2025 年，編程 Agent 大爆發(fā)。Claude Code 能幫你寫(xiě)代碼、跑測(cè)試、修 Bug，自主完成復(fù)雜工程任務(wù)， 堪稱(chēng) ChatGPT 橫空出世后的第二次史詩(shī)級(jí)大地震。

但仔細(xì)觀察這些 Agent 的工作方式，你會(huì)發(fā)現(xiàn)一個(gè)驚人的事實(shí)：它們的底層操作極其 “原始”。 它直接操作你的文件系統(tǒng)和終端，雖然有一些內(nèi)置的確認(rèn)機(jī)制，但本質(zhì)上仍依賴(lài) “信任模型” 而非 “隔離模型”。 這就像早期程序可以隨意覆寫(xiě)任何內(nèi)存地址一樣 —— 系統(tǒng)的安全邊界，取決于程序員的自覺(jué)。

這讓我想起了 1980 年代的 DOS。

DOS 也能用——你可以在上面寫(xiě)程序、編輯文檔、玩游戲。但它缺乏現(xiàn)代操作系統(tǒng)的一切： 沒(méi)有內(nèi)存保護(hù)，沒(méi)有多任務(wù)，沒(méi)有標(biāo)準(zhǔn)化的設(shè)備接口。 每個(gè)應(yīng)用都直接操作硬件，程序員要自己處理所有底層細(xì)節(jié)。

現(xiàn)在，AI Agent 正站在同一個(gè)起點(diǎn)。

我們花了 30 年才從 DOS 演化到現(xiàn)代操作系統(tǒng)，而 Agent 生態(tài)正在壓縮式地重演這段歷史。 本文的核心論點(diǎn)是：用操作系統(tǒng)的演化歷史來(lái)理解 Agent 基礎(chǔ)設(shè)施的未來(lái)。 這個(gè)類(lèi)比不僅能幫我們理解現(xiàn)狀，還能預(yù)測(cè)接下來(lái) 2-3 年最關(guān)鍵的技術(shù)方向——以及最大的機(jī)會(huì)。

一、核心框架：Agent OS 的五大子系統(tǒng)

在傳統(tǒng)計(jì)算機(jī)中，CPU 是算力來(lái)源，RAM 是臨時(shí)存儲(chǔ)，磁盤(pán)是持久存儲(chǔ)。在 Agent 世界中，我們可以找到精確的對(duì)應(yīng)： LLM 是新 CPU，Context Window 是新內(nèi)存，數(shù)據(jù)庫(kù)是新磁盤(pán)，Agent 是應(yīng)用。

LLM 的上下文窗口與內(nèi)存一模一樣——每次推理完成后，所有狀態(tài)都消失了。關(guān)掉電源（結(jié)束會(huì)話(huà)），一切歸零。 這種"失憶癥"意味著：所有狀態(tài)管理都必須外部化 —— 這正是我們需要"操作系統(tǒng)"的根本原因。

在應(yīng)用與資源中間的抽象，正是我們所熟悉的"操作系統(tǒng)"。 操作系統(tǒng)是什么？是一個(gè)管理資源、提供抽象、協(xié)調(diào)各組件的系統(tǒng)，它由幾個(gè)重要的子系統(tǒng)組成：

這五大子系統(tǒng)構(gòu)成了 Agent OS 的核心骨架。接下來(lái)，我將按重要性逐一展開(kāi)。

二、內(nèi)存管理：最復(fù)雜也最重要的戰(zhàn)場(chǎng)

操作系統(tǒng)類(lèi)比能帶給我們的最重要洞察是什么？——內(nèi)存管理（Context Engineering）將是最復(fù)雜的戰(zhàn)場(chǎng)，也是最大的機(jī)會(huì)所在。

歷史的教訓(xùn)：640KB 夠用嗎？

1981 年，IBM PC 的設(shè)計(jì)者們認(rèn)為 640KB 內(nèi)存 “應(yīng)該夠用了”。這成為計(jì)算機(jī)歷史上最著名的錯(cuò)誤預(yù)言。今天，當(dāng)我們說(shuō) 128K 上下文“已經(jīng)很大了”時(shí)，正在犯同樣的錯(cuò)誤。

