AENET ทำอะไรได้บ้าง?

ปัญหาที่แก้

การสร้างขนาดใหญ่ต้องการบันทึกสาธารณะที่ตรวจสอบได้ว่ากำลังพัฒนาอะไร ตามลำดับอะไร และอยู่ในสถานะใด — โดยไม่เปิดเผยเครื่องมือภายใน

เหมาะสำหรับ

ผู้สังเกตการณ์ ผู้ร่วมพัฒนา และผู้ปฏิบัติการที่ต้องการติดตามแผนงานและความคืบหน้าของ AENET อย่างตรงไปตรงมา

ภาพรวม

คิวพัฒนาเป็นระบบสาธารณะที่ใช้งานจริง: state machine มาตรฐาน (DISCOVERED → SPECIFIED → BUILDING → VERIFYING → PREVIEW → RELEASED) บันทึกในสแนปช็อตสาธารณะและสะท้อนในบันทึกการพัฒนาหนึ่งรายการต่อเวอร์ชันเกตเวย์

ขั้นตอนการทำงาน

1. รายการงานเข้าสู่คิวพร้อมสถานะและพิกัดที่ชัดเจน
2. สแนปช็อตคิวถูกเผยแพร่ไปที่ public-data/development-queue.public.json
3. แต่ละเวอร์ชันเกตเวย์ถูกเขียนลงบันทึกการพัฒนาสาธารณะ
4. ผู้สังเกตติดตามสถานะอย่างตรงไปตรงมา — ไม่มีเปอร์เซ็นต์ความคืบหน้าปลอม
5. คำขอทดลองใช้ล่วงหน้าเข้าร่วมคิวผ่านเส้นทางเขียนสาธารณะเส้นเดียว

ระบบที่เกี่ยวข้อง

• Development Queue
• AENET Cloud Public

สถาปัตยกรรมที่เกี่ยวข้อง

• /th/architecture#development-flow

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

ปัญหาที่แก้

ระบบนิเวศ AI สาธารณะต้องการวิธีวิจัยและบันทึกภาษา (ตระกูล K, สัญญา KAP) โดยไม่เปิดเผยคลังส่วนตัวหรือแต่งหลักฐาน

เหมาะสำหรับ

นักภาษาศาสตร์ นักวิจัยภาษา และผู้อ่านที่อยากรู้ว่า AENET บันทึกงานภาษาของตนอย่างตรงไปตรงมาอย่างไร

ภาพรวม

AENET บันทึกงานภาษาสองสายในที่สาธารณะ: KAP รูปแบบสัญญาประกาศที่ใช้งานจริงพร้อมคู่หู JSON ที่ตรวจด้วยเครื่องในคลังนี้ และ K Language ซึ่งรายละเอียดภายในถูกระบุอย่างตรงไปตรงมาว่า insufficient-public-evidence เพราะคลังสาธารณะไม่ได้บันทึกมัน

ขั้นตอนการทำงาน

1. สัญญา KAP ถูกเขียนเป็นไฟล์ .kap แบบประกาศ (เว็บ การนำทาง เนื้อหา การจราจร)
2. คู่หู JSON รันไทม์ใน contracts/ ถูกตรวจด้วยเครื่องผ่าน npm run check
3. สัญญาภาษา (contracts/public-language.contract.json) กำหนดพฤติกรรมภาษาให้คงที่
4. knowledge block บันทึก KAP เป็น active และ K Language เป็น insufficient-public-evidence
5. ฝั่งสาธารณะไม่เคยอ่านหรือเขียนคลัง K Language ส่วนตัว

ระบบที่เกี่ยวข้อง

• KAP Language
• K Language
• AENET Cloud Public

สถาปัตยกรรมที่เกี่ยวข้อง

• /th/architecture#public-private-boundary
• /th/architecture#search-flow

งานวิจัยที่เกี่ยวข้อง

• /en/research/public-observation-model

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)

