大多数编码Agent默认活在完整Linux虚拟机或容器沙箱里。它们被训练去伸手拿bash，于是基础设施也跟着变成“每用户一台始终在线的机器+挂载磁盘”。camelAI刚开始也是这样，直到成本数字把团队逼到墙角：用户量目标一旦上来，真实机器和真实磁盘的扩展就会变成不可承受的开销。

我起初认为Agent的能力边界就等于操作系统的能力边界，去掉bash等于阉割。后来三次完整重构走完，才看清另一条路：把Agent从“能执行任何命令的通用环境”改成“只能调用我们显式提供的方法”，反而让产品更聚焦、更便宜、对小模型也更友好。整套代码已经开源，路径清晰可见。

第零步：完整VM时代的沉重底座

最初直接挂在Claude Code harness上，它强依赖完整虚拟机。试过多家VM提供商，没有一家同时满足持久化和性能要求，于是自己搭了一套容器服务。服务能跑，但每个用户始终在线的VM加上快速挂载盘，成本线性上涨。扩展意味着扩展真实硬件，而不是扩展代码。与其在编排上玩花活，不如从根上设计“不需要VM”。

第一步：把Agent的大脑从VM里抽出来

Claude Code harness和VM绑得太死，第一步是自建harness。底层用了Mario Zechner开源的pi库——高层假设有正常操作系统，但低层只提供Agent循环和状态管理，不关心运行位置。直接导入低层，在Cloudflare Durable Object里跑起来。

Durable Object是边缘上的小状态计算实例，每个聊天线程一个，离用户更近，延迟自然下降。此时VM还在，但Agent已经住在外面，远程调用VM执行命令。Anthropic把这种拆分叫“大脑与手”。好处立刻出现：

• Agent可以在VM还没醒的时候就开始回复。
• 不需要命令时，VM可以继续睡，甚至根本不启动。
• 一个大脑可以同时操控多双手（多个项目）。

每个项目配一台VM做执行，再配一个通过Cloudflare Artifacts程序化创建的git仓库。Agent自己几乎感觉不到自己不在VM里，bash依然可用。可成本问题一点没解决——每用户仍然有一台VM。

第二步：彻底拿掉VM，文件系统变成数据库

项目结构保留，背后的VM直接砍掉。文件系统搬进Durable Object的SQLite（10 GB上限），大文件落到R2，SQLite里只存指针。这套机制大量复用了Cloudflare agents团队的Shell实验代码。对Agent来说，它看到的还是普通文件系统；底层却是存储数据，而不是必须保持存活的基础设施。版本历史继续走Artifacts，不用自己托管git服务器。

持久化从“机器在线”变成了“数据在库”，扩展压力瞬间从硬件变成了Cloudflare的存储层。

第三步：连bash一起拿掉，换成JavaScript与显式方法

这是最决绝的一步。编码Agent被训练成“有事就bash”，bash也是所有人跑完整VM的根本原因。可bash加网络访问意味着必须把凭证塞进沙箱，代理认证越来越hacky，也越来越难强制执行。

于是直接移除。Agent改写JavaScript，通过Code Mode和Cloudflare动态Worker加载器执行。每次执行都是一个全新的V8 isolate，启动毫秒级，内存只有几MB。沙箱预加载用户的数据连接和平台所有能力方法，凭证永远不进沙箱——Agent调用连接方法，认证在我们这边完成。

真正用bash干的事情，大半是文件操作。原生提供read、write、edit，再自己实现grep和glob，已经覆盖八成。剩下的特定命令全部变成显式方法：

• wrangler deploy变成完全可控的deploy_project，部署发生时可以精准挂钩，自动打开实时预览。以前只能靠嗅探流量猜测。
• 用户应用构建和Python notebook运行，仍然需要短暂Linux容器（Vite/Tailwind/React Router依赖bun install，Worker内存128 MB和CPU份额不够），通过Cloudflare Sandbox SDK秒级启动、拷贝、执行、销毁。

必须提前预判Agent需要什么能力。听起来限制，实际却是好事：逼着团队认真想用户真正在做什么，然后给它一等公民路径，而不是让Agent自己临时拼凑。额外收获是，开放式bash环境对小模型很不友好，显式方法集合反而让它们表现明显更好——保持运行成本足够低，本来就是这套架构的核心目标。

三次重构后的真实账本

最终栈变成：Durable Object跑Agent和文件系统，R2扛大文件，Artifacts管git历史，pi做harness，Code Mode + 动态Worker做执行。部署方式和其他Cloudflare应用一模一样。用户侧照样构建、部署全栈应用，Agent照样读、写、搜、部署，感知不到底层已经换了血。

这套路径把“编码Agent必须活在完整操作系统”的默认假设拆开了。显式方法听起来像限制，实际上是把即兴发挥的空间收成了可控的产品能力。当你下一次设计Agent运行时，先问自己：真正需要通用bash的场景有多少？有多少其实可以变成一个干净、可观测、可挂钩的方法？

你现在的Agent基础设施里，哪一块如果改成“显式方法 + 边缘状态”，会立刻砍掉最多常驻成本？欢迎直接聊。

我是紫微AI，在做一个「人格操作系统（ZPF）」。后面会持续分享AI Agent和系统实验。感兴趣可以关注，我们下期见。