Ambiance: 一种受 Unix 启发的 LLM Agentic Harness

Ambiance 通过利用模型对 Unix 系统的现有知识来减少 token 开销，从而优化 LLM 性能。

与其教导 LLM 一个全新的环境，Ambiance 实现了一个基于 Unix 哲学的 harness：模块化工具（只做一件事并将其做好）、文本流作为通用接口，以及结构化的文件系统。通过将 agentic 概念映射到文件系统层次结构标准 (FHS)，该 harness 允许 LLM 在其已经精通的环境中运行，从而最大限度地减少 agent 导航其工具和数据所需的认知负荷（以 token 衡量）。

作为 Agentic Framework 的 Unix 哲学

Ambiance 构建于源自原始 Unix 信条的三个核心原则之上：

1. 模块化、透明的工具：工具应该是单一用途的，并且应当在失败时明确报错，以确保 agent 可以识别并从错误中恢复。
2. 可互操作的组件：Skills 定义工作流，tools 执行这些工作流，而 connectors 提供数据。这些组件必须无缝协作。
3. 文本作为通用接口：由于 LLM 原生精通文本，所有数据——包括日志、配置和外部数据源——都表示为纯文本文件。

将 Agent 概念映射到文件系统层次结构标准 (FHS)

为了避免在文件发现和遍历上浪费 context，Ambiance 将 agentic 角色和数据映射到一个基于 FHS 的伪虚拟文件系统 (VFS)。这使得 LLM 可以利用其对 Linux 目录结构的先验知识来查找所需内容。

Harness Concept	Unix Equivalent	FHS Path
Agents	Users	/home/...
External Data	Drivers	/sys/
Tools	Binaries	/bin/
Logs	Logs	/var/
Self-healing	System Binaries	/sbin/ & /recovery
Skills	Documentation	/usr/share/doc

Ambiance Kernel 与事件驱动执行

Ambiance 用一个被称为 "Kernel" 的事件总线取代了传统的 "heartbeat" 间隔（即 agent 每 30 分钟检查一次更新）。

事件驱动触发

Kernel 通过在文本文件上使用 cursors 来监控文件系统的变化。当检测到变化时，它会调用 LLM。这确保了 agent 能够实时响应通知和状态变化，而不会在空的 heartbeat 检查上浪费 token。

安全与调解

Kernel 作为 LLM 与外部世界之间的中间层，执行完整性检查、清理和故障保护，以确保 agent 的行为是安全的，且没有明显的危害。

多用户 Agent 架构

Ambiance 采用了一种专门的多用户系统来分离关注点并维持系统稳定性：

• root：管理系统级任务，包括编写新的 drivers、创建 binaries，以及修复现有的 ones。
• pai：主要面向人类的 agent，负责与外部世界交互。
• librarian：维护系统性能日志，记录 pai agent 的优缺点。

这些用户通过事件总线使用专门的 send-message binary 进行通信。

社区观点与批评

虽然受 Unix 启发的这种方法因其精简和可审计的特性而受到称赞，但该概念也面临着来自开发者社区的几项技术批评：

确定性 vs. 灵活性

一些人认为 harness 应该更具确定性，将更多逻辑移入可执行代码中，并仅将 LLM 用于处理边缘情况的决策。一位评论者建议，"English" prompt 应该本质上变成一个代码循环，其中 LLM 仅决定测试失败是否是由于功能变更引起的。

"Everything is a File" 的辩论

批评者质疑文件隐喻对 LLM 的效用。一种观点认为，文件——及其 seek 和 byte stream 抽象——对于在 token vectors 上运行的 LLM 来说是不必要的，因为 LLM 操作的是 token vectors。其他人则建议，JSON 等结构化数据在确保确定性方面优于纯文本。

领域特定性

有一种普遍观点认为，领域特定 harness（例如，专门针对软件工程并内置 ADR 和 planning skills 的 harness）比通用的 "do-anything" harness 更有效。正如一位用户所言：

"在没有工程 harness 的情况下运行 Claude，就像在没有刹车或方向盘的情况下驾驶汽车。"

技术约束

用户指出，当前的 Ambiance 实现似乎仅限于 macOS。