ปัญหาที่แก้

ระบบนิเวศ AI ต้องการเราเตอร์ที่ส่งแต่ละคำขอไปยังโมเดลที่ถูกต้อง — แต่วันนี้โมเดลเราเตอร์เป็นส่วนตัว หลักฐานสาธารณะจึงบันทึกได้เพียงการออกแบบ

เหมาะสำหรับ

ผู้สร้าง AI ที่ประเมินสถาปัตยกรรมการจัดเส้นทางและการอนุมานของ AENET

ภาพรวม

AENET Model Router คือระบบส่วนตัวที่รับผิดชอบการจัดเส้นทางคำขอไปยังโมเดลที่ถูกต้อง ถูกบันทึกในแบบจำลองความรู้สาธารณะในฐานะระบบส่วนตัว — หลักฐานสาธารณะครอบคลุมบทบาท ข้อมูลนำเข้าและผลลัพธ์ ไม่ใช่พฤติกรรมจริง

ขั้นตอนการทำงาน

1. คำขอมาถึงโมเดลเราเตอร์ (ส่วนตัว)
2. เราเตอร์เลือกโมเดลเป้าหมายตามคำขอ
3. เอเจนต์รันไทม์ทำงานด้วยโมเดลที่เลือก
4. ผลลัพธ์ไหลผ่านสไปน์ (ส่วนตัว)
5. เฉพาะความรู้ที่ทำความสะอาดเกี่ยวกับการไหลนี้เป็นสาธารณะ — ไม่ใช่ข้อมูลจริง

ระบบที่เกี่ยวข้อง

• AENET Model Router
• AENET Agent Runtime
• AENET Spine

สถาปัตยกรรมที่เกี่ยวข้อง

• /th/architecture#data-flow

งานวิจัยที่เกี่ยวข้อง

• /en/research/public-observation-model

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

ปัญหาที่แก้

การสร้างที่ซับซ้อนต้องการเอเจนต์เฉพาะทางหลายตัวทำงานร่วมกัน — แต่เอเจนต์รันไทม์และ core ของ AENET เป็นส่วนตัว หลักฐานสาธารณะจึงบันทึกสถาปัตยกรรม ไม่ใช่การรันจริง

เหมาะสำหรับ

ผู้สร้าง AI และนักวิจัยที่ศึกษาการประสานงานหลายเอเจนต์

ภาพรวม

AENET บันทึกเอเจนต์รันไทม์ core ความจำ และสไปน์เป็นระบบส่วนตัวที่ประสานเอเจนต์เฉพาะทาง เนื่องจากเป็นส่วนตัว ชั้นสาธารณะจึงแสดงเพียงบทบาท ขอบเขต และการพึ่งพา — ไม่มีตัวเลขการทำงานปลอม

ขั้นตอนการทำงาน

1. เป้าหมายการสร้างถูกแบ่งเป็นงานของเอเจนต์ (core ส่วนตัว)
2. เอเจนต์เฉพาะทางทำงานด้วยเอเจนต์รันไทม์ (ส่วนตัว)
3. การจัดเส้นทางโมเดลเลือกโมเดลที่ถูกต้องต่องาน (ส่วนตัว)
4. ความจำและสไปน์ประสานสถานะ (ส่วนตัว)
5. ฝั่งสาธารณะได้รับเฉพาะความรู้และสแนปช็อตที่ทำความสะอาด

ระบบที่เกี่ยวข้อง

• AENET Agent Runtime
• AENET Core
• AENET Spine
• AENET Model Router

สถาปัตยกรรมที่เกี่ยวข้อง

• /th/architecture#data-flow
• /th/architecture#development-flow

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

ปัญหาที่แก้

ระบบนิเวศ AI ต้องการการแสดงตนต่อสาธารณะที่ไม่มีวันกลายเป็นพื้นผิวโจมตี ช่องควบคุม หรือจุดรั่วไหลของความเป็นส่วนตัว

