流马智能体操作系统

工业级 AI 智能体操作系统 · Rust 构建

受诸葛亮木牛流马启发 — 古老智慧与现代 AI 的融合

[中文] · English · 设计细节 → medium URL 中文稀土掘金 中文博客园 中文CSDN博客 B站播客

🎉 v0.1.2 正式发布

我们自豪地宣布 Gliding Horse Agent OS v0.1.2 正式版 发布。

v0.1.2 新增核心特性：

什么是 Gliding Horse？

一个 基于 Rust 构建的 AI 智能体操作系统，通过 PDCA 循环编排多智能体，实现协调、可审计和自我改进的系统。——正如诸葛亮当年用木牛流马在险峻山路上革新了后勤运输。

"我们不只构建智能体；我们构建驾驭集体智能的基础设施。"

核心技术栈

| 层级 | 技术 | 职责 | |------|------|------|------| | 核心编排 (Rust) | PDCA 循环 · 5W2H 本体 · 事件总线 | 智能体编排与生命周期管理 | | 技能图谱 | RDF · 6 种链接类型 · 18 模块 | 动态认知网络 | | 记忆系统 | L0 Sled · L1 Session · L2 Blackboard · L3 Projection · MESI 一致性 | 带预取的分层记忆 | | 知识图谱 | Oxigraph RDF · SPARQL 1.1 · 代码 AST · 命名图 | 跨子系统统一存储 | | HyperspaceEngine | HNSW ANN · WAL · Poincaré/Cosine/Euclidean · 混合搜索 | 嵌入式向量嵌入引擎 | | Gliding Code TUI | ratatui · crossterm · MCP · 断点恢复 | 终端 AI 编程助手 | | 数据总线 | JSON-LD 1.1 · @id/@type/@context · 命名图 | 通用互操作层 | | 网关 | gRPC · HTTP (兼容 OpenAI) · MCP | 生产级接口 | | 感知引擎 | 10 种触发器 · 异常去重 · 5W2H 约束检查 | 主动监控 | | 智能体工作流 | PA/DA/CA · 工具系统 · 检查点 · 追踪操作 | 多智能体执行 |

📖 故事：从古老智慧到现代智能

三国时期（220–280年），传奇战略家诸葛亮（蜀汉丞相）面临一项严峻挑战：如何在北伐中通过四川险峻的山路高效运输补给。传统轮车在狭窄陡峭的小路上举步维艰；人力搬运工负重有限，很快便精疲力竭。

他的解决方案——木牛流马——是能够以最少人力引导在复杂地形中行驶的自动运输装置。这些机械奇迹不仅仅是工具；它们代表了一种范式转变——延伸人类能力的自主系统。

连接古今：Agent Harness

正如流马作为穿越天险运输补给的智能鞍具，Gliding Horse Agent OS 充当了 AI 智能体的智能驾驭层：

"善战者因其势而利导之，譬如以水投水。"
— 诸葛亮

这一古老智慧指导着我们的设计：适应任务复杂度的灵活编排，而非将任务强行塞入预定模具的僵化框架。

🔧 亮点速览

1. HyperspaceEngine — 嵌入式向量引擎

生产级空间记忆引擎，支持 运行时可选度量空间（Poincaré、Cosine、Euclidean、Lorentz）。内置 HNSW 近似最近邻搜索、CRC32 校验的预写日志（WAL）（3 种同步模式）、切线空间剪枝（优化 Poincaré 球搜索）、JSON-LD 元数据索引（RoaringBitmap 位图过滤器）以及双空间混合搜索（文本 × 结构）。独立 crate，零外部向量数据库依赖。

2. 技能图谱认知网络

动态内存认知网络，6 种语义链接类型（前置依赖、组合、关联、替代、扩展、泛化）。核心能力包括：基于图谱拓扑的 Poincaré 结构嵌入（前置依赖深度 + 标签域指纹）；超图组合——一等公民 Hyperedge 与 CompositionType（顺序、并行、条件、可选、回退）；图算法（PageRank、介数中心性、标签传播社区发现、DFS 前置链、Tarjan SCC 环检测）；因果故障分析与根因推断；形式化不变式验证（6 项检查：无环、链接可达、组合可达、无废弃前置依赖、5W2H 有效、安全等级有效）；时序版本管理与快照回滚。

