如何读懂和编写 AINL 工作流图从标签、分支到 strict 校验的 10 步入门路径【免费下载链接】ainativelangAINL helps turn AI from a smart conversation into a structured worker. It is designed for teams building AI workflows that need multiple steps, state and memory, tool use, repeatable execution, validation and control, and lower dependence on long prompt loops. AINL is a compact, graph-canonical, AI-native programming system for (READ: README)项目地址: https://gitcode.com/gh_mirrors/ai/ainativelang如果你想知道如何读懂和编写 AINL 工作流图这篇文章会带你走完整条 10 步入门路径。AINLAI Native LangAI 原生语言是一款图优先graph-canonical的紧凑型工作流语言它把 AI 从聪明的对话变成结构化的工作者多步骤、状态记忆、工具调用、可重复执行、可校验可控而不依赖冗长的提示词循环 一句话理解 AINL 工作流图标签是节点箭头是边整张图就是一段确定性执行的程序。你不需要读懂每一行代码只要会看站点和轨道就能读会它。概念通俗理解图里的角色标签L1:L2:工作流站点节点nodeJ返回站点出口终点/汇合点jumpIf分支岔路口带条件的边Call呼叫支线跨图调用call--strict发车前安检编译期静态校验一、读懂 AINL 工作流图5 个基础构件第 1 步建立图优先思维——标签即节点AINL 编译后的正典中间表示IR就是一张图节点 边。源代码只是这张图的一种书写方式。因此读 AINL 文件时把每个L1:、L2:标签想象成地图上的一个站点后面的步骤就是这个站点内的操作直到遇到出口为止。⚠️ 新手第一坑1:不等于L1:。没有L前缀的行号开不了标签步骤会被挂到匿名节点上。记住标签永远带L前缀。第 2 步读懂 S 服务声明头文件第一行通常是S声明相当于给整张工作流图挂一块门牌声明程序对外暴露的服务名、运行模式和基础路径例如S app core noop它不参与执行逻辑但校验器靠它判断图是否完整。第 3 步看懂 R 请求——工作流的动作引擎R是标签里最常用的步骤调用一个适配器完成实际动作并把结果绑定到变量。格式固定为适配器.动作 参数 -变量R core.ADD 2 3 -sum意思是调用内置core.ADD适配器计算 23结果存入变量sum。数据、LLM 调用、抓取、支付等动作都通过R 不同适配器完成——语言只描述做什么适配器负责怎么做。第 4 步J 返回值——每个标签的出口J sumJ把变量的值作为该标签的结果交回运行时相当于工作流图里节点的出口箭头。每个标签必须明确如何结束要么J返回要么被分支跳转到下一个标签。第 5 步If 分支与 Call/Loop——画好控制流If 条件 -L2 -L3岔路口。条件为真走L2否则走L3这是工作流图里带条件的边Call L2呼叫另一个标签作为子流程相当于图中一条call边Loop/While循环结构让某个子图重复执行。把If、Call、Loop连起来看你就掌握了 AINL 工作流图的全部控制流构件。二、编写 AINL 工作流图从 hello 到可运行第 6 步用官方 hello 示例起步仓库里最简示例 examples/hello.ainl 只有 4 行有效代码声明服务、定义L1标签、R调内置加法、J返回结果。把它当成 AINL 工作流图的最小可运行单元先读懂它再谈扩展。第 7 步动手改一行理解编译成图把示例里的R core.ADD 2 3 -sum改成R core.ADD 10 20 -sum你会直观感受到源码变了图里某个节点的参数变了其余结构不变。这种一处修改、图结构稳定的特性正是 AINL 支持语义 diff 和可审计变更的原因。想要更多变体写法可以看examples/compact/目录下的紧凑风格示例。第 8 步用 --strict 严格校验把关写完先校验再谈运行。推荐直接上严格模式ainl validate examples/hello.ainl --strict--strict会在编译期完成图结构、可达性、适配器契约、数据流等静态检查在花钱调用 LLM 之前就把错误拦下来。学习阶段可用宽松模式上线前务必开启 strict详见docs/getting_started/STRICT_AND_NON_STRICT.md的选型建议。校验失败时报告会精确到行号并给出提示照着修、再校验直到全绿 ✅。第 9 步ainl visualize 生成流程图自查文字读图累一条命令把 AINL 工作流图渲染成 Mermaid 流程图ainl visualize examples/hello.ainl --output -输出的流程图里标签是方框节点J是圆形出口If分叉出两条边——和第 1 步讲的站点与轨道一一对应。看懂渲染出的图就真正读懂了这张工作流图 。第 10 步ainl run 执行并查看轨迹ainl run examples/hello.ainl --json校验通过即可执行加上--log-trajectory还能在源文件旁生成逐步执行轨迹每一步走了哪个节点、返回什么值都清清楚楚。至此读图 → 写图 → 校验 → 可视化 → 运行的完整闭环已经打通。三、新手避坑清单与进阶路线常见错误正确做法用1:开标签一律写成L1:带L前缀想用X做普通赋值绑定字面量/变量用SetX只放真实表达式以为J是跳转J是返回跳转请用If/Call标签内混入声明类指令标签块内只放可执行步骤R、J、If、Call、Set 等进阶阅读路线按顺序即可无需通读全仓库入门教程docs/learning/basics/从安装到校验运行共 5 篇语言正式规范docs/AINL_SPEC.md词法、BNF 文法、执行模型核心与模块语法docs/language/AINL_CORE_AND_MODULES.mdstrict 规则细节docs/AINL_SPEC.md第 3.5 节示例分类与支持矩阵docs/EXAMPLE_SUPPORT_MATRIX.md最后总结AINL 工作流图的核心就是五个词——标签站点、R动作、J出口、If/Call轨道、strict安检。按上面 10 步走完你就能独立读懂并编写一张可上线的 AINL 工作流图 【免费下载链接】ainativelangAINL helps turn AI from a smart conversation into a structured worker. It is designed for teams building AI workflows that need multiple steps, state and memory, tool use, repeatable execution, validation and control, and lower dependence on long prompt loops. AINL is a compact, graph-canonical, AI-native programming system for (READ: README)项目地址: https://gitcode.com/gh_mirrors/ai/ainativelang创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考