Расскажите о себе и сути проекта?

Я делаю декларативный AI framework для создания AI агентов. Благодаря LLM всё новые AI агенты стали возникать как грибы после дождя. Пока они неубедительные, но быстро улучшаются.

Я хочу стандартизировать подход к их разработке: определить манифесты как Kubernetes, которые бы определяли компоненты декларативно, вне зависимости от языка, чтобы описать схему работы агента, и дальше уже делать реализацию.

То есть агент представляет из себя граф, а компоненты его описываются в yaml (как, например, kind: Deployment в k8s) с кастомным CE DSL, который определяет логику перехода по этому графу. В итоге - не нужно писать зубодробительные conditional edges.
Есть и другие фишки.
Вот тут мой интро блог: https://www.liman-ai.dev/blog/2025-07-30_intro, сначала дочитать этот пост. В блоге все описано суховато и на англицком.

Как появилась идея? Что вдохновило?

Последнее время я создавал AI агентов, и из раза в раз приходилось делать одно и то же. Изначально я выносил просто промпты в yaml, потом добавлял свою абстракцию.
В основном я писал без какого-то фреймворка, либо с LangGraph (python), и мне совсем не нравилось как такие решения поддерживать и отсутствие стандартов. Я наблюдал за рынком весь год и думал о том, чтобы создать свой фреймворк для AI агентов (как минимум с блекджеком).
Весной ко мне пришел заказчик с запросом на разработку AI-чата для своего бэкенда (админки), в котором менеджеры могли бы писать, чего они хотят, а агент бы делал. Вместо кликанья по UI - простым сообщением в чат, мол, "включи этому пользователю такую-то настройку".
И я подумал, что вот есть OpenAPI спецификация. Можно же пропарсить ее из коробки и сделать нужные tools, которые потом скормить LLM-ке. По-моему, киллер-фича: подключаешь API бэкенда за пару часов.

В деталях о том, как это работает в Liman AI сейчас: https://www.liman-ai.dev/blog/2025-08-17_simple_openapi

Что вошло в прототип и сколько времени на него было потрачено?

Я работаю над проектом с июня 2025.
Смотрел на проект по темпу более оптимистично. Выяснил, что делать такие фреймворки крайне тяжело. Проблема в неограниченном полете фантазии. Нет понимания, чего хочешь в итоге получить.
В бизнесе есть четкая цель, а здесь в начале ее нет, пытаешься увидеть абстракцию в тумане фантазий. Это сильно меня замедлило. Например, я три раза передизайнил Executor - это сущность, которая обходит граф.

Сейчас в прототипе есть:

• Поддержка yaml деклараций, она парсится и создается новая нода или компонент.
• Multilanguage поддержка для промптов из коробки.
• Интеграция с OpenAPI. Спецификация парсится, из нее создается Liman ToolNode спецификация, которая, в свою очередь, через jsonschema отдается в ллмку
• Частично интегрирован Otel (метрики и трейсы)
• Сделан дизайн аутентификации и частично реализован. Когда нода исполняется, она исполняется node actor'ом, который действует как некий service account с лимитированным скоупом, и он может запрашивать нужные credentials (behind the hood)
• CE DSL, возможность в yaml описывать условия, которые обсчитываются в рантайме - для определения следующих нод, или подходящего service account'а, и тд
• Создан дизайн Plugin системы. Я хочу расширять манифесты через систему плагинов, дабы добавлять новые спеки, или расширять предыдущие. Например, auth так и сделана, сейчас делаю MCP плагин. Аля k8s CRD
• Создан Executor, такая умная штука, которая умеет обходить граф, позволяет форкаться и параллельно выполнять тулы, суспендиться, и возобновлять работу, когда получает контроль обратно. Но я задумал несколько слоев фрейморка, подразумевается, что если нужна большая гибкость, то можно по своему делать. Сейчас Execution Model выглядит пока так:

Agent(stateless) -> Executor(stateful) -> NodeActor(stateful) -> Node(stateless)
Слегка устаревшее описание Executor'а здесь:
https://www.liman-ai.dev/docs/poc#execution-model

Какой технологический стек вы использовали? Почему?

