USE CASES / PUBLIC MAP
AENET ทำอะไรได้บ้าง?
กรณีใช้งานของระบบนิเวศ AENET ที่อิงหลักฐาน: แต่ละกรณีแก้ปัญหาอะไร สำหรับใคร งานไหลผ่านระบบอย่างไร และพร้อมใช้งานแค่ไหนในปัจจุบัน
ทุกกรณีใช้งานด้านล่างเขียนจากหลักฐานใน repository สาธารณะเท่านั้น หากหลักฐานไม่เพียงพอ หน้าจะระบุไว้อย่างตรงไปตรงมา — AENET ไม่เคยแต่งคำกล่าวอ้างความสามารถ
D01INTENT
D02AUDIENCE
D03PROBLEM
D04WORKFLOW
D05SYSTEMS
D06EVIDENCE
D07STATUS
D08NEXT
02 / SCENARIO DIRECTORY
Read the ecosystem through concrete jobs.
คิวพัฒนาสาธารณะที่ตรงไปตรงมา
K.PUBLIC.USE_CASES.C10ภาพรวม
คิวพัฒนาเป็นระบบสาธารณะที่ใช้งานจริง: state machine มาตรฐาน (DISCOVERED → SPECIFIED → BUILDING → VERIFYING → PREVIEW → RELEASED) บันทึกในสแนปช็อตสาธารณะและสะท้อนในบันทึกการพัฒนาหนึ่งรายการต่อเวอร์ชันเกตเวย์
ปัญหาที่แก้
การสร้างขนาดใหญ่ต้องการบันทึกสาธารณะที่ตรวจสอบได้ว่ากำลังพัฒนาอะไร ตามลำดับอะไร และอยู่ในสถานะใด — โดยไม่เปิดเผยเครื่องมือภายใน
เหมาะสำหรับ
ผู้สังเกตการณ์ ผู้ร่วมพัฒนา และผู้ปฏิบัติการที่ต้องการติดตามแผนงานและความคืบหน้าของ AENET อย่างตรงไปตรงมา
ขั้นตอนการทำงาน
- รายการงานเข้าสู่คิวพร้อมสถานะและพิกัดที่ชัดเจน
- สแนปช็อตคิวถูกเผยแพร่ไปที่ public-data/development-queue.public.json
- แต่ละเวอร์ชันเกตเวย์ถูกเขียนลงบันทึกการพัฒนาสาธารณะ
- ผู้สังเกตติดตามสถานะอย่างตรงไปตรงมา — ไม่มีเปอร์เซ็นต์ความคืบหน้าปลอม
- คำขอทดลองใช้ล่วงหน้าเข้าร่วมคิวผ่านเส้นทางเขียนสาธารณะเส้นเดียว
ระบบที่เกี่ยวข้อง
สถาปัตยกรรมที่เกี่ยวข้อง
หลักฐาน
- knowledge/systems/development-queue.json (status: active)
- public-data/development-queue.public.json
- content/development-log/2026-08-16-public-gateway-v0*.md
- docs/DEVELOPMENT_QUEUE.md
ขั้นตอนถัดไป
อ่านบันทึกการพัฒนา จากนั้นขอทดลองใช้งานล่วงหน้า → ทดลองใช้งานล่วงหน้า
งานวิจัยภาษา K / KAP (อิงหลักฐานอย่างตรงไปตรงมา)
K.PUBLIC.USE_CASES.C11ภาพรวม
AENET บันทึกงานภาษาสองสายในที่สาธารณะ: KAP รูปแบบสัญญาประกาศที่ใช้งานจริงพร้อมคู่หู JSON ที่ตรวจด้วยเครื่องในคลังนี้ และ K Language ซึ่งรายละเอียดภายในถูกระบุอย่างตรงไปตรงมาว่า insufficient-public-evidence เพราะคลังสาธารณะไม่ได้บันทึกมัน
ปัญหาที่แก้
ระบบนิเวศ AI สาธารณะต้องการวิธีวิจัยและบันทึกภาษา (ตระกูล K, สัญญา KAP) โดยไม่เปิดเผยคลังส่วนตัวหรือแต่งหลักฐาน
เหมาะสำหรับ
นักภาษาศาสตร์ นักวิจัยภาษา และผู้อ่านที่อยากรู้ว่า AENET บันทึกงานภาษาของตนอย่างตรงไปตรงมาอย่างไร
ขั้นตอนการทำงาน
- สัญญา KAP ถูกเขียนเป็นไฟล์ .kap แบบประกาศ (เว็บ การนำทาง เนื้อหา การจราจร)
- คู่หู JSON รันไทม์ใน contracts/ ถูกตรวจด้วยเครื่องผ่าน npm run check
- สัญญาภาษา (contracts/public-language.contract.json) กำหนดพฤติกรรมภาษาให้คงที่
- knowledge block บันทึก KAP เป็น active และ K Language เป็น insufficient-public-evidence
- ฝั่งสาธารณะไม่เคยอ่านหรือเขียนคลัง K Language ส่วนตัว
ระบบที่เกี่ยวข้อง
สถาปัตยกรรมที่เกี่ยวข้อง