上下文窗口（Context Window） 是 LLM 最稀缺的資源。128K tokens 看起來(lái)很大，但考慮到各種開(kāi)銷(xiāo)占用： 系統(tǒng)提示詞占用 10-20K，工具定義占用 10-20K，上下文文檔占用 50-80K …… 留給實(shí)際對(duì)話(huà)的空間可能只剩小幾十K。這就像 1980 年代的 640KB 限制一樣窘迫。

虛擬內(nèi)存：操作系統(tǒng)的革命性創(chuàng)新

回顧操作系統(tǒng)歷史，虛擬內(nèi)存是 Unix 最重要的創(chuàng)新之一。

在虛擬內(nèi)存出現(xiàn)之前，程序員必須自己管理物理內(nèi)存分配。如果程序需要的內(nèi)存超過(guò)物理內(nèi)存，就只能崩潰或手動(dòng)實(shí)現(xiàn)復(fù)雜的換入換出邏輯。虛擬內(nèi)存改變了這一切——它給每個(gè)程序一個(gè)"幻覺(jué)"，好像它擁有整個(gè)地址空間。操作系統(tǒng)在背后自動(dòng)處理頁(yè)面置換，把不常用的數(shù)據(jù)換出到磁盤(pán)，需要時(shí)再換入。

這個(gè)抽象釋放了巨大的生產(chǎn)力——程序員不再需要關(guān)心物理內(nèi)存的限制。

在 Agent 世界，我們正需要同樣的革命。

Manus 的啟示：上下文至關(guān)重要

Manus 是 2025 年最成功的通用 Agent 之一，他們的團(tuán)隊(duì)在博客 Context Engineering for AI Agents[1] 中分享了一個(gè)核心結(jié)論：

"大多數(shù) Agent 的失敗不是模型的失敗——而是 Context 的失敗。"

這不是空談。Manus 團(tuán)隊(duì)為此重寫(xiě)了四次框架，通過(guò)反復(fù)試錯(cuò)，總結(jié)出幾個(gè)關(guān)鍵實(shí)踐：

**KV-Cache 命中率是最重要的指標(biāo)。緩存命中 ≈ 模型不用重復(fù) “重新讀一遍整本書(shū)”。 在 Claude 上，緩存命中的 token 成本是未命中的 1/10，這意味著 Context 的組織方式至關(guān)重要，直接決定了 Agent 的成本和延遲。

文件系統(tǒng)作為外部記憶。 Manus 把文件系統(tǒng)當(dāng)作"無(wú)限 Context"的外掛存儲(chǔ)。Agent 可以隨時(shí)寫(xiě)入和讀取文件，相當(dāng)于一個(gè)低成本的"虛擬內(nèi)存"。這是對(duì) swap 的天然映射——當(dāng) RAM 不夠時(shí)，把不常用的數(shù)據(jù)換出到磁盤(pán)。

Todo List 作為注意力操控。 他們發(fā)現(xiàn)讓 Agent 在每一步開(kāi)始時(shí)"復(fù)述"當(dāng)前的 todo list，可以有效防止目標(biāo)漂移。這本質(zhì)上是一種緩存預(yù)熱技巧——把重要信息預(yù)熱到高速緩存里，增加其被注意到的概率。

DeepSeek 的啟示：內(nèi)存層次結(jié)構(gòu)

DeepSeek 在 2026 年 1 月發(fā)表的 Engram 論文[2] 提供了另一個(gè)關(guān)鍵視角：存儲(chǔ)層次結(jié)構(gòu)。

他們發(fā)現(xiàn)了一個(gè)"U 型曲線(xiàn)"——最優(yōu)的資源分配是 75-80% 給"Brain"（計(jì)算），20-25% 給"Book"（記憶）。這個(gè)比例揭示了一個(gè)深刻洞察： Agent 不應(yīng)該把所有信息都塞進(jìn) Context（全放 RAM），也不應(yīng)該完全依賴(lài)外部檢索（全放磁盤(pán)），而是需要一個(gè)智能的分層架構(gòu)。

這就與計(jì)算機(jī)的存儲(chǔ)層級(jí)體系能完美對(duì)上

關(guān)鍵洞察是：越往上越快、越貴、越小；需要自動(dòng)管理（就像 CPU 不需要程序員手動(dòng)管理 L1/L2 Cache）；需要智能換入換出。

有人會(huì)說(shuō)："長(zhǎng)上下文"難道不能解決這個(gè)問(wèn)題嗎？——內(nèi)存不夠，加錢(qián)就好了。但即使 Context Window 變成 10M tokens，我們?nèi)匀恍枰悄艿膬?nèi)存管理。

