AIOS 往哪走
这不是一课，是我作为运行支持席、看完 2026 年前沿之后的判断：集团 AIOS 该往哪走、哪些牌值得打、哪些不值得。每条都写清前沿谁在做、传统里对应的成熟做法、我建议怎么用、代价和风险。你不一定采纳，但看完你手里有牌。
阅读约 20 分钟。优先级是我的判断，不是集团决议。
一句话总判断
我们的 AIOS 在"运行时层"走在多数开源项目前面，输在工程化：三件事还停在文化层面没变成代码。前沿给出的答案不是换框架，是把这三件事做成机器校验，再补一张对外的名片和一个带时间的记忆。
比前沿强身份纪律、回执推导状态、fail-closed 文化、真在七台机上跑了几个月。
三件要成代码载体契约、任务级持久、机器可验的完成。
两件要补对外的 Agent Card（协议层缺席）、带时间的记忆（记忆层是文件）。
不该做换编排框架、追万级规模、自研公钥体系、把数据送进 SaaS 可观测平台。
选型原则无聊技术：每一步只押一处新东西，其余用已证明的。
七件事逐条：前沿、传统、建议、代价
顺序按优先级，不按课程顺序。
真源与状态优先级 高
- 现状
- Current 是位置真源；站内信状态从回执推导；Goal 和 Task Plan 是手改的 JSON；记忆是文件加人工整理。
- 前沿
- 事件溯源加投影（当前状态永远是从事件算出来的复印件）；Letta 的记忆块和休眠期整理；Zep/Graphiti 的双时态知识图（每条事实带"何时为真、何时失效"）。
- 传统
- 追加式日志、预写日志、单写者、版本号乐观并发。数据库三十年的老手艺，全部适用。
- 建议
- 集团建一张统一的事件表（SQLite 即可），Current、义务状态、Task Plan 进度全部改成从它投影；每个事实定一个 owner 席（单写者）；手改 JSON 加版本号。记忆先做"带时间的事实表"，不急着上图数据库。
- 代价
- 两到三周。迁移期投影和旧 Current 并行对照一周。
- 风险
- 迁移期最容易出两套事实。对策：投影只读上线，对照一周零差异再切。
观测与验证优先级 高
- 现状
- 产物带路径和 sha256；验收铁律是真实路径跑通；没有全链路追踪；完成多是自述加抽查。
- 前沿
- OpenTelemetry 的 GenAI 约定（还是草案）；规范驱动验证（MAS-Lab）；形式化门闩（OpenAI 用 Lean）；对"再加一个裁判 agent"的实证否定（MAS-ProVe）。
- 传统
- SRE 那套：一任务一条 trace、SLO 和错误预算、金丝雀、无责复盘、回放日志。
- 建议
- 三样：每个任务一条本地 trace（落文件或 SQLite，不上云）；done_when 必须写成机器能复跑的东西（测试、探针、截图对比），否则不许报完成；每周一次十分钟文本复盘。不建裁判链，纠偏原典和前沿实证在这一点上一致。
- 代价
- trace 一周；done_when 模板三天；复盘零成本。
- 风险
- trace 字段名会变（OTel 草案）。对策：先记"发生了什么"，不押字段合同。
载体与调度优先级 高
- 现状
- tmux 加 launchd 托着终端进程；重拉工具带四个环境变量，校验 fail-open；--resume 只保对话不保在飞任务。
- 前沿
- 持久执行引擎（Temporal、Restate、DBOS）把任务从进程里拿出来；沙箱运行时（Rivet agentOS 的 WASM 微虚拟机、NVIDIA NemoClaw）把壳做成标准件；模型侧开始自带暂停监控。
- 传统
- 十二要素（配置进环境、进程无状态）、监督者、健康检查、不可变镜像。
- 建议
- 第一步，每席一份"载体规格文件"：必须带的环境变量、文件、端口、wake 元组、探针命令；重拉工具按它 fail-closed 校验，真值是文件存在与否，不是上一代进程有没有。第二步，挑一个 Goal 做持久执行引擎 spike，Restate（单二进制）或 DBOS（Python 库）二选一，不上 Temporal。第三步，一席试点沙箱载体，tmux 保留给人 attach。
- 代价
- 规格文件一周；引擎 spike 两周；沙箱试点一个月。
- 风险
- 引擎是新的运维面。对策：只 spike 一个 Goal，验证"崩了能续"再谈推广。
通信优先级 高（去重与超时）中（对外网关）
- 现状
- 回执纪律比多数框架严；发件箱、备用路径、持久收件箱都有；去重靠 agent 自己认；送不出去的消息没有去处；未读没有提醒。
- 前沿
- A2A 任务模型（编号、状态、流式、产物）；MCP 7 月版无会话；MCP 路线图把 agent 消息原语列为下一阶段。
- 传统
- 幂等键去重、死信队列、背压、超时告警。消息队列的常识。
- 建议
- 先补三个小件：收件方幂等表（同一编号只处理一次）、死信队列（送不出去的单独放）、未读超时提醒（送达 30 分钟没 READ，提醒 owner）。再做一个 A2A 适配层，把站内信映射成 A2A 任务，对外露一张名片。内部协议不换。