Я начал с Python и Go, но потом Go забросил и начал питонить.
Моя идея была в том, чтобы стандартизировать манифесты, а уже реализацию делать под разные языки - language agnostic, типа OpenAPI sdk.
Была исходная идея оборачивать манифесты в protobuf и использовать их в разных языках, но из-за неудобства и сложности я от этого отказался.

Выбрал Python как базовый основной язык всех AI фреймворков а G0 - что нет конкурентов, а язык очень популярен в бекенде.
Сейчас основная реализация на Python 3.10+, Pydantic, LangChain.
Перевожу существующую кодовую базу на Typescript, там я для парсинга манифестов использую zod. Планирую к концу недели и typescript поддержать
Дальше - буду смотреть, в планах Go и Java

Как вы запускались и искали первых пользователей?

Проект находится в ранней альфе и официально ещё не запущен. Но вам я уже рассказал))
Я не силён в маркетинге, хотя и стараюсь. За три недели я опубликовал два поста на HackerNews (просто ссылку), но получил мало внимания. Особенно меня расстроило, что не залетел пост про OpenAPI интеграцию.
Ещё сделал посты на LinkedIn и завел X (Twitter). Пока шатко валко.
Очень нужна ваша обратная связь и adoption. Посоветуйте, как вообще продвигать такие штуки?

С какими самыми неожиданными трудностями пришлось столкнуться?

С переписыванием дизайна. Хочется, чтобы было хорошо, а чтобы нехорошо - не было. Это все ограничения. С такими ограничениями очень туго останавливать полет фантазии и приземляться.
Ну и маркетинг. Я человек непубличный, и мне некомфортно как-то о чем-то рассказывать. Хочется чтоб само) Но так, видимо, не работает)

Сколько потратили и заработали? Есть идеи как это можно монетизировать?

Заработал: ноль. Потратил: тоже ноль (если не считать времени).
Одна из целей - с появлением стандарта создать маркетплейс агентов (или package manager, как угодно). Представьте, агенты можно будет дистрибутировать и подключать. Одна из моделей монитизации - SaaS Cloud, где запускаешь агента в один клик и подключаешь к своему сервису, такой серверлесс для агентов. Например, в supabase у тебя создается база, прокидывается тебе API. Ты просто его подключаешь - и он работает. А автору этого агента отдаешь процент-вознаграждение с дохода, как в Apify за парсинг

Какие планы на будущее?

• Выпустить альфа-версию. Описать много примеров реального использования (кейсов).
• Затем сделать liman.cloud с подборкой разных агентов на базе Liman AI. (Типа https://www.aitmpl.com/, только более code-first и production ready. Агентов вначале буду писать сам)

Из фич:

• Подключить MCP, A2A
• Доработать авторизацию и стейт менеджмент
• Зааплаиться в YC, написать знакомым скаутам из Sequoia и a16z, попробовать зарейзить.

Но сначала нужен трекшн, кейсы, одобрение комьюнити.

Нужны ли какие-то советы или помощь Клуба?

Хочу узнать ваше мнение: что думаете о проекте?
Поделитесь опытом: с какими проблемами вы сталкивались, когда делали AI агентов?
Очень нужны ваши советы по маркетингу: где листить, на чем делать акцент и т.д. (Мне кажется, что последний пост не залетел на HN, потому что я его сделал слишком техническим. А на LinkedIn вообще в воскресенье запостил, и в итоге получил в 2 раза меньше просмотров. Короче, учусь на своих ошибках. Если подскажите как научиться быстрее - буду благодарен!) Например, какие комьюинити на реддите мне стоит посмотреть? Кто в теме?

Какой совет вы бы сами могли дать идущим по вашим стопам?

Никогда не опускайте руки. Впереди будет много моментов, когда захочется опустить руки, а они уже будут опущены!
Ну, а серьезно - just do it. Коммуникация - это ключ, нужно вылезать из своей норки.
Проект никогда не будет окончательно готов (если только не умрет).

P.S.
Какой же кайф писать на русском! Усилий ноль, одно удовольствие)
Спасибо Вастрику за шаблон: помогает структурировать мысли в что-то читаемое.
Кстати, кто полностью прочитает, дайте фидбек по тексту, дабы следующие посты я писал лучше. Есть ощущение, будто вышло длинновато.