Finyuus

Le langage de Finyuus est un petit langage dédié, écrit pour l'orchestration d'IA et non pour du scripting généraliste. Ses instructions couvrent les appels d'agents, les outils natifs et HTTP, les gardes, les approbations, les conditions, les boucles, les branches parallèles et les pipelines enfants. Comme les flux de travail sont du texte brut, vous pouvez les comparer en diff, les relire en pull request et réutiliser des morceaux entre projets. C'est toute la raison de son existence : un comportement d'IA que vous pouvez lire et comparer, et non un canevas plein de cases. Pas de cases. Juste du texte.

Chaque exécution s'appuie sur Temporal, ce qui rend les longues attentes et les pannes surmontables. Si un worker meurt en cours d'exécution, le flux de travail reprend depuis son état enregistré au lieu de recommencer. Les tentatives, l'annulation et l'orchestration des flux de travail enfants viennent de la même couche. Cela fonctionne, tout simplement. Pour qui a vu une tâche d'agent de plusieurs heures disparaître sur un plantage, c'est la fonctionnalité qui change la donne.

Les gardes sont des contrôles de politique fondés sur un LLM qui renvoient des champs comme allowed, confidence et reason. Un pipeline oriente l'exécution vers une branche autorisée ou bloquée, et vous pouvez vous appuyer sur des seuils de confiance plutôt que sur un oui ou non catégorique. C'est ainsi que vous empêchez un modèle de répondre directement à une question de conseil financier, ou que vous bloquez une sortie qui échoue à une politique de publication avant qu'elle n'atteigne un utilisateur. Idée simple. Différence énorme en pratique.

Les instructions d'approbation mettent un flux de travail en pause jusqu'à ce qu'un relecteur le résolve depuis le tableau de bord ou l'API. Vous définissez un responsable, un délai et une action à l'expiration, et le pipeline se ramifie en chemins approuvé et rejeté. C'est un vrai arrêt, pas une suggestion. Voilà la différence entre « on vérifiera plus tard » et un système qui arrête réellement une sortie risquée et attend une personne avant de continuer.

Les agents, gardes, outils, schémas et pipelines sont des objets enregistrés avec des épingles de version immuables. Vous écrivez pipeline:company_research@v2 et vous obtenez exactement cette version, pas ce que quelqu'un a modifié en dernier. Épinglez. Passez à la suite. Les pipelines enfants peuvent être appelés directement ou encapsulés comme outils d'agent, donc un changement à un endroit ne se propage pas en silence dans tous les flux de travail qui en dépendent.

N'importe quel pipeline peut être publié comme point de terminaison HTTP, avec authentification par jeton Bearer, limitation de débit adossée à Redis, clés d'idempotence et validation des entrées. Les événements envoyés par le serveur diffusent les mises à jour d'exécution à l'appelant, et les approbations génèrent leurs propres événements. Les limites de processus sont par défaut de 300 requêtes par minute au total et de 120 par point de terminaison, toutes configurables via des variables d'environnement. Des valeurs par défaut raisonnables. Faciles à remplacer.

Les traces, l'usage des jetons et les coûts de modèle arrivent dans Langfuse, tandis que les données applicatives et les tables de pipeline vivent dans ClickHouse. L'historique d'exécution, les résultats des gardes et les décisions d'approbation sont visibles dans le tableau de bord. Le but n'est pas d'avoir plus de tableaux de bord pour eux-mêmes. C'est qu'un système d'IA fragmenté n'a en général aucun endroit unique pour répondre à « que s'est-il réellement passé dans cette exécution ? »

Les fichiers et les gros artefacts vont vers un stockage d'objets configurable, qui utilise par défaut MinIO local et peut basculer vers AWS S3 avec quelques variables d'environnement. Le DSL lit et écrit les fichiers et les tables adossées à ClickHouse comme des instructions de premier ordre, donc les opérations sur des données structurées se trouvent dans le flux de travail au lieu d'un service à part. Pas de service supplémentaire à surveiller.