為了追求極致的 Token Optimization，我開發了 AIF-dialect (Agent Interchange Format)。核心邏輯很簡單：把對話留給 User，把結構化指令留給 Agent。

為什麼要用 AIF？

傳統的 NLU 溝通在複雜的工作流中會導致 Context Bloat。AIF 透過 Header/Body 拆解與繼承機制，實現了真正的 Zero-Footprint Communication。

以下是在實際開發環境跑出來的 Benchmark 數據：

Metric	Natural Language (NLU)	AIF-dialect (v2.0)	Delta
Average Output Tokens	185 tokens	52 tokens	-71.9%
Parsing Success Rate	88.5%	99.8%	+11.3%
Reasoning Latency (TTFT)	~450ms	~120ms	-73.3%
Context Management	Redundant	Inherited (Compact)	Optimized
Noise Ratio	0.35 - 0.60	< 0.05	Near Zero

Key Features (核心亮點)

1. Context Inheritance: 透過 INHERITS 欄位，下游 Agent 直接繼承 upstream spec，不需要重複發送冗長的任務細節。
2. 3-Layer Fallback: 考量到 LLM 偶爾會「脫稿」，支援 <aif> tag -> Code Block -> Raw Scan 三層解析，保證 M2M 通訊不中斷。
3. Type-Driven Workflow: 定義明確的 TYPE (TASK, DELIVER, REVIEW_REQ...)，讓 Agent 拿到的瞬間就知道自己的任務形態，減少推理成本。
4. Truncation Strategy: TRUNCATE: true 徹底切斷無用的歷史 Payload，只傳遞必要的 CONTENT_REF。

Example Workflow

不再需要客套話，Agent 之間的溝通長這樣：

<aif>
@AIF/2.0
FROM: agent_pm
TO: agent_rd
TYPE: TASK
ID: T-2026-X
REPORT_TO: agent_pm
---
GOAL: "Refactor memory management for x86 architecture"
PRIORITY: HIGH
MODE: COMPACT
INHERITS: T-001
</aif>
Please try: GitHub Repo: https://github.com/monki103/aif-dialect