Resumen

  • En draft-feng-netmod-naim-01, el Canonical JSON es la fuente autorizada; el Markdown View se deriva para revisión y el LLM Context View omite deliberadamente información para ahorrar contexto.
  • Que el JSON cumpla un esquema, el Markdown vuelva al mismo significado, un reintento termine en verde o el YANG pase un validador demuestra controles concretos. No demuestra por sí mismo que la necesidad esté completa ni que el servidor, la autorización y el resultado operativo coincidan.

Imaginemos que una vista para el modelo describe un nodo escribible, su condición when y la operación permitida. La vista ha omitido, tal como permite el diseño, declaraciones de desviación y metadatos internos. El modelo produce una acción coherente con lo que vio. En el servidor de destino, sin embargo, una desviación cambia el nodo y una política externa niega el permiso. La salida no fue una alucinación respecto de su contexto; el contexto simplemente no era una prueba del entorno.

La revisión 01 de NAIM propone Natural AI Interface Modeling como representación semántica intermedia entre requisitos naturales y YANG. Parte de un diagnóstico razonable: la conversión directa obliga a adivinar si algo es configuración o estado, qué claves necesita una lista, qué restricciones aplican, cuáles son las precondiciones y cómo se relacionan módulos distintos.

El documento sigue siendo una propuesta individual. El Datatracker lo marca activo, actualizado el 18 de julio de 2026, sin stream, sin intended RFC status registrado y en estado I-D Exists. En la cabecera del propio borrador aparece Intended status: Standards Track; eso expresa la meta del autor, no adopción por NETMOD, respaldo del IETF ni condición de RFC. El historial registra versiones, no uso operativo.

La autoridad no se reparte por comodidad

El Canonical JSON es la fuente normativa del contenido NAIM. Una herramienta interoperable debe darle precedencia. El Markdown View se genera de forma determinista para lectura, conversación editorial y control de versiones. Si una implementación admite editar Markdown y reconstruir JSON, tiene que preservar el significado de los campos representados, no puede borrar silenciosamente los que solo existían en JSON y debe resolver los conflictos de manera explícita.

Por eso una prueba de ida y vuelta necesita más detalle que un booleano. Debe conservar bytes y hash del JSON, versión del esquema, identidad del convertidor, huellas de ambas vistas, campos no representados y resolución de conflictos. La reproducción demuestra fidelidad respecto de esa superficie, no corrección del requisito original.

El LLM Context View no busca fidelidad de ida y vuelta. Incluye nombres, tipos semánticos, obligatoriedad, restricciones, escritura, visibilidad, operaciones, precondiciones y efectos laterales. Omite construcción de solicitudes NETCONF/RESTCONF, metadatos internos, JSON Schema crudo, desviaciones y definiciones de extensiones. El borrador prohíbe usarlo para reconstruir el JSON canónico.

Esta reducción puede ser sensata para una Skill concreta. La obligación operativa es registrar qué quedó fuera y por qué no afecta a la tarea. Una desviación, un feature o un augment externo pueden cambiar el esquema efectivo. El modelo no debe recibir autoridad sobre datos que nunca recibió.

Tres capas y una corrección con alcance limitado

La capa Specification define formato, esquema y generación de vistas. La capa Skill reúne procesos de IA: modelado conversacional, resumen, generación YANG e ingeniería inversa. La capa Tool usa software determinista para validar, convertir, extraer y generar desde material confirmado. Un formato estable con Skills reemplazables reduce dependencia de proveedor y permite repetir pruebas.

La secuencia Validation-Reflection-Retry añade un informe estructurado cuando una salida falla. Incluye ruta y condición esperada; el sistema puede introducirlo de nuevo en el contexto y reintentar. Debe existir un máximo, después del cual el sistema se detiene, convierte fallos en preguntas dirigidas y conserva el historial.

El resultado corregido solo prueba que pasó el control repetido. Una IA podría resolver la estructura quitando un campo complejo, escoger una clave plausible o transformar una condición no resuelta en descripción. Para evitar que el verde borre la incertidumbre hay que guardar solicitud inicial, preguntas, respuestas, supuestos, valores por defecto, eliminaciones, diagnósticos y versiones exactas.

YANG agrega controles más ricos, no magia retrospectiva. RFC 7950 define must, when, leafref, augment, features y restricciones de instancia. Con el cierre completo de módulos, desviaciones, features y casos positivos y negativos, un validador aporta evidencia fuerte. No puede decidir si una frase ambigua produjo el XPath querido, si el servidor tiene el augment esperado, si el actor está autorizado o si el cambio mejoró la red. RFC 8407 guía la calidad de módulos, no adopta un módulo generado.

RFC 8525 permite capturar la YANG Library que declara el servidor. Esa declaración debe enlazarse con fuentes exactas, resolución del cliente y una huella del esquema efectivo. RFC 8342 separa estado intended y operational; una edición aceptada puede no haberse aplicado o producir otro efecto. RFC 8259 define JSON con un alcance preciso: estar bien formado no certifica el mundo descrito.

El propio NAIM dice que no es una codificación JSON de YANG ni lo sustituye. El uso de autoridad semántica para intenciones en ejecución se remite al borrador separado NAIM-OP. La revisión 01 no prescribe modelo, prompts, puntuación de confianza ni ejecución de red.

Una cadena probatoria seria conserva seis escalones: requisito y ambigüedades; JSON exacto y procedencia; vistas, omisiones y conflictos; YANG, cierre y pruebas; biblioteca del servidor, resolución del cliente y autorización; estado intended y operational, telemetría, reversión y resultado.

La capa común determinista mínima que describe Lu Heng encaja como lente: las reglas compartidas deben ser verificables localmente y la adopción nace de implementación. Sus notas sobre primacía del código en ejecución y capas de realidad ayudan a separar documento y efecto. BTW aplica esa lente; no atribuye a Lu Heng una evaluación de NAIM.

Fuentes