

まだ研究・実験段階のプロジェクトのため、未完成な部分も多いです。
構造や方向性に関するフィードバック、批判も含めて歓迎します 🙇‍♂️