跳到正文

源自研究

研究

2024 年,我们率先提出“以智能体为中心的操作系统”。当行业还在给系统外挂助手时,我们已经在重新定义操作系统本身。Kleinia 是这一构想的完整落地,而我们的研究仍在向前。

路径

把智能体带进桌面的三种路径

三条路径各有适合的场景。Kleinia 选择第三条,因为只有它能让智能体触及系统的每一个部分。

  1. 01

    助手应用

    在现有操作系统上运行的对话或 Copilot 类应用。上手快,替换也容易。

    能看到的,取决于系统和其他应用愿意开放多少。

  2. 02

    系统之上的智能体框架

    在用户态调度和协调智能体的运行时,内核与系统服务保持不变。

    能很好地管理智能体,但底层系统对它们一无所知。

  3. 03

    智能体原生的操作系统

    操作系统本身围绕智能体构建:系统服务就是智能体,系统为智能体提供身份、上下文与权限。

    智能体触及整个系统,系统也能借助智能体不断自我优化。

    Kleinia

设计原则

我们为 Kleinia 设定的目标

Kleinia 的设计原则,以及它们在系统中如何落地。

我们的研究

我们团队发表的论文:从 Kleinia 所基于的架构,到运行在系统里的各个智能体。

arXiv:2411.177102024-11 · cs.OS

ACOS

Agent Centric Operating System — a Comprehensive Review and Outlook for Operating System

Shian Jia, Xinbo Wang, Mingli Song, Gang Chen

回顾操作系统的演进,提出以智能体为中心的操作系统(ACOS):所有系统组件都被抽象为智能体,通过扁平的智能体通信接口(ACI)相连,遵循“Agent for OS, OS for Agent”的理念。

奠基之作

Kleinia 本身的架构:智能体抽象、ACI、系统服务智能体,以及面向智能体的系统服务。

  • →智能体抽象:可组合、工具性、协作性、可扩展
  • →基于智能体通信接口(ACI)的扁平架构
  • →覆盖用户 → 智能体 → 链路 → 设备的四要素安全模型
始于 0.1 Aloe默认启用论文 ↗
arXiv:2511.116282025-11 · cs.DC

LAPS

Beyond the Monolithic Scheduler: Lightweight Adaptive Policy Switcher for Process Scheduling Optimization

Xinbo Wang, Shian Jia, Ziyang Huang, Jing Cao, Mingli Song

轻量级自适应策略切换器(LAPS)识别当前负载,在运行时把 Linux 进程调度切换到最合适的策略,而不是依赖单一的整体式调度器。

在 Kleinia 中

驱动计算调度智能体:桌面根据你正在做的事,实时选择合适的调度器。

  • →相比 EEVDF 平均性能提升 8.91%
  • →延迟敏感任务的响应延迟最多降低 91.7%
  • →代码开源
arXiv:2510.159662025-10 · cs.AI

PISA

PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency

Shian Jia, Ziyang Huang, Xinbo Wang, Haofei Zhang, Mingli Song

受皮亚杰理论启发的统一智能体记忆系统:三模态图式机制(更新、演化、创建)与符号—神经混合检索,在 LOCOMO 和新提出的 AggQA 基准上评测。

在 Kleinia 中

驱动知识与记忆智能体:长期、有序、可在智能体间安全共享的记忆。

  • →图式更新 · 演化 · 创建
  • →符号推理 + 神经检索
  • →提出 AggQA 基准
集成中论文 ↗

我们采用的前沿研究

Kleinia 关注的前沿不止于我们自己的实验室。外部研究能让系统更好时,我们就把它引入,并在这里注明出处。

SOSP 2025同行评审

cache_ext

cache_ext: Customizing the Page Cache with eBPF

Tal Zussman, Ioannis Zarkadas, Jeremy Carin, Andrew Cheng, Hubertus Franke, Jonas Pfefferle, Asaf Cidon

Linux 对所有负载使用同一种页缓存淘汰策略。cache_ext 让自定义淘汰策略可以用 eBPF 编写、按 cgroup 加载,无需修改内核,思路与 CPU 调度领域的 sched_ext 一脉相承。MRU、LFU、S3-FIFO、LHD 等策略可带来最高 70% 的吞吐提升和 58% 的尾延迟降低。

在 Kleinia 中采用

已集成进 Kleinia 内核,与 sched_ext、iosched_ext 一起,让智能体可以按负载接管页缓存淘汰策略。

  • →吞吐最高提升 70%
  • →尾延迟最多降低 58%
  • →按 cgroup 加载策略,无需改动内核
始于 0.1 Aloe默认启用源码 ↗arXiv ↗论文 ↗

更多前沿工作陆续引入

我们正在评估调度、内存与智能体运行时方向的更多研究,将在后续版本中引入。

第三方工作由其作者开发,按其自身许可证集成进 Kleinia。在此列出不代表原作者为 Kleinia 背书。