受控自进化、边缘运行时与 Agentic OS

一句话：自进化让走通的方法被稳定复用，边缘运行时把调优延伸到最后一公里，Agentic OS 把多应用重复实现的约束下沉成共享层。三者的共同判据只有一句：被约束方不配合时，它是否仍然生效。

对应原书：第 23 章《受控自进化》、第 24 章《Agent 边缘运行时与全球优化》、第 30 章《从 Agentic Application 到 Agentic OS》。

为什么需要

三个问题分别出现在时间、空间和组织三个维度：

• 时间：排障 Agent 上周解决过同类故障，这周换了表述，又从零开始查资料、试错参数、漏掉前置检查。经验留在人的记忆里，不在系统里。
• 空间：端到端延迟拆成排队、环境准备、模型推理、工具调用、网络传输、沙箱执行、人工等待七个因素，六个在 Region 内产生，只有网络传输由物理距离决定。跨洋服务时它可能占首 Token 延迟的四成以上——模型再快也补不了物理瓶颈；东京用户 200ms、圣保罗用户 1200ms，这种差异只有边缘指标能看见。
• 组织：多 Agent、多框架、多租户叠加时，六类约束会在每个应用里各实现一遍——任务缺统一标识与状态归属、执行环境成了一等资源、能力元数据缺副作用与幂等声明、上下文边界被压缩续行侵蚀、授权无法随子任务派生并级联收回、证据采集点分散口径不一。这不是某个应用写得差，而是缺一个共享层。

核心机制

一、自进化先选任务，再选手段

选“目标明确、重复出现、能检查结果”的业务，先判断是缺方法、重复生成，还是被工具与环境阻碍，然后按现象分派：

现象	先试什么
相似故障总在重新探索	建经验库
漏前置检查或测试	补 Skill
反复写相近查询脚本	SQL 模板 / Script
固定流程靠人盯	接 Workflow
重复提交、恢复后状态不明	改 Harness

一次排障查询范围过大，先在 Skill 里补“按故障时间和对象缩小范围”；如果问题出在工具根本不支持过滤，就该由工具维护者补能力，而不是让模型每次绕。

二、经验库的门禁：经验不是总结，是可执行的方法

经验库保存的是“遇到什么情况，可以怎样处理”——“先找首次异常再分析连续重试”比某次故障的最终答案更有复用价值。一条代表经验要能回答三件事：解决什么问题、建议什么动作、在什么条件下适用。然后回到来源 Trace 核对：这个动作当时真的出现过吗？结果真的支持这条建议吗？

“查询不到日志时扩大时间窗口”就是典型：要先分清当时是窗口太短，还是数据根本没采集——前者可复用，后者应先修接入。来源与不适用条件写清楚，团队才不会把一次现场处置变成所有任务的固定要求。泛化要求（“仔细分析、正确调用工具”）没有行动价值，必须补代表性轨迹。

三、接入后必须亲自验证一次召回

装召回能力 → 配置库地址与凭据 → 授权必要调用 → 用已检查过的经验跑一次真实查询，再让 Agent 跑完整任务，观察它到底在哪一步使用。口头说“参考了历史经验”，必须对应真实调用记录。

失败按现象分开查：没发起查询 → Skill 启用、触发说明、工具权限；查询失败 → 地址、空间、库名、凭据；成功但为空 → 库内容、查询表达、过滤范围；命中未采用 → 返回内容是否进了上下文、前提是否适用。反复调阈值却解决不了接入问题，就是把四类故障混成了一种。

四、召回多少、什么时候用，由实验决定

经验缩短探索，也会增加检索与阅读开销。短任务多查一次未必划算，复杂排障一条方法可能省下多轮试错。做法：保留不使用经验的 Baseline，换新 Session 重发同一请求（避免上一轮的答案和文件让下一轮变简单），再调五个因素——召回阈值、返回数量、触发时机（规划前还是失败后）、放置位置与长度、使用要求（历史参考，采用前仍要检查当前条件）。

验收回到业务：排障看根因、证据、无效查询是否减少；代码看需求与测试；报告看口径。再比耗时、Token、工具调用与费用，召回开销要计入；某条经验反复误导，就缩小使用范围或停止采用，并把出问题的任务留作反例。最后用未参与挖掘的同类任务检查泛化性。

五、把稳定方法资产化

四类资产可组合，不必一次交齐：SQL 模板（去重计数分组 + 现场值变参数 + 字段、时区、空结果说明）、Script / 工具（封装分页、解析、汇总，短参数入、结构化出）、Skill（何时用、先确认什么口径、字段变了怎么办、完成后如何核对）、Workflow（固定步骤 + 空数据、失败、口径不匹配的异常分支）。

采用前换一组参数执行，加空数据、重复记录、字段变化样本，再用新任务端到端确认 Agent 能找到并正确调用。失败样本继续推动改进。Skill 的补丁要写清“应该在哪一步采取什么行动”；Harness 的改进针对执行机制——以“提交已发生、会话恢复后再次提交”为例，恢复时必须区分尚未开始、已开始但结果未知、已完成，结果未知先核对业务状态。新 Skill 要用目标 Badcase、原本成功的任务、以及不应触发的任务一起检验。