3. 泛化 PDCA — 7 级自适应执行

通过 5W2H 元数据动态选择 7 级复杂度（L0 即时 → L5 递归 → L6 应急）。同一引擎同时处理即时查询与数周工程项目——无需僵硬的固定流程。PA/DA/CA 智能体角色，基于模板的提示词构建。

4. 语义技能发现引擎

SkillDiscoveryEngine 包装 HyperspaceStore 实现基于向量的语义技能搜索。suggest_links() 从 Jaccard 标签重叠优雅降级到余弦相似度搜索。内置 BFS 路径发现（find_skill_chain()）、组合树构建（get_skill_tree()）和冲突检测。

5. CPU 缓存记忆 — 4 层结构 + MESI 一致性

业界首创将 CPU 缓存一致性协议应用于多智能体记忆系统。L0 Sled 磁盘存储 → L1 会话上下文 → L2 Oxigraph RDF + Blackboard → L3 SPARQL 投影缓存。智能预取引擎降低 90% 感知延迟。解决上下文爆炸与并发智能体间的共享内存不一致问题。

6. JSON-LD 通用数据总线 — W3C 标准互操作

@context 鸭子类型消除技能间的字段名冲突。@id 实现零成本跨智能体实体合并。@graph 命名图支持跨子系统无锁并行写入。将互操作难题变为即插即用。

7. 自进化技能图谱 — 自主学习

AA 智能体每次任务完成后自动创建知识片段和新语义链接。/learn//reduce 机制实现自主技能获取与归并。BootstrapEngine 从文件系统摄取 Markdown 格式技能。

8. 通用知识图谱 — 统一认知骨干

所有子系统（技能、记忆、任务、代码知识）共享同一 Oxigraph RDF 存储，通过命名图隔离，支持跨子系统 SPARQL 联合查询。tree-sitter 解析的代码 AST 自动转为 RDF 三元组。SkillGraphStore 双向 SPARQL 同步确保认知图与语义存储实时一致。

9. 5W2H 维度级审计 — 精准回滚

CA 独立审计 7 个维度。What/Why 失败 → 重新分析。How/Where 失败 → 重新规划。When/HowMuch 失败 → 条件通过。告别黑盒"通过/不通过"——精确定位问题根因。

10. 主动感知引擎 — 防患于未然

10 种执行触发器，60 秒异常去重窗口。监控截止时间违规、预算超支（>80% Token）、角色不匹配、环境冲突。工作区监控器实时检测文件创建/修改/删除。必要时自动升级到人工处理。

11. 微工具系统 — 驾驭大型输出

结果 >8KB 时自动生成可对话的微工具（如"search_in_results"）。将 50KB+ 的笨重输出转变为 LLM 上下文中可交互、可查询的产物。

12. MCP 集成 — 一个协议连接一切

标准 Model Context Protocol 连接 GitHub、Slack、Jira 等任意 MCP 兼容服务器。运行时动态发现工具。支持 HTTP SSE 和 stdio 两种传输模式，通过可重复 --mcp-server CLI 标志配置。

13. 检查点与恢复 — 崩溃不丢上下文

关键执行点保存会话快照，崩溃后完整恢复上下文零丢失。--resume <task_iri> 和 --list-checkpoints 命令提供显式会话管理。支持数小时/数天的长任务执行及事后回放调试。

14. Center + Edge 联邦 — 本地自治，全局编排

Go Center 负责工作流编排（Temporal）、项目管理、智能体注册。Rust Edge 运行本地 LLM 执行与 Docker 沙箱。VS Code 插件提供实时开发者感知。无单点故障。

🖥️ Gliding Code — 终端 AI 编程助手

Gliding Code 是一款基于终端的 AI 编程助手（ratatui TUI），将流马智能体操作系统的知识图谱与智能体编排能力直接带入命令行——无需 IDE。