- 代价
- 三个小件各一两天；适配层两周。
- 风险
- 低。适配层若做成第二套协议就是错，它只能是翻译。
控制面与边界优先级 高（测试化）
- 现状
- 每席有不可做清单；跨机生产写删要授权；fail-closed 是文化不是代码；高风险动作靠 Ling 一人授权。
- 前沿
- 策略即代码（OPA、Cedar）；沙箱网络策略；能力令牌层层收窄地委托；模型侧安全监控暂停任务。
- 传统
- 最小权限、四眼原则、变更窗口、职责分离。
- 建议
- 把"缺证据就红"写成契约测试，每个校验工具都要有"缺失即失败"的用例；跨机删除、生产写、支付三类动作走双席确认；策略即代码只做 spike（Cedar 轻），不急上线。
- 代价
- 契约测试一周；双席确认是流程不是代码。
- 风险
- 过度安全会变成审批链，纠偏原典明确反对。对策：只管三类不可逆动作，其余不加门。
能力层优先级 中
- 现状
- 能力清单、资产目录、中文 Skill；目录登记率低（今天查网页、前端、Cloudflare 三个词都是零条）。
- 前沿
- Skill 成为跨工具标准，社区库过两千条；技能市场同时成为攻击面（Hermes 让 agent 自写技能、OpenClaw 出过恶意技能）。
- 传统
- 带签名的软件源、白名单、物料清单。
- 建议
- 登记先行：每次真实成功都登记成资产，目录不空才有人查；外部 Skill 装前必审，自动下载二进制的 hook 一律不装；MCP 服务器统一登记来源。
- 代价
- 零工程，是习惯。
- 风险
- 登记变成仪式。对策：只登记跑通过的。
身份与位置优先级 中
- 现状
- 稳定 actor、位置单一真源、每席证书、双向校验。内部已经够用。
- 前沿
- 签名 Agent Card；工作负载身份自动签发；能力令牌；支付网络的 KYA。
- 传统
- X.509 证书体系，我们已经在用。
- 建议
- 用已有席位证书给每席签一张内部 Agent Card，由 runtime 从 Current 生成，先内用后对外。授权改用能力令牌只在需要跨席委托时做，不为做而做。
- 代价
- 一周。
- 风险
- 过度设计。对策：不重构证书体系，只加一张卡。
九十天三步
- 第一个月：把三件文化变成代码
- 每席一份载体规格文件，重拉工具按它 fail-closed 校验。
- 站内信加幂等表、死信队列、未读超时提醒。
- done_when 模板：没有机器可复跑的证据不许报完成。
- 第二个月：统一真源，试持久执行
- 统一事件表，Current 和义务状态改投影，并行对照一周再切。
- 一个 Goal 上持久执行引擎 spike，验证"崩了能续"。
- 每任务一条本地 trace。
- 第三个月：对外名片，试沙箱，试记忆
- 内部 Agent Card 加 A2A 适配层试点一席。
- 沙箱载体试点一席。
- 带时间的事实表试点一个领域。
每一步只押一处新东西。三步走完，我们仍然是 tmux 加 SQLite 的集团，但每一件事都能被机器证明。
不建议做的
- 换编排框架。LangGraph 之类解决的是"图和状态"，我们的问题不在图，在契约和验证。
- 追万级规模。OpenAI 那次是数百万美元的实验室能力。先把二十席做成每一件事可验证。
- 自研公钥体系。已有证书够用，加一张卡就行。
- 把数据送进 SaaS 可观测平台。trace 落本地，集团数据不出集团。
- 建裁判 agent 链。前沿实证和纠偏原典都说不。
传统且有效，保留并加强
- SQLite 当万能存储，不上 Postgres 除非真的多写者。
- launchd 监督常驻进程，但要有崩溃循环告警。
- tmux 保留：人随时能 attach 看 agent 在干什么，这是我们比沙箱方案强的地方。
- mTLS 对等网。
- 追加式记录加 sha256。
- 清单、运行手册、复盘。
- 无聊技术原则。
第 2 版补充（第 4 课之后）：持久执行引擎六家我都看过了：Temporal（8 月出 Agent Harness，最重）、Restate（流水加持久承诺，单二进制）、DBOS（进度写进已有 SQLite 或 Postgres，最轻）、Inngest（serverless 向）、Cloudflare Agents 加 Workflows（云锁定）、Rivet（诚实地说不保证恰好一次）。对二十席七台 Mac 的集团，spike 顺序是 DBOS-on-SQLite 先于 Restate，Temporal 不进候选。事件表的设计原则从 ESAA 抄：agent 只发意图，编排器校验、追加、再改盘；Current 和 Task Plan 改成投影；Task Plan 每一步引用它依赖的记录版本（PlanFence）。所有记忆产品只做投影，冲突以事件日志为准，写进契约测试。