就像 64GB RAM 的電腦仍然需要虛擬內(nèi)存 —— 高效的資源管理本身就是 OS 的核心價(jià)值。

老馮的 64G 筆記本被 Word 吃了 200G 內(nèi)存，竟然沒(méi)立即死掉

當(dāng)我們討論內(nèi)存管理時(shí)，一個(gè)自然的問(wèn)題浮現(xiàn)：換出去的數(shù)據(jù)存在哪里？

在傳統(tǒng)操作系統(tǒng)中，答案是磁盤(pán)。在 Agent OS 中，目前通常是文件系統(tǒng)上的 Markdown 文檔，但最終的答案一定是數(shù)據(jù)庫(kù)。如果說(shuō) Context Engineering 是最復(fù)雜的技術(shù)戰(zhàn)場(chǎng)，那么數(shù)據(jù)庫(kù)則是確定性最高的商業(yè)機(jī)會(huì)。

微軟 CEO 納德拉早就看到了這個(gè)終局 —— 數(shù)據(jù)庫(kù)是 IT 的核心，所有的應(yīng)用本質(zhì)上都是數(shù)據(jù)庫(kù)的封裝層">數(shù)據(jù)庫(kù)是 IT 的核心，所有的應(yīng)用本質(zhì)上都是數(shù)據(jù)庫(kù)的封裝層。 AI 會(huì)重做一切應(yīng)用與流程軟件，但這也離不開(kāi)數(shù)據(jù)庫(kù)——Agent 最終會(huì)替代掉所有的包裝，直接操作數(shù)據(jù)庫(kù)。

數(shù)據(jù)庫(kù)在 Agent 架構(gòu)中的多重角色

數(shù)據(jù)庫(kù)在 Agent 架構(gòu)中要扮演什么角色？答案是：遠(yuǎn)不只是“存數(shù)據(jù)”。

1.長(zhǎng)期記憶存儲(chǔ)：Agent 的"海馬體"——對(duì)話(huà)歷史、學(xué)到的知識(shí)、用戶(hù)偏好2.狀態(tài)持久化：Agent 的"硬盤(pán)"——Checkpoint/快照、任務(wù)狀態(tài)、恢復(fù)點(diǎn)3.向量索引：Agent 的"頁(yè)表"——語(yǔ)義檢索、相似度匹配、Context 換入決策4.協(xié)調(diào)服務(wù)：Agent 的"IPC 機(jī)制"——分布式鎖、任務(wù)隊(duì)列、事件通知5.審計(jì)日志：Agent 的"黑匣子"——所有操作的不可篡改記錄、合規(guī)、可重放

對(duì)于需要同時(shí)承擔(dān)上述五重角色的 Agent 存儲(chǔ)層，PostgreSQL 是目前最有競(jìng)爭(zhēng)力的選項(xiàng)，原因有二：

統(tǒng)一的數(shù)據(jù)平面。 關(guān)系模型、向量嵌入（pgvector）、全文搜索、JSON、時(shí)序數(shù)據(jù)——可以在單一數(shù)據(jù)庫(kù)中使用 ACID / SQL 統(tǒng)一處理，不需要維護(hù)多套系統(tǒng)與膠水組件。

模型的原生熟悉度。PostgreSQL 是全世界最流行的數(shù)據(jù)庫(kù)，前沿 LLM 在海量 PostgreSQL 文檔上訓(xùn)練過(guò)，Agent 調(diào)用 psql 工具或者寫(xiě) PG 的 SQL 幾乎不需要額外 Schema 提示。這不是玄學(xué)，是訓(xùn)練數(shù)據(jù)分布決定的。

市場(chǎng)也在驗(yàn)證這個(gè)方向：2025 年 、Snowflake 收購(gòu) Crunchy Data，。 Neon 披露的一個(gè)數(shù)據(jù)尤其值得注意：他們 80% 的數(shù)據(jù)庫(kù)是由 AI Agent 而非人類(lèi)創(chuàng)建的。

PostgreSQL 的上限在哪里？

一種更激進(jìn)，更有趣的可能性是：PostgreSQL 不只扮演存儲(chǔ)，而成為 Runtime 本身。 PostgreSQL 極致的可擴(kuò)展性與繁榮的擴(kuò)展生態(tài)，讓它已經(jīng)具備了一個(gè) 完整 Runtime 所需的幾乎所有原語(yǔ)。

