Serendipity
d60007bc47
添加两篇博客文章，探讨Agent系统与操作系统的概念类比。主要新增文件包括： - 博客/AI与大模型/学习Agent，越学越像在重新理解操作系统.md：简洁版文章 - temp-agent-os-v2.md：详细扩展版文章，深入对比进程/线程与Sub-Agent、系统调用与Tool Use、虚拟内存与Context Window、文件系统与RAG等概念 同时更新Obsidian插件视图，使设置按钮打开站点配置模态框而非空操作。
4.5 KiB
title, id, date, auther, cover, excerpt, permalink, categories, tags
| title | id | date | auther | cover | excerpt | permalink | categories | tags | |||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 学习 Agent，越学越像在重新理解操作系统 | c11d5916-8c13-498f-a208-bc2287fb885d | 2026-04-30 17:07:24 | liuhangyv | 学习 Agent，越学越像在重新理解操作系统 引言 学了半年 Agent 框架，我产生了一个奇怪的感觉：我好像在重新学操作系统。 进程与线程、文件系统、系统调用、内存分页、调度器……这些操作系统里的经典概念，几乎都能在 Agent 系统中找到一一对应的存在。今天就来聊聊这个有趣的类比。 进程与线程 | /archives/xue-xi-agent-yue-xue-yue-xiang-zai-chong-xin-li-jie-cao-zuo-xi-tong |
|
|
学习 Agent，越学越像在重新理解操作系统
引言
学了半年 Agent 框架，我产生了一个奇怪的感觉：我好像在重新学操作系统。
进程与线程、文件系统、系统调用、内存分页、调度器……这些操作系统里的经典概念，几乎都能在 Agent 系统中找到一一对应的存在。今天就来聊聊这个有趣的类比。
进程与线程 → Sub-Agent
操作系统里，进程是资源边界，线程是执行单元。同进程的线程共享内存，跨进程则要显式通信。
Agent 世界完全照搬了这套做法。当我们用 Sub-Agent 让多个 Agent 并行协作，立刻面对经典问题：谁能访问谁的状态？
共享上下文带来效率，也带来竞争条件。死锁、竞争、一致性……这些老问题穿着新衣服又回来了。
一个 Sub-Agent 正在写文件，另一个 Sub-Agent 同时在读同一个变量——这就是经典的 race condition。
系统调用 → Tool Use
这是最像的一个类比。
用户程序想访问硬件，不能直接碰，必须通过系统调用陷入内核，由内核代为执行。
Agent 想搜网页、跑代码、查数据库，也不能自己动，必须通过 Function Calling 交给 Harness 执行。
两者的本质完全一样：在权限边界上打一个受控的洞，能力从这个洞里流进来，风险也从这个洞里被隔住。
| 操作系统 | Agent 系统 |
|---|---|
| 系统调用 | Function Calling / Tool Use |
| 内核态 | Harness 执行环境 |
| 用户态 | LLM 推理过程 |
| 硬件设备 | 外部工具（搜索、代码执行、数据库） |
Cache / 虚拟内存 → Context Window
Context Window 是 Agent 最稀缺的资源，贵到每个 token 都要精打细算。
这和 CPU Cache 的逻辑一模一样：
- 寄存器 → 当前正在推理的内容
- L1/L2 Cache → 近期对话上下文
- 内存 → 长期记忆中的最近会话
- 磁盘/交换区 → 压缩摘要或外部存储
当上下文满了，Agent 框架开始做 Context Compression——这就是在做内存分页与交换，只不过换出去的不是字节，是语义。
"这段对话太长，我把关键信息压缩成一个摘要存着" = "内存不足，把不常用的页面换出到磁盘"
文件系统挂载 → RAG
RAG 把外部知识库挂进 Agent 的"文件树"，需要时检索，不需要时不占窗口。
这和操作系统挂载外部存储的逻辑完全相同：用廉价的大容量存储补偿昂贵的快速内存，按需加载，用完释放。
| 操作系统 | Agent 系统 |
|---|---|
| 磁盘/SSD | 外部知识库（向量数据库） |
| 文件系统 | RAG 检索层 |
| mount 命令 | RAG 配置 |
| 磁盘 I/O | 向量相似度搜索 |
内核 / 调度器 → Harness / Orchestrator
Agent = Model + Harness
Model 是计算本身，Harness 是操作系统内核：管权限、调度任务、分配资源、处理工具调用的返回。
多 Agent 系统里的 Orchestrator 就是调度器，决定：
- 哪个 Agent 先跑
- 跑多久
- 结果传给谁
换个场景照样适用——这就是操作系统的任务调度。
写在最后
操作系统花了几十年才把这些问题想清楚：进程隔离、内存管理、文件系统抽象、设备驱动……
Agent 时代正在把同样的问题重新答一遍。
只不过：
- 资源从 CPU / 内存 变成了 token / 推理时间
- "程序" 从机器指令变成了自然语言
- "进程" 从隔离的地址空间变成了独立的 Agent 实例
历史不会重复，但会押韵。
当你觉得某个 Agent 设计似曾相识——不妨回到操作系统教科书里找答案。那里面藏着你需要的解。