openJiuwen获国际媒体关注：打造AgentOS，破解AI智能体规模化落地难题

近期，openJiuwen 社区持续获得国际科技媒体的关注。亚太头部科技媒体 Tech in Asia 专题报道了其先进的架构设计理念 [1]；国际权威 AI 媒体 MarkTechPost 则深度解析了基于 openJiuwen 构建的 JiuwenClaw 智能体，重点解读了其自主演进与动态任务规划等技术亮点 [2]。这些报道表明，openJiuwen 的技术能力已获得国际领域的关注与认可。

当前，AI 智能体正从演示场景走向规模化落地，但在算力效率、运行稳定性、安全可控及多智能体协同等方面仍面临诸多瓶颈。在此背景下，openJiuwen 针对智能体落地痛点，致力于打造企业级高可靠、自演进、多智能体原生且算力亲和的 AgentOS，为 AI 智能体的规模化应用提供关键支撑。

Agent 规模落地生产需要操作系统级别的变革

随着大模型技术的深化，能够理解目标、规划任务、深度思考、调用工具并反思验证的 AI 智能体，已成为人工智能落地的关键形态，并正加速规模化部署。这带来了巨大的机遇，也伴随着显著挑战。例如，有研究指出智能体应用的复杂度正以指数级速度增长，这不仅催生了庞大的算力需求，也预示了严峻的技术挑战。

首先，智能体在执行复杂任务时，常伴随大量上下文堆积与重复推理，导致 Token 消耗巨大、运行成本高昂，制约了其规模化落地。其次，安全与可控性问题突出，权限管控不足、工具调用存在风险、执行过程缺乏有效约束，使其在实际场景中的可信度与可控性有待提升。

同时，在多步骤、长链路、动态变化的复杂任务中，智能体的任务成功率仍然偏低，稳定性与鲁棒性不足。长时运行缺乏可靠保障，易出现执行中断、逻辑漂移、状态遗忘和能力失效等问题。尤其在多智能体协同场景下，智能体间的一致性、完整性和协作可信度更缺乏系统性保障，难以满足企业级高可靠、高可控的应用要求。

此外，当前 AI 算力基础设施成本居高不下，模型推理服务、大规模集群等设施的部署与运行开销巨大。智能体的负载兼具通用计算、智能计算以及网络、存储等多维需求，资源消耗模式复杂。如何让智能体在昂贵的算力设施上高效运行、降低整体使用成本，已成为关键挑战。

面对 AI 智能体独特的负载与算力需求，以及底层算力基础设施的快速演进，需要一个“AgentOS”作为中间衔接层，既能有效管理底层设施，也能支撑智能体的运行与开发。openJiuwen 旨在扮演这一角色，聚焦智能体规模化落地的核心痛点，打造安全可信、高效稳定的智能体运行与协同底座。它旨在为智能体提供统一的任务调度、上下文管理、自主演进、权限治理、长时运行保障及多智能体协同能力，助力跨越从“可演示”到“可生产”的关键门槛，加速 AI 智能体的规模化落地。

openJiuwen as the AgentOS

openJiuwen 以智能体应用负载为核心服务对象，南向亲和模型与算力基础设施，北向使能各类智能体，其生态定位即为 AgentOS。

同时，openJiuwen 提出 “CLI as New POSIX, Skill as New Library, Agent as New Service” 三大设计理念，并以此构建了完整的总体架构。

AgentOS 总体架构图

Agent System Service — CLI as New POSIX
AgentOS 的原子化系统服务借鉴 POSIX 对进程系统调用的标准化思想，定义了智能体时代的新系统原语：感知（perceive）、规划（reason）、行动（act）、记忆存储（memory store）、隔离（sandbox）。遵循此规范的智能体可实现跨场景、跨设备的统一运行。该层同时支持 Agentic UI 动态生成，能依据用户身份、任务上下文与设备类型实时渲染界面，提供个性化交互体验。

Agent Distributed Runtime — Agent as New Service
微服务架构让应用走向分布式协同，而 Agent Distributed Runtime 则让智能体实现分布式协同。各智能体职责单一、接口标准、可独立部署，通过 Intent Router 进行语义路由，并由 Orchestrator 完成动态编排。该层依托智能体注册发现、跨节点通信、分布式状态管理与多租户隔离能力，构建可治理的分布式智能体网格（Agent Mesh），支撑企业级大规模智能体并发运行。

Agent Framework — Skill as New Library
正如编程语言标准库助力开发者高效开发，Agent Framework 让智能体开发者能够复用已沉淀的智能能力。Skill 作为封装完备的可复用智能体能力单元，支持版本管理、依赖声明、权限声明及自动化测试。该框架提供智能体协议、ReAct 执行引擎、上下文与记忆管理、智能体护栏、Skill 引擎，以及基于执行反馈的智能体自演进等核心能力。

