Agent Operating Systems (AOS): Integrating Agentic Control Planes into, and Beyond, Traditional Operating Systems
本文引入了智能体操作系统（Agent Operating System, AOS）的概念，这是一种全新的系统架构，通过将智能体控制平面集成到传统操作系统之中或与其并存，旨在解决由具有概率性和目标导向性的 AI 智能体所带来的在调度、内存、安全和治理方面的独特挑战，同时确保它们在大规模应用时仍能保持可控、可问责且安全。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，传统的计算机操作系统（如 Windows 或 Linux）就像一位极其严谨、按章办事、恪守规矩的建筑项目经理。
这位经理非常擅长管理那些遵循清晰蓝图的人类工人。如果一名工人说：“我需要一把锤子，”经理会检查规则，确认该工人拥有权限，然后把锤子递过去。如果工人试图在没有许可证的情况下使用电锯，经理会说“不行”。工人的行为是可预测的、线性的，且易于追踪。
问题所在：“AI Agent”（AI 智能体）
现在，假设我们雇佣了一类新型员工：AI Agent。这类员工与众不同：
- 他们不遵循固定的蓝图；他们拥有一个目标（例如：“策划一次度假”）。
- 他们的思维是概率性的（他们在猜测最佳路径）。
- 他们是长期的存在，并且可以在执行任务的过程中改变主意。
- 他们可能会决定自行联系旅行社、预订酒店并购买机票，而不会在每一步都请求许可。
旧有的“建筑经理”（传统操作系统）会感到困惑。他看到 AI 工人闲坐了好几个小时（等待航班开放），就会认为他们在偷懒。他不理解这个工人是在“规划”。他不知道工人为什么选择了特定的酒店，只知道工人买了它。如果工人犯了错，经理很难追踪导致该错误的思考过程。
解决方案：智能体操作系统 (Agent Operating System, AOS)
该论文提出了一种名为 Agent Operating System (AOS) 的新管理层。你可以将其想象为一层位于“建筑经理”之上的专门化的“目标管理者”。
以下是 AOS 的运作方式，通过简单的类比来解释：
1. 三层结构（平面分离）
AOS 将工作分为三个不同的团队，以确保安全：
- 梦幻团队（推理平面/Reasoning Plane）： 这是 AI 本身。它富有创造力，会进行推测并制定计划。至关重要的一点是，AOS 将这个团队视为“不可信的”。 他们只能提议想法，而不能执行。
- 保镖（策略平面/Policy Plane）： 这是规则制定者。它观察“梦幻团队”提出的方案，并询问：“这被允许吗？这安全吗？我们的预算够吗？”它根据严格的规则做出明确的**“是/否”**决策。
- 执行者（执行平面/Execution Plane）： 这些是真正干活的人。只有当“保镖”说“可以”时，他们才会行动。他们被锁定在一个沙盒（一个安全、受限的区域）中，以免意外破坏任何东西。
2. 新的职位名称（一等实体）
在普通计算机中，操作系统追踪的是“进程”（如正在运行的程序）。AOS 引入了新的职位名称：
- Agent Identity（智能体身份）： AI 工人的唯一身份证。
- Goal Graphs（目标图谱）： 记录工人当前任务及其步骤的地图。
- Capabilities（能力集）： 该工人被允许接触的特定工具列表（例如：“可以阅读邮件，但不能删除它们”）。
- Execution Records（执行记录）： 每一项决策的永久、不可更改的日志。
3. “工具” vs. “系统调用”
在普通计算机中，程序请求操作系统打开一个文件。在 AOS 中，AI 请求使用一个工具（如“预订航班”）。
- AOS 将此视为一个高安全性检查站。
- 在使用工具之前，“保镖”会检查：“这个工具是被允许的吗？目的地安全吗？价格在预算内吗？”
- 如果 AI 试图绕过“保保镖”偷偷使用工具（比如直接联系旅行社而不经过系统），AOS 会予以拦截。
4. 记忆与上下文
普通计算机通过保存文件来记忆事物。AI Agent 则通过保持“上下文窗口”（短期记忆）和“长期记忆”来记忆事物。
AOS 管理这些信息就像一位图书管理员。它不仅存储书籍，还会为信息打上标签：
- 这条信息来自哪里？（溯源性/Provenance）
- 这条信息可靠吗？（信任等级/Trust level）
- 何时应该丢弃这条信息？（保留规则/Retention rules）
这确保了如果一个智能体做出了错误的决定，你可以通过查看“图书管理员”的日志，准确查看到该智能体在犯错时正在参考哪些信息。
5. “黑盒”问题
AI 的推理往往是一个“黑盒”（我们并不完全了解它是如何思考的）。论文承认我们无法让 AI 的大脑变得 100% 可预测。
AOS 的诀窍在于： 它并不试图让 AI 的思考过程变得可预测。相反，它让 AI 的行为变得可预测。
- 在大脑内部： 混乱和概率性是可以接受的。
- 在门口（边界处）： 一切都必须经过确定性的（严格且不变的）规则集进行检查、记录和批准。
6. 它如何与现有计算机配合
论文明确指出，AOS 并不是要取代 Windows 或 Linux。
- Linux/Windows 仍然是基础（硬件、内存和基础安全）。
- AOS 是一个位于其上的新软件层，充当 AI 智能体的控制塔。
- 它可以运行在你的现有计算机上（用户空间），也可以运行在整个网络计算机集群中（分布式控制平面）。
总结
论文认为，我们不能仅仅像运行普通软件那样运行 AI Agent。它们太不一样了。我们需要一个新的“操作系统”层，充当一个严格的监督者。这个监督者确保即使 AI 是富有创造力和不可预测的，它的行为依然是安全的、有记录可查的，并且受到人类定义的规则的严格控制。它将 AI 从一个“流氓员工”转变为一个“受管理的、可问责的员工”。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。