六、受控采用：三档成熟度，四条确认

手动：专家挑问题，维护者改一条资产；半自动：系统整理失败模式、生成候选，人比较方案、安排实验、决定采用；受控自动：在规定范围内自动检查与实验，满足条件采用，异常交人。

每次采用确认四件事：目标问题是否改善、原有任务是否退化、额外代价是否可接受、目标 Agent 是否实际使用了被验证的内容；同时记录原版本、候选差异、实验结果、采用范围，保留回退办法。一条容易忽略的运维事实：经验召回出问题，只暂停挖掘并不会停止旧经验继续影响任务，必须调召回或采用设置。

七、边缘：先分清楚什么能在边缘做完

分工原则是“边缘能处理的不回源”。但“能处理”不能只看算力，要看五件事：是否需要权威状态判定、身份与权限是否可在边缘完整校验、有没有写副作用、是否符合数据驻留要求、故障时能否满足恢复语义（一致性、顺序）。无需权威判定、无写副作用、符合驻留要求的才就地完成；涉及一致性、顺序与恢复的，必须回中心。对应到具体动作：缓存命中、安全拦截、就近路由可以在边缘；任务是否正确完成、结果是否可信，只能回 Region 判断。一个请求在边缘“看起来处理完了”，但它的写操作和后续状态仍归 Region。

八、边缘评估、缓存与归因纪律

评估要从四维扩展：性能（各区域 TTFT 的 P50/P95/P99、边缘到中心传输延迟、长连接建立时间）、成本（端到端调用成本、缓存节省、回源占比）、安全（边缘拦截率、DDoS 吸收量、注入检出率、Bot 识别准确率）、体验（区域一致性、流式完整性、断连恢复率）。发布准入必须同时含中心与边缘指标——全球 P95 不达标，区域内全过也不能发。

性能侧三条线：就近接入降低首跳，智能路由按实时网络选路，长连接池复用与缓冲、异步路由减少回源等待。其中 AI 推理传输有四层优化：① 协议栈首窗与区域化参数（TCP 首窗调大减握手往返）；② 长连接池复用（避免每次请求重建 TLS + HTTP/2 连接）；③ 缓冲与异步路由减少回源等待（流式转发、异步路由决策不阻塞首字节）；④ DSCP 专线选路保障高优先级流量（标记 AI 推理流量走优质路径）。四层叠加，TTFT / Token / 带宽三线齐降。语义缓存只用于公开、幂等、低风险请求，缓存键要含租户、权限域、地区、模型、Prompt、知识版本，并定义 TTL、失效与回源策略，否则会跨租户泄露或返回陈旧版本。边缘数据（区域、网络、时延、缓存、安全）与中心日志（模型生成了什么、调用了什么工具）必须结合，才能判断问题出在 Prompt、Skill、路由还是缓存。

归因有一条硬纪律：多区域都失败，问题多半在 Skill；只有一个区域失败，先查网络或路由。 看到失败就改 Prompt，是最常见的错误归因。策略形态是“全球统一基线 + 区域自适应”：Prompt、核心 Skill、基础安全规则全球统一，模型路由、节点、缓存、工具调用按区域真实流量调整——区域各自演进，能力会裂开。

九、边缘三阶段，不要一步跳到底

1. 基础设施增强：零代码改动，接入就近网络、DDoS 清洗、WAF、静态缓存，数天可落地，收益可量化；
2. 能力部署到边缘：语义缓存、内容转换（如 HTML→Markdown）、轻量推理；
3. Agent 原生部署在边缘：两级运行时——近用户侧做鉴权、路由、请求改写、缓存查询、安全初筛（冷启动毫秒级），近源侧做多轮对话、工具编排、模型调度、记忆与沙箱（会话不可中断，故障转移秒级）。

进入第三阶段的信号是：各区域独立部署运维成本不可控、全球 TTFT 中网络传输占比超过 30%、Token 成本线性上升且没有缓存手段。大多数企业长期停留在第一阶段或第二阶段就能获得主要收益——选“最低充分架构”，不是选最靠前的架构。边缘安全分三层：网络层 DDoS 吸收、应用层 WAF 与 Bot 管理、语义层护栏初筛；边缘负责“过滤”，中心负责“判断”，间接注入需要完整上下文，仍然回中心检测。

十、Agentic OS：什么该下沉

多 Agent、多框架、多租户叠加后暴露的六类约束，逼出一个共享层。但不是什么都能往里装，三条判据：

复用性是必要条件，强制性与可验证性至少占一条：强制指“必须由被约束方之外执行才生效”（权限校验、出站控制、预算上限、审计），可验证指“需要独立于执行方的证据才被采信”（关联观测、工作区独立校验、评估可复现）。工作区快照、沙箱创建、Trace 采集属于可下沉；任务终止条件与验收标准不属于——它们就是任务语义。

