Por que criar uma linguagem de programação inteira para orquestração de redes neurais

Quando você tenta construir um sistema complexo baseado em LLM usando Python ou TypeScript, o código rapidamente fica enterrado sob boilerplate de infraestrutura. Você precisa configurar manualmente filas de mensagens, escrever lógica de retry, persistir estado intermediário em um banco de dados e criar workarounds para aguardar respostas de usuários. Linguagens de propósito geral não sabem nada sobre as especificidades de chamar modelos de linguagem ou a necessidade de pausar um processo por alguns dias.

Desenvolvedores da WeaveMind decidiram atacar o problema radicalmente. Em vez de outra biblioteca, eles estão construindo Weft — uma linguagem de programação completa onde LLMs, APIs externas, bancos de dados e envolvimento humano são elementos de primeira classe da linguagem.

Por que uma nova linguagem é necessária

A ideia central por trás do Weft é liberar engenheiros de escrever scaffolding de serviços. Conexões entre modelos, bancos de dados e lógica são validadas pelo compilador antes mesmo do programa executar.

O projeto está sendo ativamente reescrito para se alinhar com o conceito MVP, e o lançamento oficial está agendado para agosto de 2026. Mesmo assim, o código fonte é aberto, e você pode explorar a abordagem proposta agora mesmo.

Principais recursos da arquitetura

Human in the loop sem serviços extras

Se a lógica de negócio requer aprovação de um gerente ou entrada de dados de um operador, o processo para na instrução relevante. Não há necessidade de subir um banco de dados para statuses, configurar webhooks ou fazer polling de APIs em um timer. Um programa que aguarda um clique do usuário por três segundos é escrito exatamente da mesma forma que um cenário com espera de três dias.

Duas formas de representação

O código Weft é simultaneamente um cenário baseado em texto e um grafo visual. Isso não é apenas uma camada gráfica sobre um arquivo de configuração. Alterar um nó no diagrama modifica o texto fonte, e vice-versa. Engenheiros podem trabalhar com texto enquanto analistas visualizam um diagrama claro do processo.

Execução confiável via Restate

Por baixo dos panos, o motor Restate é usado. Se o servidor gerar um erro, reiniciar ou perder conectividade de rede durante uma chamada de LLM, a execução retoma do ponto de falha sem perder o contexto acumulado.

Tipagem de ponta a ponta

O compilador verifica tipos de dados em toda a cadeia. Se um nó emite um objeto de uma estrutura específica e o próximo espera uma string simples, o builder sinaliza o erro imediatamente. Isso ajuda a capturar typos em campos JSON durante a fase de escrita do código.

Como é um cenário Weft

A sintaxe da linguagem é declarativa e focada em linking de blocos:

topic = Text { label: "Topic" value: "the silence between stars" } llm_config = LlmConfig { label: "Config" model: "anthropic/claude-sonnet-4.6" systemPrompt: "Write a short, beautiful poem (4-6 lines) about the given topic." temperature: "0.8" } poet = LlmInference -> (response: String) { label: "Poet" } poet.prompt = topic.value poet.config = llm_config.config output = Debug { label: "Poem" } output.data = poet.response

Neste pequeno exemplo, quatro nós são declarados: texto, configuração do modelo, a própria inferência do LLM e saída de debug. As conexões entre eles são estabelecidas passando campos explicitamente.

O que tem por baixo do capo

O núcleo do compilador, orquestrador e executor são escritos em Rust. A interface web do dashboard é construída com SvelteKit (Svelte 5).

Todos os blocos disponíveis vivem no diretório catalog/. Cada novo bloco é descrito por dois arquivos em uma pasta separada:

• backend.rs define a lógica server-side em Rust
• frontend.ts especifica a renderização do nó, portas e campos de configuração na UI

Um script especial vincula automaticamente eles ao dashboard e runtime. Adicionar nós customizados acaba sendo bastante direto.

O diretório atual já inclui blocos para trabalhar com LLMs, executar código Python, enviar mensagens para Telegram, Discord, Slack e WhatsApp, trabalhar com Postgres e busca na web.

Estado atual e licença

O projeto está em um estágio inicial de desenvolvimento. Os autores declaram abertamente no README que a arquitetura ainda está se formando, então breaking changes são possíveis.

Weft é distribuído sob a licença O'Saasy (uma versão modificada do MIT). Ela permite uso gratuito, modificação e self-hosting, mas proíbe executar um serviço pago comercial baseado neste código que compita com os autores.

Quem deve acompanhar o projeto

Weft é interessante como uma tentativa de repensar a abordagem para orquestração de agentes de redes neurais. Se você está cansado de lutar com grafos de chamadas complexos em linguagens de propósito geral e está procurando uma ferramenta com tolerância a falhas integrada, o repositório definitivamente vale um bookmark.