为 Agent 时代构建 AI 原生操作系统
让每一次个人贡献，都能沉淀为团队下一次可调用的晶体智力。
A3S Lab 是一个开源实验室，专注于大规模、高可用的 AI Agent 基础设施。我们正在构建 A3S OS：一个 local-first 的运行时平台，让团队在自己的数据和权限边界内创建、运行、协作和运营 Agent。
A3S OS 把会话、模型、工具、记忆、工作流、隔离执行、观测和 Cloud 控制平面连接成一套明确的契约。你可以从一台电脑上的 a3s code 开始，按工作需要逐步加入能力编排、持久化记忆、沙箱、推理服务和团队治理。
我们的判断：AI 的价值不只在于回答一次问题，而在于让每次经过验证的判断，都能成为组织下一次行动的起点。
传统软件把数据、流程和权限分散在不同系统里；早期 AI 工具又把经验困在一次性对话和个人账号中。A3S OS 提供一条可追溯的贡献链：
flowchart LR
P["人的判断与经验"] --> C["Code · CLI · Desktop<br/>带上下文的工作会话"]
C --> M["Memory · Vec · Search<br/>可检索的组织记忆"]
M --> K["Use · Flow · Event<br/>可复用的能力与工作流"]
K --> V["Bench · Test<br/>评估、审查与证据"]
V --> G["Cloud · Observer · Sentry<br/>策略、运行与审计"]
G --> R["团队与 Agent 复用"]
R --> P
每个环节都有清晰的所有者：宿主决定策略，能力遵守授权，工作流保存状态，运行时负责生命周期，Provider 执行具体动作，证据回到发起这项工作的组织。系统因此可以渐进式部署，也可以在需要时替换模型、执行后端或基础设施。
流体智力是团队面对新问题时，将人、Agent、数据、工具和算力即时组合并作出判断的能力。它不依赖既有模板，而是在具体上下文中理解目标、提出假设、快速试错，并找到可行的新解。A3S OS 让这种探索发生在清晰的策略和权限边界内。
它包含四个动作：
- 感知上下文：从任务目标、约束、数据和历史中提取真正需要解决的问题。
- 动态组合：按当前任务选择成员、模型、工具、数据和算力，形成临时的协作单元。
- 边界内试错：在宿主策略、最小权限和隔离执行的保护下快速验证假设。
- 反馈回流：把有效的判断、过程和结果交给评估与复盘，为下一次结晶准备素材。
流体智力负责在未知中发现新解，晶体智力负责把有效的新解保存、验证并放大。治理是这两种智力能够安全循环的边界机制。
晶体智力是团队在长期协作中形成的结构化、可验证、可复用的认知资产。它是流体智力有效成果的沉淀，像晶体从成核点持续生长：一个人的判断带着上下文被记录，经过评估后变成 Skill、Tool、知识、记忆或工作流，再被更多成员和 Agent 调用。
晶体智力具备五个性质：
- 有上下文：知道结论来自什么问题、数据、约束和决策。
- 可验证：有测试、评估、人工审查或运行证据，而不是只有一句“模型说”。
- 可组合：能力通过稳定接口连接，能够编排成更高阶的工作流。
- 可版本化：变更、依赖、授权和回滚路径清晰，经验可以持续迭代。
- 有归属：贡献者、团队和组织拥有相应的访问权、责任和收益。
模型提供通用的计算能力，晶体智力承载企业独有的判断、方法和记忆。前者可以采购，后者只能在真实工作中持续积累。
企业最稀缺的资产通常不在某一份文档里，而在专家做判断时使用的上下文、取舍和隐性流程。人员流动、部门壁垒和一次性 AI 试点，会让这些资产难以传承；没有治理的 Agent 又会把数据、权限和责任变成新的风险。
A3S OS 为企业提供一个可以共同建设的“晶体智力大脑”：
| 企业要解决的问题 | A3S OS 带来的能力 | 组织得到的结果 |
|---|---|---|
| 经验散落在个人、文档和聊天记录中 | Memory + Vec + Search 保存上下文并提供可追溯检索 | 新成员能复用经过验证的经验，知识不会随人员离开而消失 |
| AI 试点彼此割裂，无法形成复利 | Code + Use + Flow 把会话、能力和流程变成共享资产 | 一次贡献可以被不同团队、应用和 Agent 组合使用 |
