无框架 AI 代理的 Jarvis Pattern

贾维斯模式：用操作系统替代框架，构建AI智能体

基于大语言模型的AI智能体能够完全自动化DevSecOps任务——从部署集群到安全审计镜像。作者提出贾维斯模式：大语言模型作为大脑，操作系统作为执行之手，文件系统作为记忆。这取代了框架、图谱和向量数据库，使智能体成为独立的专家。

框架与编排器的问题

现代大语言模型智能体工具增加了中间件层：调用图谱、向量存储、包含数十个节点的流水线。结果是脆弱的系统，更新时容易崩溃。不仅没有简化，反而带来了新的复杂性。

脚手架不是建筑。框架是临时结构，需要被移除。智能体应直接与基础设施交互，就像贾维斯与托尼·斯塔克的工坊一样。

贾维斯模式公式：

大语言模型（大脑）+ 操作系统（双手）+ 文件记忆（知识图谱）= 成熟的专家

文件记忆替代向量数据库

智能体无需加载所有文档。它存储索引和引用：包含API端点、认证和方法的30行文件。这是一张地图，而非数据转储。

向量数据库通过嵌入解决搜索问题，但语义相似性 ≠ 上下文理解。来自不同领域的两个相似片段会产生垃圾结果。

文件记忆的优势：

• 通过文件夹和文件名实现结构化。
• 快速访问，无搜索开销。
• 可扩展至数百个文件，适用于运维任务。
• 易于更新和碎片整理。

索引文件 core.md 包含概览：项目、资源位置。智能体导航决策树。

操作系统作为智能体的通用工具包

Unix原则非常适合AI：一切皆文件，小工具执行单一任务，组合使用。

大语言模型独立选择工具：

• REST请求：curl。
• JSON解析：jq。
• 搜索：find、grep。
• 缺少工具：智能体编写CLI脚本，添加到PATH。

智能体使用现有基础设施：Prometheus用于指标（PromQL查询），Vault用于密钥，Grafana用于仪表板。一个包含地址和方法的Markdown文件——智能体就像DevOps工程师一样工作。

操作员级别的错误处理

重试、退避、熔断器适用于脚本。智能体是操作员：分析500响应，区分速率限制与不可用，等待或上报给人类。

陷入死胡同时：清晰报告原因，不挂起。

三种智能体记忆类型

陈述性记忆

事实：账户、令牌、Vault中的路径。Markdown文件。

程序性记忆

运行手册：发布文章、部署的步骤。Markdown指令。

情景记忆

经验：成功模式 + 负面案例（“方法X因Y失败，使用Z”）。结构化错误文件。

后台记忆智能体策展人整合会话：记录事实，更新矛盾，丢弃垃圾。类似于人类睡眠。

一个智能体 —— 一个专家

智能体与个人绑定：继承访问权限、角色、上下文。生活在服务器容器中，而非客户端。人类是处理不确定性的管理者，智能体是执行常规任务的执行者。

实际案例 umax（DevSecOps配置文件）：

• RBAC和访问： Kubernetes RBAC、FreeIPA、Vault集成、令牌轮换。
• 部署： Proxmox中的LXC → 具有网络策略和入口的K8s集群。
• 安全审计： Trivy/Grype用于镜像，GitLeaks，SonarQube，OWASP检查。
• CI/CD： TeamCity，Nexus，webhooks，回滚。
• 迁移和监控： LVM，基于指标的采购。

运行在Claude Sonnet上——一个中端模型。

关键要点

• 贾维斯模式最小化依赖：大语言模型 + 操作系统 + 文件。
• 文件记忆可扩展，避免向量搜索问题。
• 智能体动态扩展工具包，使用Unix实用程序。
• 记忆智能体策展人自动化经验整合。
• 在中端大语言模型上完成完整的企业任务周期。

— Editorial Team