功能特性： - 交互式 TUI，支持 Markdown 渲染（tui-markdown）和 Mermaid 图表 - MCP 服务器集成，通过 --mcp-server 和 --mcp-server-stdio 标志 - 检查点恢复：--resume <task_iri> 和 --list-checkpoints - 多模型后端：DeepSeek、兼容 OpenAI 的 API - PDCA 工作流执行：规划/执行/检查/行动完整周期 - 可配置：工作区、最大迭代次数、最大 PDCA 周期、日志级别

知识图谱可视化——实时实体关系、代码结构理解、基于 Oxigraph RDF 的跨子系统感知

任务完成界面——AI 智能体成功分析并解决编程任务，全程可追溯

🚀 快速开始

直接下载 — Gliding Code

无需任何依赖。下载、解压、直接运行：

# Linux / macOS
tar xzf glidingcode-*.tar.gz
./glidingcode --help

# Windows (PowerShell)
Expand-Archive glidingcode-x86_64-pc-windows-msvc.zip .
.\glidingcode.exe --help

所有 Linux 版本均为全静态链接（musl），无需任何运行时依赖。

设置 API 密钥后即可使用：

export DEEPSEEK_API_KEY="sk-..."        # Linux / macOS
# 或
set DEEPSEEK_API_KEY="sk-..."           # Windows (cmd)
# 或
$env:DEEPSEEK_API_KEY="sk-..."          # Windows (PowerShell)

# 也可使用任意兼容 OpenAI 的服务：
export AGENT_OS_GATEWAY_API_KEY="sk-..."
export AGENT_OS_GATEWAY_API_URL="https://your-endpoint/v1"

# Web search 工具（基于 Exa 搜索引擎）：
# 从 https://exa.ai/docs/reference/team-management/get-api-key 免费获取 API Key
# 未设置时自动降级为 DuckDuckGo 模式，但国内 DuckDuckGo 不好用，不推荐国内使用
export EXA_API_KEY="your-exa-api-key"

# 启动交互式会话
./glidingcode

# 或单次执行任务
./glidingcode "解释 Rust 的借用检查器工作原理"

# 附接 MCP 服务器
./glidingcode --mcp-server chrome=http://localhost:3000/sse

# 从检查点恢复
./glidingcode --resume task:abc123

从源码构建

git clone https://github.com/doiito/gliding_horse.git
cd gliding_horse

# 编译 glidingcode 二进制（release，约 51 MB）
cargo build -p code_cli --release
./target/release/glidingcode --help

🗺️ 路线图

v0.1.x 发布系列（稳定化）： - Linux/macOS/Windows 多平台二进制分发 - Linux musl 全静态编译（零依赖） - MCP 工具生态扩展与文档完善 - 检查点恢复功能的测试与打磨

v0.2.x 发布系列（规划中）： - 原生 Web 仪表盘（智能体监控与任务管理） - Python/TypeScript SDK 简化集成 - 技能市场原型与社区插件注册表 - 多模型路由与成本感知调度

v0.3.x+ 发布系列（未来）： - Kubernetes 部署算子，生产级弹性伸缩 - 跨 Edge 节点的分布式智能体网格 - 多模态智能体支持（视觉、音频） - 多轮对话记忆压缩

📊 性能目标

📚 文档

• 设计细节 → docs/DESIGN_DETAIL.zh.md · docs/DESIGN_DETAIL.md (English)
• 核心设计理念 → docs/CORE_DESIGN_PHILOSOPHY.zh.md · docs/CORE_DESIGN_PHILOSOPHY.md (English)
• gRPC Proto → proto/pdca_core.proto

🤝 参与贡献

欢迎社区贡献！

• 🐛 报告 Bug：GitHub Issues
• 💡 提出想法：GitHub Discussions
• 🔀 提交 PR：Fork → 功能分支 → PR 至 main

git checkout -b feat/my-feature
# 进行你的修改
cargo fmt && cargo clippy  # 保持代码整洁
cargo test                 # 确保一切正常
git commit -am '添加我的功能'
git push origin feat/my-feature

所有贡献者应遵守我们的行为准则。

📄 许可证

MIT License — 详见 LICENSE。

觉得有用就点个 ⭐ —— 和我们一起构建未来 AI 的基础设施。

"智慧并非继承而来；它建立在先辈的肩膀之上。"