งานวิจัยที่เกี่ยวข้อง
หลักฐาน
- knowledge/systems/kap-language.json (status: active)
- knowledge/systems/k-language.json (status: insufficient-public-evidence)
- kap/*.kap + kap/README.md (declarative contracts)
- contracts/public-language.contract.json (locale contract)
ขั้นตอนถัดไป
อ่านรายละเอียดระบบ KAP Language จากนั้นอ่านแบบจำลองการสังเกตการณ์งานวิจัย → ทดลองใช้งานล่วงหน้า
การจัดเส้นทาง AI แบบโลคอลและโมเดล (ส่วนตัว มีเอกสาร)
K.PUBLIC.USE_CASES.C12ภาพรวม
AENET Model Router คือระบบส่วนตัวที่รับผิดชอบการจัดเส้นทางคำขอไปยังโมเดลที่ถูกต้อง ถูกบันทึกในแบบจำลองความรู้สาธารณะในฐานะระบบส่วนตัว — หลักฐานสาธารณะครอบคลุมบทบาท ข้อมูลนำเข้าและผลลัพธ์ ไม่ใช่พฤติกรรมจริง
ปัญหาที่แก้
ระบบนิเวศ AI ต้องการเราเตอร์ที่ส่งแต่ละคำขอไปยังโมเดลที่ถูกต้อง — แต่วันนี้โมเดลเราเตอร์เป็นส่วนตัว หลักฐานสาธารณะจึงบันทึกได้เพียงการออกแบบ
เหมาะสำหรับ
ผู้สร้าง AI ที่ประเมินสถาปัตยกรรมการจัดเส้นทางและการอนุมานของ AENET
ขั้นตอนการทำงาน
- คำขอมาถึงโมเดลเราเตอร์ (ส่วนตัว)
- เราเตอร์เลือกโมเดลเป้าหมายตามคำขอ
- เอเจนต์รันไทม์ทำงานด้วยโมเดลที่เลือก
- ผลลัพธ์ไหลผ่านสไปน์ (ส่วนตัว)
- เฉพาะความรู้ที่ทำความสะอาดเกี่ยวกับการไหลนี้เป็นสาธารณะ — ไม่ใช่ข้อมูลจริง
ระบบที่เกี่ยวข้อง
สถาปัตยกรรมที่เกี่ยวข้อง
งานวิจัยที่เกี่ยวข้อง
หลักฐาน
- knowledge/systems/aenet-model-router.json (status: private)
- knowledge/systems/aenet-agent-runtime.json (status: private)
- ARCHITECTURE.md — private core separation
- SECURITY.md — public side never reaches private systems
ขั้นตอนถัดไป
อ่านรายละเอียดระบบของโมเดลเราเตอร์ จากนั้นอ่านการไหลข้อมูลในสถาปัตยกรรม → ทดลองใช้งานล่วงหน้า
วิศวกรรมซอฟต์แวร์แบบหลายเอเจนต์ (สถาปัตยกรรม ไม่ใช่ผลรันจริง)
K.PUBLIC.USE_CASES.C13ภาพรวม
AENET บันทึกเอเจนต์รันไทม์ core ความจำ และสไปน์เป็นระบบส่วนตัวที่ประสานเอเจนต์เฉพาะทาง เนื่องจากเป็นส่วนตัว ชั้นสาธารณะจึงแสดงเพียงบทบาท ขอบเขต และการพึ่งพา — ไม่มีตัวเลขการทำงานปลอม
ปัญหาที่แก้
การสร้างที่ซับซ้อนต้องการเอเจนต์เฉพาะทางหลายตัวทำงานร่วมกัน — แต่เอเจนต์รันไทม์และ core ของ AENET เป็นส่วนตัว หลักฐานสาธารณะจึงบันทึกสถาปัตยกรรม ไม่ใช่การรันจริง
เหมาะสำหรับ
ผู้สร้าง AI และนักวิจัยที่ศึกษาการประสานงานหลายเอเจนต์
ขั้นตอนการทำงาน
- เป้าหมายการสร้างถูกแบ่งเป็นงานของเอเจนต์ (core ส่วนตัว)
- เอเจนต์เฉพาะทางทำงานด้วยเอเจนต์รันไทม์ (ส่วนตัว)
- การจัดเส้นทางโมเดลเลือกโมเดลที่ถูกต้องต่องาน (ส่วนตัว)
- ความจำและสไปน์ประสานสถานะ (ส่วนตัว)
- ฝั่งสาธารณะได้รับเฉพาะความรู้และสแนปช็อตที่ทำความสะอาด
ระบบที่เกี่ยวข้อง
สถาปัตยกรรมที่เกี่ยวข้อง
หลักฐาน
- knowledge/systems/aenet-agent-runtime.json (status: private)
- knowledge/systems/aenet-core.json (status: private)
- knowledge/systems/aenet-spine.json (status: private)
- SECURITY.md — no agent surface on the public side
