跳转至



AIOS
AIOS

架构

AIOS Documentation

了解客户端指引、ContextDB、工作流策略、Team、Harness、browser-use CDP 和 RL 研究层如何连接。

架构

一句话回答

AIOS 是围绕现有编码客户端建立的本地边界集合。客户端指引确定项目,ContextDB 保存和召回项目证据,Workflow Policy 选择最小路径,Team、Solo Harness 或 Orchestrate 在任务需要时执行工作。browser-use CDP 是默认浏览器路径;旧版 Playwright MCP 保留为兼容路径。

组件

主要入口 职责
客户端入口 scripts/contextdb-shell.zsh、client-sources/、原生指引 提供项目说明和路由提示
启动桥 scripts/contextdb-shell-bridge.mjs、scripts/ctx-agent.mjs 决定包装或透传并启动客户端
ContextDB mcp-server/src/contextdb/、.aios/context-db/ 保存会话、memo、检查点、搜索数据和上下文包
Workflow Policy scripts/lib/planning/workflow-policy.mjs、auto-gate.mjs、cli.mjs 分类 noop、direct、guarded、planned
运行操作 scripts/aios.mjs、team、harness、orchestrate、HUD 分发工作、记录状态和呈现证据
浏览器 scripts/run-browser-use-mcp.sh、chrome.、browser.、page.* 通过 CDP 运行 browser-use MCP
研究层 scripts/lib/rl-core/、rl-* 适配器 隔离 RL 实验和评估

运行链路

用户命令
  -> 受支持客户端和原生项目指引
  -> 可选 shell bridge / ctx-agent 兼容路径
  -> .aios/context-db/index.json 注册表
  -> ContextDB 搜索、memo、checkpoint 或 context pack
  -> Workflow Policy 路由决策
  -> direct 工作、Team、Solo Harness 或 Orchestrate
  -> 诊断、测试和验证证据

路由决策不等于实现完成。修改文件仍需经过编辑前安全门禁和最终验证门禁。

ContextDB 和存储边界

项目注册表指向本地来源:

.aios/
  context-db/
    index.json
    sessions/
    index/
    exports/
  memo/
    file/events.jsonl
    split/

当前公开模型是 pull-based。Agent 按需搜索或召回相关来源,不会自动收到全部历史。旧包装模式和 .contextdb-enable 仍是兼容行为,不是首选安装路径。

Workflow Policy 边界

Workflow Policy 按风险选择:

disposition 用途
noop 不需要动作
direct 只回答或检查,不创建持久计划
guarded 小而清晰的本地改动,仍需编辑和验证门禁
planned 多步骤、高风险、委派、可恢复或不明确工作

计划可能是 none、reuse 或 create。同会话确认和跨客户端 explicit resume 不是同一件事。详见工作流策略

Team、Solo Harness 和 Orchestrate

  • Agent Team 用于可以分别负责的独立工作包,HUD、状态、历史和质量类别提供运行证据。
  • Solo Harness 用于一个明确的长任务目标,支持检查点、阶段日志、worktree 和 resume 状态。
  • Orchestrate 用于阶段性 dispatch DAG 和质量门禁。
  • dry-run 是本地模拟,只能证明解析和计划状态,不能证明实时模型供应商或客户端路由可用。
  • live 子代理执行需要显式启用,并受当前配置的 runtime 边界限制。启用前先检查 doctor 和命令帮助。

相关命令:

aios team status --watch
aios harness status --session <session-name> --json
aios orchestrate --help
aios doctor --native --verbose

浏览器运行时

默认文档路径是 browser-use MCP over CDP:

  • 启动:scripts/run-browser-use-mcp.sh
  • 启动浏览器:chrome.launch_cdp
  • 连接:browser.connect_cdp
  • 页面操作:page.semantic_snapshot、page.extract_text、page.goto、page.screenshot
  • profile 配置:config/browser-profiles.json

使用可见 CDP 浏览器,先读 semantic 或定向文本,并保持 read -> act -> verify 短循环。mcp-server 中的 Playwright MCP 保留为兼容和低级检查路径,不是默认业务流程路径。

RL 研究层

AIOS 还包含隔离的多环境 RL 研究表面,普通 AIOS 安装或文档工作不需要它。scripts/lib/rl-core/ 负责 campaign 状态、checkpoint 血统、比较结果、replay lane、teacher 信号和 trainer 入口;适配器覆盖 shell、browser、orchestrator 和 mixed 实验。

node scripts/rl-shell-v1.mjs benchmark-generate --count 20
node scripts/rl-shell-v1.mjs train --epochs 5
node scripts/rl-shell-v1.mjs eval
node scripts/rl-mixed-v1.mjs mixed --mixed
node scripts/rl-mixed-v1.mjs mixed-eval

RL 状态和 benchmark 只属于对应环境和版本范围内的研究证据,不能自动证明生产客户端可靠性或公开性能声明。

Graph Engine 视图

AIOS 同样可视为一个本地优先的 Graph Engine:节点、边、共享状态、失败路由、扇出、隔离、模型分层——都被编排成可验证的 Agent 图,运行在你已有的 CLI 之下。关键词 "Graph Engine"、"Graph Engineering"、"agent graph"、"verifiable graph" 指向的都是下面这套能力。

Graph Engine 关键词的外部参考:LangGraph 在 Python / LangChain 生态首创了 "graph of LLMs" 模式;Rust-LangGraph 将其移植到 Rust;AWS Step Functions + BedrockGoogle Vertex AI Workflows 提供云托管的图编排;CrewAIAutoGenPydanticAI 补齐生态。AIOS 的差异点在于本地优先:图运行在你的机器上,共享状态存于本地 ContextDB,提示与代码数据不离开你的环境。

Graph Engine 组件 AIOS 实现
节点(每节点一个 loop,带契约) rex-harness 能力节点:Fact → Capability → Evidence,契约有界
边(基于检查的路由) Workflow Policy direct / guarded / plannedaios plan auto-gate 运行时路由
共享状态 ContextDB 项目记忆(memo、检查点、可检索 pack),pull-based
失败路由 证据门禁与终态 blocked:重新规划、升级、停止
扇出 / 扇入 aios team 并行 Agent + 屏障 + 证据归约
隔离 aios harness run --worktree git worktree 隔离
模型分层 model-router 每节点模型选择
动态工作流 aios plan auto-gate --dry-run 描述目标,运行时选择路径

先稳定一个 loop(aios harness + 验证门禁 + ContextDB 状态),再在工作真正拆成角色和并行子任务时把 loop 串成图(aios team + 工作流路由)。

常见边界和恢复

  • 缺少注册表:在正确的项目根目录运行 aios init --all。
  • 原生指引过期:运行 aios doctor --native --verbose,先检查 dry run,再使用 --fix。
  • 浏览器需要登录:在认证墙处保留人工确认。
  • live 路由失败:对比 dry-run 证据与实际供应商和客户端状态。
  • 验证失败:保持计划开放,记录第一个失败命令。

下一步

imklom.im — AI 图像生成 imklom.imAI 做图 · 一句话生成高质量图片 / AI image generation. 赞助 · Sponsor