LLMエージェントの実行を決定論的に検証するための World / State モデル

LLMベースのエージェントを作る中で実際に経験した失敗をもとに、
すでに動作しているシステムのアーキテクチャと、その設計理由を文書として整理しました。

この文書は単なるアイデアメモではなく、
エージェントがなぜ「done」と言うのに実際には何も起きないのか、
なぜ実行結果をモデルの推論ではなく外部世界の状態で検証すべきなのか、といった
問題を実装を通じて解決しようとした構造を説明しています。

要点は次のとおりです。

• エージェントは状態を直接変更せず、intent だけを提案する
• 状態遷移は決定論的な計算によって検証される
• 「完了」かどうかは常に世界の状態によって判断される

この構造で動作するデモ(TaskFlow)はすでに存在しており、
現在公開されている文書は、そのシステムを可能にした
world / state / execution モデルを明示的に解き明かしたものです。

まだ1.0段階ではありませんが、
実行・検証・デバッグが可能なレベルのシステム上で整理された文書です。

Docs: https://docs.manifesto-ai.dev
Demo (working, early): https://taskflow.manifesto-ai.dev

[claude]

ShowGNに投稿してくださった Show GN: 자연어 명령을 Intent → Effect → Snapshot으로 실행하는 AI Task 데모 の解説記事ですね

[eggplantiny]

はい、実際にプロダクトがどのように構成されるかというアーキテクチャを解説するための文章です。
1.0vで安定化し、docsを整理したのを機に文章もまとめてみました。