十一、九类对象与三条否定

九类管理对象：Agent 身份、Run、Session、Workspace、Skill、Tool 与 MCP 端点、Budget Lease、Policy、Evidence。其中三个要单独理解：Run ≠ 进程，一个 Run 跨多进程、多副本、多区域，可以挂起等人审批，正确性依据是任务事实完整一致；Budget Lease 把配额与最小权限合并，一次授权同时限定资源、操作、期限与撤销方式，能随子任务派生、能级联收回；Evidence 三态（计划中、已发出、已确认结果）直接决定恢复策略——工作区快照只恢复文件状态，跨系统副作用要靠操作记录加实时查询决定重试还是补偿。

三条否定同样重要：不替代 Harness（任务语义不下沉）、不是又一个 Agent 框架（框架靠 SDK 自愿遵守，系统层靠强制点，被约束方不配合时仍成立）、不必然修改内核（目标是让能力位于被约束方之外，不是位于尽可能底层）。

十二、解耦的代价与自治的上限

四个解耦面：模型与 Harness、Harness 与运行时、能力与协议、运行时与承载环境。解耦不免费，代价有三：版本组合矩阵（支持哪些组合、支持多久、怎么升级，本身就是交付能力）、隐式行为变更（接口不变、行为变了，只能靠评估集覆盖）、评估成本。所以评估从“质量手段”升级成“解耦成立的前提”：不重写任务语义就能替换，并且能用同一套评估证明替换后行为可接受。

自治阶梯 L1 建议 → L2 单步获准执行 → L3 有界自主 → L4 长任务自主 → L5 组织级自治。上限不由模型能力决定，而由可撤销范围与可证明范围决定，每升一级，边界与证据要求同时加码。还有一条常被混淆：能观测到不等于能控制住——强制边界要全路径覆盖、fail-closed、负向测试证明绕过会被拒绝，三条缺一，它就只是观测。不可逆操作再靠“计划中 / 已发出 / 已确认”三态记录、幂等键与显式补偿兜底。

最小上手

evolution:
  baseline: no_experience
  recall_experiment: [threshold, top_k, timing, placement, usage_requirement]
  adoption_check: [problem_fixed, no_regression, cost_ok, actually_used]
edge:
  eligible: [no_authoritative_state, no_write_side_effect, residency_ok, recoverable]
  cache_key: [tenant, permission_domain, region, model, prompt_version, knowledge_version]
os:
  sink_if: reuse && (enforceable || verifiable)
  objects: [identity, run, session, workspace, skill, tool_endpoint, budget_lease, policy, evidence]

验收看四件事：关掉经验召回后任务仍能跑（Baseline 可复现）；经验被采用能在调用记录里看到；边缘缓存不会跨租户或返回旧版本；系统层的约束在被约束方不配合时仍然拒绝。

生产动作

• 先修最大开销。重复生成查询就先做 SQL 模板，常漏验收就先补 Skill，不要一上来做全自动。
• 暂停挖掘不等于停用。下线一条经验要同时处理召回配置与已缓存内容。
• 边缘只做过滤与初筛。判断、写操作、需要一致性的动作留在中心；下沉也看强制性，不看层次高低——跨层调用成本要小于它换来的强制性收益。

边界

• 经验会过期。规则、字段、工具能力变化后，旧经验可能主动误导。
• 自进化不等于自动改自己。改动仍要走候选、实验、采用、回退；自动化提高，证据要求不降低。
• 边缘不是免费的加速。单区域业务、严格驻留、高正确性风险、算力受限时，收益可能反转。
• Agentic OS 不是新框架，不持有任务语义；协议兼容也不等于能力等价——降级模型可以正常返回工具调用，却在多步任务里丢掉中间约束。
• 标准化还早。接口能统一到什么程度、生态何时从协议兼容走到证据可比，都还在演进；现在能做的是把自己的强制点与证据链先立住。

讲清楚

自进化的目标是让验证过的方法稳定复用：先选重复且有验收标准的任务，按现象决定建经验库、补 Skill、做模板还是改 Harness；经验要能回答“什么情况、什么动作、什么前提”，并回到来源轨迹核对。接入后亲自验证一次召回，用 Baseline 和五因素实验决定召回策略，再把稳定方法资产化；采用按手动、半自动、受控自动三档推进。

边缘优化的前提是承认物理距离：延迟七因素里只有网络传输由距离决定。能在边缘完成的必须无权威状态判定、无写副作用、符合驻留、可恢复，否则回中心。Agentic OS 则是把多应用重复实现的约束下沉：复用性必备，强制性与可验证性至少占一条；管九类对象、分三层，任务语义留在应用侧。自治的上限不由模型能力决定，而由可撤销范围与可证明范围决定。

适用：受控自进化、全球边缘部署与 Agent 系统层设计 | 初稿 2026-10