| 自动化越多，权限和合规越难控制 | 宿主策略 + 签名能力 + Box/Sandbox 隔离 | 每次行动都有边界、授权和责任，敏感数据可以留在本地 |
| 关键流程依赖人工盯守 | Event + Lane + Cloud 提供持久化编排、队列和控制平面 | 工作能恢复、重放、扩展和交接，运营从“盯任务”变成“管策略” |
| 被单一模型或基础设施供应商锁定 | Runtime 的类型化契约与可替换 Provider | 企业可以按成本、性能、合规和地域选择模型与执行环境 |
| 无法证明 AI 真的带来质量提升 | Bench + Test + Observer + Sentry 记录评估、运行和异常证据 | 改进有数据依据，发布与回滚有明确门槛 |
建设过程可以从一个团队开始：
- 成员在本地 A3S 会话中完成真实工作，保留必要的上下文和权限。
- 团队把高频判断提炼为 Skill、Tool、知识或工作流，并写入可读的契约。
- 通过测试、评估和人工审查，让有效做法成为有版本的晶体。
- 由 Cloud、策略和观测能力管理发布、访问、运行和回滚。
- 让新的成员和 Agent 在授权范围内复用这些晶体，继续贡献下一层结构。
这就是企业需要 A3S OS 的原因：它把“大家都在用 AI”变成“组织拥有一个会生长、可治理、能传承的共同大脑”。
每个项目独立演进，A3S OS 负责把它们组合成一条一致的工作路径。
| 方向 | 项目 | 解决什么问题 |
|---|---|---|
| 入口与工作台 | A3S · CLI · Code · Desktop | 从终端、SDK 和原生工作台启动 Agent 会话，管理模型、工具、上下文与权限 |
| 能力与编排 | Use · Flow · Event · Lane | 安装签名能力，编排持久化工作流、事件和队列 |
| 记忆与检索 | Memory · Vec · Search | 保存长期上下文，提供向量、全文和混合检索 |
| 执行与隔离 | Runtime · Box · Sandbox · OCI-Runtime | 以统一生命周期运行任务与服务，并隔离代码、网络和系统资源 |
| 推理与领域能力 | Power · MoE · Office · Science | 管理模型服务、算力驻留，以及办公和科学工作的 Agent 能力 |
| 企业控制与治理 | Cloud · Gateway · Observer · Sentry · Updater | 提供自托管控制平面、流量、观测、策略执行和可信更新 |
| 质量与证据 | Bench · Test · ACL | 用评估、测试和 A3S ACL 配置，让行为可重复、可审查、可发布 |
curl --proto '=https' --tlsv1.2 -LsSf \
https://raw.githubusercontent.com/A3S-Lab/a3s/main/install.sh | sh
cd /path/to/your/project
a3s config init
a3s code先在一个真实项目中完成一次工作，再按需加入检索、能力、工作流和隔离执行。查看 安装说明、CLI 参考 和 文档站。
从一个有明确边界的流程开始：让成员贡献带上下文的案例，定义可复用的能力，设置评估门槛，再将通过验证的晶体发布给团队。需要自托管控制平面时，阅读 Cloud 与 兼容性锁。
A3S Lab 以开放协作为默认方式。你可以：
- 从 A3S OS 或项目矩阵中选择一个仓库，阅读对应 README 和贡献指南。
- 在相关仓库提交 Issue，报告可复现的问题，或描述一个真实的 Agent 工作场景。
- 通过 Pull Request 改进代码、文档、测试和评估证据；让每个变更都能被理解、验证和复用。
- 在 组织仓库列表 中发现更多项目。
我们相信，最好的组织智能不是某个系统替团队思考，而是让每个人都能安全地贡献，让团队能够看见、验证并继承这些贡献。
Build the operating system for collective intelligence.
开始探索 A3S OS →