理論上 psql 命令行功能是 bash 的超集，未必就沒(méi)有機(jī)會(huì)成為 Yet another runtime —— 這時(shí)候數(shù)據(jù)庫(kù)就不再扮演一個(gè)外部存儲(chǔ)，而成為編排核心。 這條路能走多遠(yuǎn)還需要驗(yàn)證，但 “Database as Runtime” 這個(gè)方向確實(shí)很有趣，這也是老馮正在探索的道路。

進(jìn)程管理：表面紅海，深水無(wú)人

當(dāng)前所有 Agent 框架的核心，幾乎都是同一個(gè) while loop。

while not done:
thought = llm.think(context)
action = llm.decide(thought)
result = tools.execute(action)
context.update(result)

Think → Act → Observe → Repeat。LangGraph、CrewAI、AutoGen …… 剝開(kāi)花哨的外衣，內(nèi)核驚人地相似。 Braintrust 的工程師直接撰文宣稱(chēng)："The canonical agent architecture is a while loop with tools"。

當(dāng)核心抽象簡(jiǎn)單到任何本科生都能實(shí)現(xiàn)時(shí)，它就不可能成為護(hù)城河。 更致命的是，模型廠(chǎng)商天然擁有最好的 Runtime：OpenAI 的 Assistants API、Anthropic 的 Claude Code 本身就是頂級(jí)的 Agent 執(zhí)行環(huán)境。 云廠(chǎng)商也在收割：Azure Agent Loop、Google ADK、AWS Bedrock Agents——當(dāng) Runtime 成為平臺(tái)標(biāo)配，獨(dú)立框架公司還能賣(mài)什么？

所以表面上看，這是一片紅海。但這里有一個(gè)認(rèn)知陷阱：大家卷的那個(gè) "Agent Loop"，根本不是真正的"進(jìn)程管理"。 如果認(rèn)真用操作系統(tǒng)來(lái)類(lèi)比，進(jìn)程管理遠(yuǎn)不止一個(gè) while loop。它至少包括：

?并發(fā)調(diào)度：多個(gè) Agent 同時(shí)運(yùn)行，誰(shuí)先用 GPU？誰(shuí)先調(diào) API？資源如何分配？?狀態(tài)持久化：Agent 跑到一半崩了，怎么從斷點(diǎn)恢復(fù)？?進(jìn)程間通信：Agent A 的輸出要傳給 Agent B，用什么協(xié)議？共享狀態(tài)怎么同步？?優(yōu)雅終止：怎么讓 Agent "安全退出"而不是直接 kill -9？

這些問(wèn)題，目前的框架幾乎都沒(méi)有好答案。原因很簡(jiǎn)單：現(xiàn)在大多數(shù) Agent 應(yīng)用還停留在 “單 Agent、短任務(wù)、一次性執(zhí)行” 的階段 —— 就像 DOS 時(shí)代的單任務(wù)程序，根本不需要復(fù)雜的進(jìn)程管理。弄個(gè) Happy / IM 軟件 對(duì)接一下，聊天派活可能也就夠了。

但這個(gè)階段不會(huì)持續(xù)太久。當(dāng) Agent 開(kāi)始變成長(zhǎng)時(shí)間運(yùn)行的后臺(tái)服務(wù)——比如一個(gè) 7×24 監(jiān)控?cái)?shù)據(jù)庫(kù)的 DBA Agent，或者一個(gè)持續(xù)處理工單的客服 Agent —— 真正的進(jìn)程管理需求就會(huì)浮現(xiàn)。屆時(shí)，誰(shuí)能提供可靠的調(diào)度、恢復(fù)、通信機(jī)制，誰(shuí)就能在這片"偽紅海"中找到真正的藍(lán)海。

I/O 管理：協(xié)議之爭(zhēng)的表象與本質(zhì)

工具調(diào)用是 Agent 與外部世界交互的接口，相當(dāng)于傳統(tǒng) OS 的設(shè)備驅(qū)動(dòng)。這個(gè)領(lǐng)域正在火爆，但表面的“協(xié)議之爭(zhēng)”可能掩蓋了更本質(zhì)的問(wèn)題。 MCP 在采用度上取得了巨大成功。 Anthropic 稱(chēng)已有超過(guò) 10,000 個(gè)活躍 MCP 服務(wù)器，每月 9,700 萬(wàn)次 SDK 下載，并于 12 月捐贈(zèng)給了 Linux 基金會(huì)。