เหมาะสำหรับ

ผู้เยี่ยมชม คู่ค้า และผู้ปฏิบัติการที่ต้องการสังเกตการสร้าง AENET โดยไม่มีเส้นทางใดเข้าสู่ core ส่วนตัว

ภาพรวม

AENET Cloud Public คือชั้นสังเกตการณ์แบบอ่านอย่างเดียวที่เปิดใช้งานจริง: สแนปช็อตที่ทำความสะอาด หน้าสถิต Public API v1 ที่มีขอบเขต และช่องทางการจราจรนิรนาม — อยู่หลังขอบเขตทางเดียวที่เคร่งครัดซึ่งไม่เคยถึง AENET Core ส่วนตัว

ขั้นตอนการทำงาน

1. core ส่งออกสแนปช็อตที่ทำความสะอาดผ่านเกตเวย์สาธารณะ
2. ชั้นสแนปช็อตเผยแพร่หน้าสถิต + ข้อมูล JSON สาธารณะ
3. Public API v1 ให้บริการจุดเชื่อมต่อแบบอ่านอย่างเดียว (/api/v1/time, /api/v1/status, …)
4. ผู้เยี่ยมชมอ่านหน้า งานวิจัย และอภิธานศัพท์; การจราจรนิรนามถูกสรุป ไม่เคยถูกระบุตัวตน
5. ไม่มีสิ่งใดจากฝั่งสาธารณะเขียน เรียก หรือเข้าถึง AENET Core ได้

ระบบที่เกี่ยวข้อง

• AENET Cloud Public
• Public Snapshot Layer
• Public API
• AENET Core

สถาปัตยกรรมที่เกี่ยวข้อง

• /th/architecture#public-private-boundary
• /th/architecture#public-gateway

งานวิจัยที่เกี่ยวข้อง

• /en/research/public-observation-model
• /en/research/aenet-public-entrance

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

ปัญหาที่แก้

งานวิจัย งานภาษา และความรู้เกี่ยวกับระบบต้องถูกจัดระเบียบ ค้นหาได้ และอิงหลักฐาน แทนที่จะกระจัดกระจายเป็นเอกสาร

เหมาะสำหรับ

นักวิจัย นักภาษา และผู้อ่านที่อยากได้แบบจำลองความรู้ที่ค้นหาได้และอิงหลักฐาน

ภาพรวม

ฝั่งสาธารณะจัดความรู้เป็นแบบจำลองการค้นหา: knowledge block หลายภาษา กราฟความสัมพันธ์ คำศัพท์ และ Go Search Compiler ที่เปลี่ยนทั้งหมดเป็นหน้าสถิตที่คลานได้ KAP Language ใช้งานจริง ส่วน K Language ถูกระบุว่า insufficient-public-evidence อย่างตรงไปตรงมา

ขั้นตอนการทำงาน

1. knowledge block (ระบบ สถาปัตยกรรม แนวคิด) ถูกดูแลจากหลักฐานสาธารณะ
2. กราฟความสัมพันธ์เป็นแหล่งเดียวของระบบที่เกี่ยวข้อง
3. Go Search Compiler ตรวจสอบและเรนเดอร์หน้าสถิตหลายภาษา
4. หน้าหลายภาษาจะไม่ถูกจัดดัชนีจนกว่าการแปลจะสมบูรณ์
5. ข้อเท็จจริงที่ไม่มีหลักฐานสาธารณะถูกระบุว่า insufficient-public-evidence — ไม่เคยถูกแต่งขึ้น

ระบบที่เกี่ยวข้อง

• K Language
• KAP Language
• AENET Memory
• Public Snapshot Layer

สถาปัตยกรรมที่เกี่ยวข้อง

• /th/architecture#search-flow

งานวิจัยที่เกี่ยวข้อง

• /en/research/public-observation-model

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