底层基础
一台云端虚拟机、你的笔记本电脑、手机、一台摄像头、一条机械臂、一个正在运行的物理世界——每一个在连接的那一刻都会变成一个由流文件组成的目录。它的感知是你读取的文件;它的执行器是你写入的文件。两个约定让这一切具有可组合性:基础文件是持续累积的完整流,而 .stream 后缀是它最新的一个元素——因此 cat screen.stream 得到的是当前帧,而 tail -f pose.jsonl 会持续跟随一台机器人。同一批文件既服务于用 shell 操作的人,也服务于用工具操作的智能体,还服务于通过 WebDAV 访问的程序。没有人拥有别人没有的私有接口。
循环
系统刻意不区分「计算机使用」核心和「机器人」核心。一个单一的步进函数运行在由当前连接的一切组合而成的动作面之上:一个屏幕类连接贡献点击、输入和滚动;一个具身类连接贡献关节控制、姿态和逆运动学。把一台桌面设备、一条机械臂和一个仿真都连接到同一个会话,动作面就是它们的并集——智能体可以在同一回合的连续动作中填写一个表单、指挥机械臂,并推进世界的仿真步进。当环境改变时,循环本身不会改变:在仿真仓库中学会工作的智能体,会用同样的动作集合去驱动真实的仓库,因为仿真只不过是机器人这一类别下的另一个设备。
上限
我们不断拓宽它、而不是把单一设备打磨到极致,是有原因的。一个智能体真正能完成多少,不是各项能力的平均值,而是由真实任务所需链条中最薄弱的一环决定的。若相机不在、机械臂没有接入,或者最后没有任何办法结清谁欠谁,推理能力强上一千倍也无济于事。这些代价是相加而非相乘,因此单项能力一骑绝尘,对总量的推动微乎其微。每把一类设备纳入同一套词汇,就少一处让工作停下来的地方——这正是笔记本电脑、机械臂、手机相机和一个正在运行的物理世界都归结为同一批文件的原因,也是每多接入一台设备只是拓宽操作面、而不是另起一套的原因。
众多头脑,一间房
一个会话的名册就是每位成员各自一个文件——人类和智能体是同一类主体,共享同一套权限词汇。可以有不止一个智能体同时发言:同时发生的唤醒事件会被序列化为确定性的轮次,而不是互相打断,任何成员驱动某个设备的权利,恰好就是写入其文件的权利。把一个专家智能体加入一个正在运行的会话,就像加入一位队友一样——只需在目录中放入一个成员文件。
会话目录中每位成员对应一个文件。读取目录就是读取名册;更改权限就是编辑一个文件。
当多个智能体同时被唤醒时,轮次会以确定性方式排序。协调是这间房本身的属性,而不是一种祈祷。
世界会在保留速度信息的情况下创建快照,并分叉出私有副本;在分叉上排练,在原始世界上执行。
循环所看到和所做的一切都是流文件——因此一个会话的回放就像一场直播,因为它本来就是。
同一底层基础,三个领域
一张电路接线图、一场生理学实验和一组分子,对人来说是不同的表面,因为它们对人来说是不同的事物——而不是因为它们在底层是不同的系统。每一个都是一份公开文档,抓取自最近一次部署后的正式应用;打开其中任意一个,即可获取一份副本。
为什么它能自洽
本页描述的是已经上线的机制,而不是路线图:统一的循环、由连接组合而成的动作面、带流文件的设备目录、可写的显示画面、带确定性轮次排序的成员文件,以及世界快照/分叉,全部都已上线。上面各图中的名册、通道名称和轮次顺序都是对这套机制的示意,而不是某一次具体运行的记录。更深层的理念——为什么这个平台上的一切最终都归结为人与智能体共享的文件——在博客上有专门的一篇文章讨论。