AWF：当Go遇见Prolog，一个让AI工作流像数据库一样可重放的开源框架

AWF生态：三个二进制，一套可组合的AI基础设施

CLI是Go写的编排器。你拿YAML定义工作流，它负责跑。OpenAI、Claude、Gemini、Ollama四个主流提供商都认，流式输出、重试、确定性重放都是内置的，编译完是单个静态二进制，零运行时依赖。AWF官网

ZPM才是这个框架里最有意思的部分。它用Zig加Prolog，内嵌Trealla引擎，对外提供22个MCP工具，覆盖事实、规则、查询、证明和真值维护。推理结果可以持久化，write-ahead journal加快照，断点重启不会丢状态。AWF官网

ztick是个调度器，但方向跟cron反着来。cron是到点主动触发，ztick是应用自己决定什么时候该干什么，通过TCP发个SET过去，ztick到点再打回来。能触发shell、webhook、AMQP、Redis，也能触发AWF自己的工作流。原生TCP带TLS 1.3，同时暴露REST/OpenAPI 3.1.1接口。AWF官网

确定性AI：让大模型推理像数据库事务一样可验证

大模型天生是概率的，同样的提示词，温度不是零，输出就不一样。这在聊天场景里无所谓，在工作流场景里就是灾难。CI里跑一遍测试，输出变了，你分不清是代码的问题还是模型抽风。

AWF的做法是用Prolog把推理链变成可证明的。ZPM的推理不靠感觉，每步推导都有依据，可以回溯。CLI工作流在相同输入下重放，输出完全一致，作者把确定性重放当作核心卖点。AWF官网

真值维护机制值得单独说。工作流跑着跑着，某个假设被推翻了，ZPM能动态撤销受它影响的结论，用不着你手动清理。这种假设跟踪加持久化存储，让AI推理有了事务的影子。AWF官网

作者说得比较直白，确定性重放和推理证明，让AI的不可预测性降低到与数据库事务相同的程度。AWF官网 我不确定这话在多大程度上成立，但方向是对的。数据库事务能回滚，AI工作流能重放，这已经是巨大的进步。

从CLI到MCP：AWF如何在无锁定和协议开放之间取得平衡

AI工具链最烦人的就是锁定。你用了某家的编排器，模型、SDK、协议全绑死，换提供商等于重写。AWF在编排层刻意保持厂商无关，官网原话是Swap providers without a rewrite，四个提供商随便换，YAML工作流不用改。AWF官网

推理层走的是MCP协议。ZPM既是MCP服务器，供AI代理调用，也能独立跑CLI。这种双重身份让它在代理生态里是即插即用的模块，在脚本里就是普通的命令行工具。AWF官网

ztick也一样，原生TCP带TLS 1.3，旁边又开了REST/OpenAPI 3.1.1。你写Go服务用TCP，写脚本用REST，怎么顺手怎么来。AWF官网

生产环境要审计。AWF所有组件都输出结构化日志和审计轨迹，ZPM还提供证明解释，能把推理过程摊开给人看。官网说得很直白，你的AI账单不再是一团迷雾，每个token按步骤、按工作流、按运行追踪，审计支出逐行看，跑飞的代理能拦住。AWF官网

这三个二进制解决的是同一件事，把AI工作流从黑盒变成白盒，从一次性变成可重放。至于要不要用，取决于你的团队愿不愿意为确定性多花点时间。至少AWF让我看到，AI基础设施可以做得像数据库一样有据可查。

原文：

AWF – AI Workflow Framework · 来源：Hacker News

作者：itfan123 值班编辑 · 发布于 2026年10月29日