哲学

​

動的計画が難しい中間地点である理由

AIエージェントの風景は2つのキャンプに分かれ、どちらも簡単な道を選びました。従来のワークフローエンジン（Dify、n8n、Coze）は静的オーケストレーションを選択しました。ビジュアルドラッグアンドドロップフローチャートと固定実行パスです。これは無知ではなく、エンタープライズ顧客は決定論を要求し（同じ入力で安定した出力）、静的グラフはそれを実現します。一方の極端では、完全に自律的なエージェント（AutoGPTとその派生物）はエンドツーエンドの自律性を約束しましたが、実用的ではないことが判明しました。信頼できないタスク分解、暴走するトークンコスト、そして誰も予測またはデバッグできない動作です。 スイートスポットは狭いですが、実在します。シンプルなタスクはプランナーを必要としません。数十の相互依存するステップが必要なほど複雑なタスクは、現在のLLMを圧倒します。しかし、その間には豊かな問題のクラスがあります。明確な並列サブタスクを持つタスクで、ハードコーディングするには退屈だが、LLMが分解するには実行可能です。動的DAG計画はこのゾーンをまさに対象としています。モデルが実行時に実行グラフを提案し、フレームワークが構造を検証して最大並行性で実行します。ドラッグアンドドロップなし、無謀な自律性なし。

​

モデル改善への賭け

数ヶ月ごとに基盤が変わる — GPT-4、function calling、Claude 3、MCP protocol。移動する地盤の上に厳密な抽象化を構築するのはリスキーだ。LangChainの過度な抽象化は、このスペースの誰もが内在化している警告の話だ。FIM Oneは逆のアプローチを取る：最小限の抽象化、最大限の拡張性。フレームワークはオーケストレーション、並行処理、可観測性を所有する。インテリジェンスはモデルから来ており、モデルは常に改善し続けている。 今日、LLM タスク分解の精度は、非自明な目標に対して約70-80%である。それが90%以上に達すると、動的計画の「スイートスポット」は劇的に拡大する — 昨日は複雑すぎた問題が明日は扱いやすくなる。FIM OneのDAGフレームワークは、配管を書き直すことなく、その拡大する価値をキャプチャするように設計されている。

​

ReActとDAGプランニングは廃止されるのか？

ReActは消えることはありません。オペレーティングシステムに吸収されるのです。類似の例として、TCPハンドシェイクを手書きすることはありませんが、TCPが消えたわけではなく、オペレーティングシステムに組み込まれました。モデルが十分に強力になると、think-act-observeループはフレームワークコードの明示的な部分ではなく、モデル内の暗黙的な動作になります。これはすでに起こっています。Claude Codeは本質的にはReActエージェントですが、ループは外部のハーネスではなくモデル自体によって駆動されています。 DAGプランニングの永続的な価値は「ダムなモデルがタスクを分解するのを支援する」ことではなく、並行スケジューリングです。無限に能力のあるモデルでも、物理的な制約があります。10個のLLM呼び出しの直列チェーンは3つの並列ウェーブの10倍の時間がかかります。DAGはエンジニアリング上の問題（物事を高速かつ確実に実行する方法）であり、インテリジェンスの問題（何を実行するかを決定する方法）ではありません。リトライロジック、コスト制御、タイムアウト管理、可観測性は、モデルがより賢くなっても消えることはありません。 最終的な形：モデルが「何を」を所有し（プランニングインテリジェンスはモデルに内在化）、フレームワークが「どのように」を所有する（並行処理、リトライ、監視、コスト管理）。フレームワークの永続的な価値はインテリジェンスではなく、ガバナンスです。

​

Difyのワークフローエディターをミラーリングしない理由

自然な質問です：DAGが柔軟なケースをカバーしているなら、決定論的なケースのための静的ワークフローエディターも構築すべきではないでしょうか？ いいえ。その理由は以下の通りです：

