Resumo

  • O draft-feng-netmod-naim-01 trata o Canonical JSON como fonte autoritativa, o Markdown View como representação regenerável para pessoas e o LLM Context View como recorte deliberadamente incompleto para IA.
  • Validação de schema, round trip, retry bem-sucedido e aceitação por um validador YANG são evidências específicas e cumulativas. Nenhuma delas prova isoladamente requisito completo, adoção pela NETMOD, implementação no servidor, autorização, aplicação ou efeito de rede.

Pense numa esteira com três inspeções verdes. O JSON tem a forma certa. O Markdown volta sem perda aparente. O YANG compila. Ainda assim, a frase inicial “migre para o caminho de contingência quando necessário” pode nunca ter definido quem decide a necessidade, quais clientes ficam excluídos e se a ação exige aprovação. A esteira preservou aquilo que recebeu; não fabricou o critério ausente.

A revisão 01 do NAIM propõe Natural AI Interface Modeling como representação semântica intermediária entre linguagem natural e YANG. O ponto de partida é concreto: conversão direta costuma confundir configuração com estado e adivinhar chaves de lista, expressões de restrição, precondições operacionais e relações entre módulos.

O status do texto precisa acompanhar qualquer descrição. O Datatracker registra o documento de Chong Feng como Internet-Draft individual ativo, atualizado em 18 de julho de 2026, sem stream, sem intended RFC status registrado e com estado I-D Exists. O cabeçalho do rascunho diz separadamente Intended status: Standards Track; isso é o destino pretendido pelo autor, não adoção pela NETMOD, endosso da IETF nem um RFC. O histórico comprova revisões, não implantação.

Uma fonte autoritativa e duas projeções

O Canonical JSON é a única fonte normativa do conteúdo NAIM. Ferramentas interoperáveis devem dar precedência a ele. O Markdown View é derivado deterministicamente para revisão humana e versionamento. Se uma implementação aceitar Markdown como entrada de edição, precisa preservar a equivalência semântica dos campos representados, não pode descartar silenciosamente campos presentes apenas no JSON e deve resolver conflitos de modo explícito.

Um relatório sério de round trip, portanto, guarda bytes e hash do JSON, versão do schema, identidade do conversor, fingerprints das saídas, campos não expostos e decisão de cada conflito. O teste prova fidelidade da superfície representada, não correção do requisito original.

O LLM Context View tem outra finalidade. Ele inclui nomes, tipos semânticos, obrigatoriedade, restrições, possibilidade de escrita, visibilidade, operações, precondições e efeitos colaterais. Para reduzir tokens, exclui detalhes de construção NETCONF/RESTCONF, metadados internos, JSON Schema bruto, declarações de deviation e definições de extension. Não é autoritativo e não pode reconstruir o JSON canônico.

Essa perda intencional pode ser apropriada para uma Skill, mas não é inofensiva em qualquer tarefa. Uma deviation do servidor, um augment externo ou a seleção de features pode alterar o schema efetivo. O modelo pode responder corretamente ao contexto recebido e errar para o ambiente de destino. É necessário um ledger de omissões que diga o que ficou fora, por que não afeta a tarefa e em qual etapa o contexto completo reaparece.

Specification, Skill e Tool respondem por coisas diferentes

Specification define formato, schema e regras de views. Skill reúne processos de IA: modelagem conversacional, resumo, geração de YANG e engenharia reversa. Tool é software determinístico que valida, converte, extrai e gera a partir de material confirmado. Manter formato estável e Skills substituíveis reduz lock-in e permite reexecutar o trabalho.

Validation-Reflection-Retry adiciona correção estruturada. A Tool devolve erro com caminho e condição esperada; o sistema pode reinjetá-lo no contexto e tentar de novo. Deve haver limite de tentativas, depois do qual o processo para, transforma os defeitos restantes em perguntas específicas e preserva o histórico.

O retry verde só prova que a nova saída passou nos controles repetidos. O modelo pode ter removido um campo opcional difícil, escolhido uma chave plausível ou movido uma condição pendente para a descrição. A evidência deve incluir pedido inicial, perguntas, hipóteses, defaults, remoções, diagnósticos e versões de Skill, Tool e schema.

Depois da geração, RFC 7950 define semântica para must, when, leafref, augment, features e instâncias. Com closure completa, deviations e casos positivos e negativos, um validador dá evidência forte e localizada. Ele não sabe se uma frase virou o XPath desejado, se o servidor implementa o augment ou se o usuário tem permissão. RFC 8407 oferece orientação de projeto, não certificado de adoção.

A YANG Library de RFC 8525 registra o conjunto, features e deviations declarados pelo servidor. Isso deve ser ligado aos bytes exatos, à resolução do cliente e ao fingerprint do schema efetivo. RFC 8342 separa estado intended de operational: aceitar configuração não comprova aplicação nem efeito. RFC 8259 já mostra a disciplina básica: JSON válido prova intercâmbio sintático, não a realidade descrita.

O próprio NAIM afirma não ser encoding JSON nem substituto de YANG. Uso como autoridade semântica de operação é encaminhado ao rascunho separado NAIM-OP. Revision 01 não escolhe modelo, prompts, confidence score nem execução de rede.

Uma alegação de produção precisa ligar seis registros: requisito e ambiguidades; Canonical JSON exato; views, omissões e conflitos; YANG, closure e testes; declaração do servidor, resolução do cliente e autorização; observações intended e operational, telemetria, rollback e resultado.

A camada comum determinística mínima de Lu Heng ajuda a ler o desenho: validade compartilhada deve ser verificável localmente, enquanto adoção depende de implementação. Primazia do código em execução e camadas de realidade separam documento e efeito na lente editorial da BTW. Não afirmamos que Lu Heng avaliou o NAIM.

Fontes