ขั้นตอนถัดไป
อ่านรายละเอียดระบบเอเจนต์รันไทม์ จากนั้นอ่านขอบเขตสาธารณะ/ส่วนตัว → ทดลองใช้งานล่วงหน้า
หน้าต่างสาธารณะที่มีขอบเขตส่วนตัวที่เคร่งครัด
K.PUBLIC.USE_CASES.C14ภาพรวม
AENET Cloud Public คือชั้นสังเกตการณ์แบบอ่านอย่างเดียวที่เปิดใช้งานจริง: สแนปช็อตที่ทำความสะอาด หน้าสถิต Public API v1 ที่มีขอบเขต และช่องทางการจราจรนิรนาม — อยู่หลังขอบเขตทางเดียวที่เคร่งครัดซึ่งไม่เคยถึง AENET Core ส่วนตัว
ปัญหาที่แก้
ระบบนิเวศ AI ต้องการการแสดงตนต่อสาธารณะที่ไม่มีวันกลายเป็นพื้นผิวโจมตี ช่องควบคุม หรือจุดรั่วไหลของความเป็นส่วนตัว
เหมาะสำหรับ
ผู้เยี่ยมชม คู่ค้า และผู้ปฏิบัติการที่ต้องการสังเกตการสร้าง AENET โดยไม่มีเส้นทางใดเข้าสู่ core ส่วนตัว
ขั้นตอนการทำงาน
- core ส่งออกสแนปช็อตที่ทำความสะอาดผ่านเกตเวย์สาธารณะ
- ชั้นสแนปช็อตเผยแพร่หน้าสถิต + ข้อมูล JSON สาธารณะ
- Public API v1 ให้บริการจุดเชื่อมต่อแบบอ่านอย่างเดียว (/api/v1/time, /api/v1/status, …)
- ผู้เยี่ยมชมอ่านหน้า งานวิจัย และอภิธานศัพท์; การจราจรนิรนามถูกสรุป ไม่เคยถูกระบุตัวตน
- ไม่มีสิ่งใดจากฝั่งสาธารณะเขียน เรียก หรือเข้าถึง AENET Core ได้
ระบบที่เกี่ยวข้อง
สถาปัตยกรรมที่เกี่ยวข้อง
งานวิจัยที่เกี่ยวข้อง
หลักฐาน
- PUBLIC_BOUNDARY.md — one-way, snapshot-only, read-only boundary
- ARCHITECTURE.md — public gateway / private core separation
- knowledge/systems/aenet-cloud-public.json (status: preview)
- release/current.json — release 1.0.0-rc2
ขั้นตอนถัดไป
อ่านสถาปัตยกรรม จากนั้นสำรวจแผนที่ระบบ → ทดลองใช้งานล่วงหน้า
การจัดระเบียบงานวิจัยและความรู้ที่อิงหลักฐาน
K.PUBLIC.USE_CASES.C15ภาพรวม
ฝั่งสาธารณะจัดความรู้เป็นแบบจำลองการค้นหา: knowledge block หลายภาษา กราฟความสัมพันธ์ คำศัพท์ และ Go Search Compiler ที่เปลี่ยนทั้งหมดเป็นหน้าสถิตที่คลานได้ KAP Language ใช้งานจริง ส่วน K Language ถูกระบุว่า insufficient-public-evidence อย่างตรงไปตรงมา
ปัญหาที่แก้
งานวิจัย งานภาษา และความรู้เกี่ยวกับระบบต้องถูกจัดระเบียบ ค้นหาได้ และอิงหลักฐาน แทนที่จะกระจัดกระจายเป็นเอกสาร
เหมาะสำหรับ
นักวิจัย นักภาษา และผู้อ่านที่อยากได้แบบจำลองความรู้ที่ค้นหาได้และอิงหลักฐาน
ขั้นตอนการทำงาน
- knowledge block (ระบบ สถาปัตยกรรม แนวคิด) ถูกดูแลจากหลักฐานสาธารณะ
- กราฟความสัมพันธ์เป็นแหล่งเดียวของระบบที่เกี่ยวข้อง
- Go Search Compiler ตรวจสอบและเรนเดอร์หน้าสถิตหลายภาษา
- หน้าหลายภาษาจะไม่ถูกจัดดัชนีจนกว่าการแปลจะสมบูรณ์
- ข้อเท็จจริงที่ไม่มีหลักฐานสาธารณะถูกระบุว่า insufficient-public-evidence — ไม่เคยถูกแต่งขึ้น
ระบบที่เกี่ยวข้อง
สถาปัตยกรรมที่เกี่ยวข้อง
งานวิจัยที่เกี่ยวข้อง
หลักฐาน
- knowledge/systems/kap-language.json (status: active)
- knowledge/systems/k-language.json (status: insufficient-public-evidence)
- public-data/search-graph.public.json
- docs/PUBLIC_SYSTEM_MAP.md · docs/CONTENT_MODEL.md
ขั้นตอนถัดไป
ดูอภิธานศัพท์ จากนั้นอ่านดัชนีงานวิจัย → ทดลองใช้งานล่วงหน้า