1. ワークフローは既に他の場所に存在しています。 政府および企業クライアントの固定プロセスは、彼らのOA、ERP、およびレガシーシステムに存在しています。彼らはそれらのフローを別のプラットフォームで再構築したくありません。彼らが望むのは、それらのフローが既に実行されているシステムに接続できるAIです。Connector Platform（v0.6）がこれを直接解決します。
2. 既存の機能は固定パイプラインに組み合わさります。 Scheduled Jobs（v1.0）は固定プロンプトでDAGエージェントをトリガーします。DAGは動的にステップを計画します。Connectors（v0.6）はターゲットシステムに接続します。この組み合わせは静的パイプラインと同等です。ただし、LLMが遭遇するデータに基づいてプランを調整できるため、より柔軟です。別のパイプラインDSLは不要です。
3. 投資のミスマッチ。 本番品質のビジュアルワークフローエディター（キャンバス、ノードタイプ、変数の受け渡し、デバッグ/リプレイ）は、数ヶ月の専任の努力が必要です。その結果は、Difyの120K星のコミュニティが既に保守している低忠実度のコピーになります。その努力は、Connector アーキテクチャに費やす方が良いです。これは競合他社が提供していない機能です。

戦略的な賭け：ワークフロー可視化では競争しない。システムとAIが出会うハブであることで競争する。Difyに「AIワークフローを視覚的に構築する」を任せてください。FIM Oneは「システムとAIが出会うハブ」を所有しています。

​

FIM Oneの立場

FIM Oneは「AGIタスクスケジューラー」ではなく、静的なワークフローエンジンでもありません。中間領域を占めています：制約のある計画機能、可観測性を備わった並行処理。

• Difyと比較して：より柔軟性が高い — 実行時DAG生成対設計時フローチャート。すべての実行パスを事前に予測する必要がありません。ビジュアルワークフロー編集では競争しません。レガシーシステム統合で競争します。
• AutoGPTと比較して：より制御可能 — 制限された反復、再計画制限、ロードマップ上の人間参加。ガードレール内での自律性。

戦略は単純です：オーケストレーションフレームワークを今構築し、改善されたモデルが時間とともにそれに機能を満たすようにします。

​

FIM Oneが位置する場所：計画 × 実行スペクトラム

AI実行ランドスケープは2つの軸でマッピングできます。計画の作成方法（静的 vs 動的）と実行方法（厳密 vs 適応的）です： Dify/n8nが静的計画 + 静的実行である理由：DAGは設計時に人間がビジュアルキャンバス上に描画されます。各ノードは固定操作（固定プロンプトを使用したLLM呼び出し、HTTPリクエスト、コードブロック）を実行します。実行時の再計画はありません。ステップが失敗すると、ワークフローは失敗するか、事前配線されたエラーブランチに従います。これは構造的にはBPMと同じで、グラフにAIノードが含まれているだけです。 FIM Oneの位置：動的計画 + 動的実行

• DAGトポロジーは実行時にLLMによって生成されます（動的計画）— 人間がグラフを設計しません
• 各DAGノードは完全なReActループを実行します（動的実行）— ノードは推論し、ツールを使用し、適応します
• 再計画メカニズム（実行 → 分析 → 不満足な場合は再計画）
• ただし制限あり：最大3回の再計画ラウンド、トークン予算、人間確認ゲート

これにより、FIM OneはAutoGPTと同じ象限に位置しますが、暴走動作を防ぐエンジニアリング制約があります。BPM/Difyより柔軟で、AutoGPTより制御されています。

​

概念用語集

このドキュメントで使用される用語に不慣れな読者向け：

​

アーキテクチャ境界: FIM One はワークフロー ロジックを複製しない

複雑なビジネス プロセス (承認チェーン、転送、却下、エスカレーション、連署、副署) は、ターゲット システムの責任 です。これらのシステムは、このロジックの構築に何年も費やしてきました — ERP、OA、契約管理システムはすべて成熟したステート マシンを備えています。 コネクタの観点から: すべての複雑なワークフロー操作は、パラメータを持つ HTTP リクエストに集約されます。FIM One は API を呼び出し、ターゲット システムがステート マシンを管理します。 これは、意図的なアーキテクチャ境界 であり、機能ギャップではありません。ターゲット システムに既に存在するワークフロー ロジックを複製すると:

1. メンテナンス負担が生じます (2 つのステート マシンを同期させる必要があります)
2. 障害モードが追加されます (それらが一致しない場合はどうなりますか?)
3. 追加の価値を提供しません (ターゲット システムは既にこれを正しく実行しています)

コネクタ パターンは設計上シンプルです: 1 つの操作 = 1 つの API 呼び出し。