开箱即用的通用 Agents，系统性能 Turbo Skills + Skill Inventory
AgentOS 开箱即提供面向企业、个人及设备控制的通用智能体，同时内置可提升系统性能的 Turbo Skills。Skill Inventory 作为智能体生态分发平台，支持官方、厂商、社区及私有 Skill 的统一上传、审核、发布与安装，实现开发者一键获取能力、Skill 贡献者触达全生态用户。

openJiuwen as AgentOS 的主要特征

算力亲和：降时延、提吞吐、省 Token
在 AgentOS 的设计范式中，算力亲和是实现系统级高性能的基石。为最大化释放算力潜能，openJiuwen 向上承接各种智能体的高并发请求与复杂任务编排，向下与底层硬件实施深度软硬协同。

在智能计算协同方面，openJiuwen 与 NPU 等 AI 算力搭建了主动亲和机制。当智能体长时运行时，上下文会频繁压缩/卸载/切换 Skills，导致推理引擎中存在大量失效的 KV Cache，侵占有效缓存空间，降低命中率，进而影响运行时延。openJiuwen 在 Agent Framework 核心层，通过智能体上下文动态感知协同与 NPU 亲和缓存调度，提升 KV Cache 整体利用率，保障智能体在长时运行与高频上下文变动场景下的极致响应，据称可降低智能体时延达 30%。

在通用计算与系统调度层面，openJiuwen 与 CPU 构筑了稳固的协同底座。传统操作系统以进程/线程为对象设计调度策略，面向智能体超长调用链路负载时，这些策略易引发无序资源供给，导致性能波动和时延不可控。openJiuwen 在 Agent System Service 核心层，与 CPU 感知调度能力协同，基于智能体业务流将进程/线程的无序调度转变为有序的全流程协同调度，据称可提升端到端吞吐达 20%。

系统级 Turbo Skills，赋能全生态高效开发

从 AgentOS 的视角来看，Skill 即是新一代的 Library。当前的 Skill 生态尚不完善，如何将系统底层的优化能力封装为 Skill，提供给 Agent 开发者使用，以帮助他们构建功能更全面、性能更卓越的 Agent，是一个重要的新课题。openJiuwen 将这一方式抽象为“系统性能 Turbo Skills”。

例如，针对云与数据中心复杂的运维场景，openJiuwen 能够预置各类高效的运维 Skills。指标采集 Skill 可实时监控并主动感知问题，通过细粒度指标动态触发采集，实现分钟级 AI 慢节点检测与溯源，识别准确率达 80%；故障检测 Skill 能动态感知系统拓扑，协同关联多源日志以定位故障节点，实现内存故障的小时级定位，准确度超过 80%；调优 Skill 可动态识别环境与业务拓扑，结合通算与智算芯片的亲和性领域模型，以及参数/策略关系知识库，实现系统参数的自动寻优，从而提升专家优化效率。

长时确定性运行：消融不确定性

在企业级复杂的 Agent 任务中，一个核心矛盾在于：大语言模型（LLM）推理本质上是无状态的，而长时任务却对状态的持续一致性有着刚性需求。每次推理调用结束后，Agent 的“记忆”便随之消失，但企业工作流往往要求系统在数天甚至数周的执行周期内保持语义连贯与行为确定性。openJiuwen 围绕这一系统性挑战，构建了以下核心技术能力：

分层记忆与上下文管理
长时运行 Agent 面临的首要瓶颈是上下文窗口的“爆炸”问题。即便模型支持超长上下文，系统提示、工具输出等信息的累积也会迅速耗尽可用空间。大量无关信息会稀释模型注意力，加剧幻觉问题，为系统引入更多不确定性。openJiuwen 基于企业数据、交互摘要、工具调用日志等多模态数据，构建了多层知识图谱与双时间轴建模体系，实现记忆的智能提取、按需失效与动态重排序，支撑 Agent 在长时任务中高效、精准地获取所需知识，避免上下文冗余与噪声累积。此外，当 Agent 需要回溯或分支执行时，系统通过上下文裁剪与重置算法，识别最小必要上下文集合，进一步抑制注意力稀释与幻觉，消减系统不确定性。

执行过程的反思与纠偏
使能长时确定性运行的另一关键技术，是 Agent 对自身执行过程的反思与纠偏能力。在漫长的任务链路中，执行偏差的累积效应会被逐步放大，若无系统化的自检机制，Agent 行为将不可避免地偏离预期目标。openJiuwen 在分布式引擎中构建了双通道验证架构，将 LLM 的“快思考”概率推理与形式化方法的“慢验证”确定性校验相结合，并在运行时将校验结果反馈给 Agent，引导其在受限搜索空间内重新规划。这一“执行—验证—修复”的闭环机制，为 openJiuwen 在概率性之上构建了确定性保障。