One Year of MCP, Anthropic[3]

但采用度不等于技術(shù)先進(jìn)性。MCP 的成功很大程度上是因?yàn)樗钛a(bǔ)了一個(gè)“易用性”的空白 —— 讓非技術(shù)用戶(hù)也能給 Agent 接入工具。 然而從架構(gòu)視角看，它可能走了彎路：

?Token 開(kāi)銷(xiāo)驚人：MCP 服務(wù)器僅工具元數(shù)據(jù)就可能消耗上萬(wàn) tokens[4]，而等效的 CLI 方案可能只需要幾百?重新發(fā)明輪子：MCP 試圖解決的"工具發(fā)現(xiàn)、調(diào)用、組合"問(wèn)題，Unix CLI 已經(jīng)優(yōu)雅地做了 55 年

CLI 的優(yōu)勢(shì)被嚴(yán)重低估了。 所有前沿模型都在海量的 CLI 文檔、man pages、Stack Overflow 上訓(xùn)練過(guò)。 當(dāng)你讓 Claude 用 grep、psql、curl，它幾乎不需要額外的 Schema 定義 —— 這些工具的用法已經(jīng)"內(nèi)化"在模型權(quán)重里了。 更重要的是，CLI 天然符合 Unix 哲學(xué)：文本流、管道組合、單一職責(zé)。這正是 Agent 需要的可組合性。 Unix 生態(tài)已經(jīng)有了 55 年的積累，我們應(yīng)該站在巨人的肩膀上，而不是另起爐灶。

但 CLI 也不是完美的終點(diǎn)。 它有幾個(gè)致命問(wèn)題：輸出格式不一致（有的 JSON、有的表格、有的純文本）、錯(cuò)誤處理五花八門(mén)、缺乏標(biāo)準(zhǔn)化的發(fā)現(xiàn)機(jī)制。 這就是為什么 Skills 作為一種"CLI 使用指南"出現(xiàn)了 —— 它本質(zhì)上是在彌補(bǔ) CLI 文檔不夠 Agent-friendly 的問(wèn)題。

我的判斷是：最終的贏家不會(huì)是 MCP，也不會(huì)是裸 CLI，而是 “Agent-native CLI” —— 輸出結(jié)構(gòu)化、錯(cuò)誤碼標(biāo)準(zhǔn)化、自帶發(fā)現(xiàn)機(jī)制的命令行工具。 設(shè)想一下：每個(gè)命令都有 --json 輸出選項(xiàng)，錯(cuò)誤碼遵循統(tǒng)一的語(yǔ)義（如 HTTP 狀態(tài)碼）， 自帶 --desc 參數(shù)輸出機(jī)器可讀的能力描述。 這不需要發(fā)明新協(xié)議，只需要讓現(xiàn)有工具變得更規(guī)范 —— 就像 RESTful API 沒(méi)有發(fā)明 HTTP，只是讓它更有章法。

老馮昨天發(fā)布了 PostgreSQL 的 CLI 工具 v1.0，以及收錄/介紹 PG 擴(kuò)展能力的 ，在 PG 生態(tài)里踐行這條道路。

安全與可觀測(cè)性：信任基礎(chǔ)設(shè)施

當(dāng)前 Agent 生態(tài)最大的安全隱患是什么？Prompt Injection（提示詞注入）——但這只是冰山一角。更深層的問(wèn)題是：我們?nèi)绾涡湃我粋€(gè)會(huì)自主行動(dòng)的系統(tǒng)？

Prompt Injection 是 AI 時(shí)代的 Buffer Overflow。 傳統(tǒng)的緩沖區(qū)溢出是因?yàn)槌绦驔](méi)有區(qū)分 “指令” 和 “數(shù)據(jù)”，攻擊者可以在數(shù)據(jù)區(qū)寫(xiě)入指令讓 CPU 執(zhí)行。Prompt Injection 本質(zhì)上是同樣的問(wèn)題：LLM 沒(méi)有在架構(gòu)層面區(qū)分 “System Prompt（指令）” 和 “User Input（數(shù)據(jù)）” 。一個(gè)惡意的用戶(hù)輸入——甚至是 Agent 讀取的一個(gè)惡意網(wǎng)頁(yè)——就可以劫持 Agent 的行為。