分布式状态管理与 Agent 互联

大规模、高并发、高吞吐是 Agent 应用运行的重要需求，而分布式状态管理是保障企业级大规模 Agent 任务可靠运行的基石。Agent 任务天然是有状态的，例如长程任务的执行进度、各节点 Agent 的执行状态等。一旦这些状态丢失或不一致，其影响将在任务链中逐级放大。openJiuwen 的分布式运行时，能够将 Agent 运行状态实时进行分布式备份。当节点发生故障时，系统可自动重建实例并恢复正确的内部运行状态，实现断点续跑，确保 Agent 在故障恢复前后语义一致且无副作用，有效防止因推理错误或系统崩溃而在外部系统中留下不一致状态。

在 Agent Team 场景中，多 Agent 系统需要在异构单元间建立高效的发现与互联协议，从而实现从单点执行到群体智能的升级，以支撑复杂场景下的高效协作与全局优化。

原生自演进框架：全链路自主演进

构建闭环、可自主迭代的自演进能力，是 Agent 突破能力上限、实现从被动响应到主动进化的核心支撑。在企业级复杂场景与规模化落地过程中，仅依靠静态配置与人工调优难以满足 Agent 能力的持续升级与规模化适配。执行偏差、能力固化、经验无法沉淀等问题，直接制约了智能体的持续进化与生态扩展。

openJiuwen 基于原生自演进架构，支持提示词的自动优化与上下文经验的沉淀。通过对 Agent 运行中产生的负例进行轨迹分析，采用“文本梯度”机制对提示词进行自动化、非随机且具备梯度意义的持续优化；同时，在任务执行后反思轨迹、提炼结构化经验，不断进化经验库，将任务执行过程转化为可复用的长期知识。

此外，openJiuwen 依托工具与 Skills 的自演进，实现 Agent 可用能力的实时迭代升级。基于 Agent 执行异常与用户纠错两种信号，将实际使用问题实时转化为 Skills 的改进输入，驱动工具与 Skill 持续迭代更新，让技能从静态文档转变为可不断进化的“活文档”。这套自演进体系使得 Agent “每次使用都是一次有效训练”，从而实现端到端的全链路自主演进，以低成本、高效率的方式持续提升智能体的执行效果。

安全可信：构建全栈纵深防御体系

为保障 AI Agent 在企业环境中的安全落地，openJiuwen 基于纵深防御理念构建了六层安全防护，确保 Agent 执行全链路安全可信：

1. 身份认证：支持对接企业内部统一认证与授权系统，将用户身份与 Agent 身份绑定，确保业务仅对合法授权主体开放。
2. 权限管控：支持基于用户意图与任务上下文的细粒度权限控制，根据任务内容动态生成权限清单，实现按需最小化授权。
3. 行为检测：多层安全护栏覆盖 Agent 的输入输出、规划执行与外部交互全链路，保障 Agent 在用户误操作、模型输出偏离预期或遭遇外部间接注入等异常干扰时，仍能保持行为安全可控。
4. 签名校验：基于密码学校验，将信任链从操作系统延展至 Agent 执行中的每一个 Skill 和每一次工具调用，确保 Agent 运行环境完整可信。
5. 隔离运行：Agent 安全沙箱支持对进程、文件、网络资源进行精细隔离，保障工具及 Skill 在明确的安全边界内运行，实现系统安全稳定。
6. 审计运营：构建全链路运行日志记录与异常行为追踪分析能力，实现 Agent 行为可观测与可追溯，满足企业级安全合规审计与常态化安全运营要求。

结语

未来，openJiuwen 社区将继续秉持开源精神，与全球开发者、算力供应商及行业伙伴携手，共同助力全球 Agentic AI 产业发展，共创智能体时代的新生态。

• openJiuwen 官网：https://www.openJiuwen.com/
• AtomGit：https://gitcode.com/openJiuwen
• GitHub：https://github.com/openJiuwen-ai

参考链接

[1] Tech in Asia 《openJiuwen community launches new agent: JiuwenClaw – focused on self-evolution and task management》：https://www.techinasia.com/openjiuwen-community-launches-agent-jiuwenclaw-focused-selfevolution-task-management

[2] MarkTechPost《Not Just Understanding, But Evolving: The All-New Self-Evolving JiuwenClaw Makes Its Debut》：https://www.marktechpost.com/2026/03/27/openjiuwen-community-releases-jiuwenclaw-a-self-evolving-ai-agent-for-task-management/

投稿或寻求报道，请联系：liyazhou@jiqizhixin.com

关注“鲸栖”小程序，掌握最新AI资讯