這個(gè)類(lèi)比揭示了一個(gè)殘酷的現(xiàn)實(shí)：Buffer Overflow 花了幾十年才有了硬件級(jí)別的緩解方案（NX bit、ASLR、Stack Canary）。Prompt Injection 目前沒(méi)有任何架構(gòu)級(jí)別的解決方案——我們只能靠“請(qǐng)不要做壞事”的 prompt 和各種啟發(fā)式檢測(cè)。這不是一個(gè)穩(wěn)定的平衡態(tài)。

沙箱是必要的，但遠(yuǎn)遠(yuǎn)不夠。 E2B 已經(jīng)被 88% 的 Fortune 100 公司使用[5]，F(xiàn)irecracker 微虛擬機(jī)被 Manus 等產(chǎn)品采用。沙箱的邏輯是"即使 Agent 被騙了，它也造不成太大傷害"。這是對(duì)的，但它解決的是"限制能力"，而不是"理解行為"。這就是為什么可觀測(cè)性可能比沙箱更重要。

想象一個(gè)場(chǎng)景：你的 Agent 在沙箱里安全地運(yùn)行了一周，沒(méi)有觸發(fā)任何告警。但你完全不知道它做了什么決策、為什么做這些決策、有沒(méi)有被惡意輸入試探過(guò)。這種"安全"是虛假的——你只是不知道自己不知道什么。真正的信任需要三層基礎(chǔ)設(shè)施：

可觀測(cè)性的核心是 “決策溯源”：Agent 看到了什么輸入？它的 reasoning 過(guò)程是什么？它為什么選擇了這個(gè) action 而不是那個(gè)？ 這些信息不僅對(duì)安全至關(guān)重要，對(duì)調(diào)試和改進(jìn)同樣不可或缺。當(dāng) Agent 出錯(cuò)時(shí)，你需要能夠回放整個(gè)決策過(guò)程，就像數(shù)據(jù)庫(kù)的 WAL 讓你可以重放事務(wù)一樣。

審計(jì)日志是合規(guī)剛需。 金融、醫(yī)療、政府——這些行業(yè)對(duì)審計(jì)有嚴(yán)格要求。當(dāng)一個(gè) Agent 替客戶(hù)做了交易決策，當(dāng)一個(gè) Agent 給出了醫(yī)療建議，監(jiān)管機(jī)構(gòu)會(huì)問(wèn)： 它為什么這么做？依據(jù)是什么？這不是可選項(xiàng)，而是市場(chǎng)準(zhǔn)入的門(mén)檻。

我預(yù)測(cè)：2026-2027 年，“Agent 可觀測(cè)性” 會(huì)成為一個(gè)獨(dú)立的賽道，就像 APM（應(yīng)用性能監(jiān)控）在云原生時(shí)代的爆發(fā)一樣。誰(shuí)能提供完整的 Agent trace——從輸入到推理到行動(dòng)到結(jié)果——誰(shuí)就能在企業(yè)市場(chǎng)占據(jù)關(guān)鍵位置。

沙箱解決的是"不信任"的問(wèn)題，可觀測(cè)性解決的是"建立信任"的問(wèn)題。兩者缺一不可，但后者的商業(yè)價(jià)值可能更大。

老馮最近剛為 ，可以看到它決策操作的完整詳情。

結(jié)語(yǔ)：缺失的內(nèi)核

1991 年，GNU 項(xiàng)目已經(jīng)運(yùn)轉(zhuǎn)了八年。Richard Stallman 和他的追隨者們構(gòu)建了一整套自由軟件工具： GCC 編譯器、Emacs 編輯器、Bash shell、coreutils……幾乎涵蓋了操作系統(tǒng)的方方面面。

—— 唯獨(dú)缺少一個(gè)內(nèi)核。

GNU 自己的內(nèi)核 Hurd 陷入了無(wú)盡的設(shè)計(jì)爭(zhēng)論，遲遲無(wú)法完成。所有的工具都已就位，卻缺少那個(gè)把一切粘合在一起的核心。

就在這時(shí)，一個(gè)芬蘭大學(xué)生在郵件列表里發(fā)了一個(gè)帖子：

"I'm doing a (free) operating system (just a hobby, won't be big and professional like gnu)..."

他寫(xiě)的那個(gè)"業(yè)余愛(ài)好"，填補(bǔ)了最后一塊拼圖。GNU 的工具加上 Linux 的內(nèi)核，構(gòu)成了我們今天所說(shuō)的 GNU/Linux —— 云時(shí)代的基石。

2025 年的 Agent 生態(tài)，正處在同樣的時(shí)刻。

我們有了大量的"工具"：LangChain、CrewAI、AutoGen 等框架解決了任務(wù)編排；MCP、Skills 解決了工具調(diào)用； PostgreSQL 解決了持久化存儲(chǔ)；各種 RAG 方案解決了知識(shí)檢索；E2B、Firecracker 解決了安全隔離……

但我們?nèi)鄙僖粋€(gè)新的 “Agent OS Kernel” —— 一個(gè)真正能把這一切粘合起來(lái)的操作系統(tǒng)層： 統(tǒng)一的上下文調(diào)度、可恢復(fù)的進(jìn)程狀態(tài)、標(biāo)準(zhǔn)化的 I/O 接口、完整的信任基礎(chǔ)設(shè)施與可觀測(cè)性。

這個(gè)內(nèi)核也許正躲在某個(gè)人的 side project 里，就像 1991 年的 Linux 一樣——不起眼，沒(méi)有引發(fā)關(guān)注，被作者自己稱(chēng)為 “只是個(gè)愛(ài)好”。但它將成為未來(lái)。

歷史的劇本已經(jīng)寫(xiě)好：

?內(nèi)存管理將是最復(fù)雜的技術(shù)戰(zhàn)場(chǎng)——誰(shuí)能讓 Context 像虛擬內(nèi)存一樣透明地?fù)Q入換出，誰(shuí)就能定義下一代基礎(chǔ)設(shè)施?數(shù)據(jù)庫(kù)是確定性最高的商業(yè)機(jī)會(huì)——PostgreSQL 不僅是存儲(chǔ)，更有潛力成為 Runtime?進(jìn)程管理表面紅海，深水無(wú)人——當(dāng) Agent 成為長(zhǎng)期運(yùn)行的服務(wù)，真正的調(diào)度和恢復(fù)需求才會(huì)浮現(xiàn)?I/O 的終局不是新協(xié)議，而是 Agent-Native CLI —— 55 年的 Unix 哲學(xué)不會(huì)被輕易顛覆?信任層將成為企業(yè)市場(chǎng)的入場(chǎng)券 —— 沙箱是底線(xiàn)，可觀測(cè)性才是關(guān)鍵

真正的分水嶺不是模型變得更強(qiáng)，而是 系統(tǒng)能力的補(bǔ)齊 。這套東西一旦成型，Agent 才會(huì)從 “會(huì)寫(xiě)代碼的玩具” 變成 “可以托付業(yè)務(wù)的進(jìn)程”。

誰(shuí)會(huì)寫(xiě)出 Agent 時(shí)代的 Linux 內(nèi)核？我不知道。也許是某個(gè)小作坊， 說(shuō)不定是石破天老爺子的 DBOS，或者是老馮的 Pigsty PG 集裝箱？ —— 這是一個(gè)充滿(mǎn)機(jī)會(huì)與可能性的時(shí)代，在歷史的轉(zhuǎn)折節(jié)點(diǎn)上，一切皆有可能。

1980 年代，有人在車(chē)庫(kù)里寫(xiě) DOS 程序；1990 年代，有人在宿舍里寫(xiě) Linux 內(nèi)核。 202x 的某個(gè)深夜，也許正有人在某個(gè)終端里，敲下 Agent OS 的第一行代碼。 誰(shuí)在構(gòu)建這些基礎(chǔ)設(shè)施，誰(shuí)就在定義下一個(gè)時(shí)代。

References

[1] Context Engineering for AI Agents: https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus
[2] Engram 論文: https://github.com/deepseek-ai/Engram
[3] One Year of MCP, Anthropic: https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation
[4] MCP 服務(wù)器僅工具元數(shù)據(jù)就可能消耗上萬(wàn) tokens: https://www.anthropic.com/engineering/code-execution-with-mcp
[5] E2B 已經(jīng)被 88% 的 Fortune 100 公司使用: https://venturebeat.com/ai/how-e2b-became-essential-to-88-of-fortune-100-companies-and-raised-21-million