Όλα είναι Αρχεία: Μια Φιλοσοφία Σχεδίασης από το Unix στους AI Agents

Πρωτότυπο από τον Ethan 业成

Αντηχή που διαρκεί μισό αιώνα

Στις αρχές της δεκαετίας του 1970 στα Bell Labs, οι πατέρες του Unix, Ken Thompson και Dennis Ritchie, πρότειναν για πρώτη φορά μια τολμηρή, σχεδόν παρανοϊκή, αρχή σχεδίασης: Everything is a file – Όλα είναι αρχεία.

Περισσότερα από πενήντα χρόνια αργότερα, τα AI Agent frameworks ξεφυτρώνουν σαν μανιτάρια. Manus, Claude Code, OpenClaw… Προέρχονται από διαφορετικές ομάδες, διαφορετικά τεχνολογικά stacks, διαφορετικούς επιχειρηματικούς στόχους, αλλά ομόφωνα έκαναν την ίδια επιλογή: να χρησιμοποιήσουν το σύστημα αρχείων ως τον γνωστικό σκελετό του Agent.

Το Manus δίνει στον Agent μια εικονική μηχανή, με τα αποτελέσματα των εργασιών να αποθηκεύονται ως αρχεία. Το Claude Code διαβάζει και γράφει απευθείας στο τοπικό σύστημα αρχείων του χρήστη, χρησιμοποιώντας ένα αρχείο CLAUDE.md για να μεταφέρει όλες τις οδηγίες και το περιβάλλον. Τα OpenClaw και άλλα frameworks ανοιχτού κώδικα οργανώνουν επίσης την ανάλυση εργασιών και τις ενδιάμεσες καταστάσεις σε μια δομή καταλόγων.

Όταν μηχανικοί, χωρισμένοι από μισό αιώνα, αντιμετωπίζουν εντελώς διαφορετικά τεχνικά προβλήματα, αλλά συγκλίνουν ανεξάρτητα στην ίδια λύση – αυτό δεν είναι σύμπτωση, είναι ένας συντονισμός της φιλοσοφίας σχεδίασης.

Η απόφαση του Unix

Για να κατανοήσουμε τη σημασία αυτού, πρέπει πρώτα να επιστρέψουμε στο τι έκανε το Unix.

Ο σχεδιασμός του συστήματος αρχείων Unix αναγνωρίζεται ευρέως ως ένας από τους πιο κομψούς σχεδιασμούς στην ιστορία της επιστήμης των υπολογιστών. Έλυσε ένα εξαιρετικά περίπλοκο πρόβλημα: πώς να διαχειριστείτε μια μεγάλη ποικιλία υλικών και δεδομένων με μια ενιαία, απλή διεπαφή.

Πριν από τη δεκαετία του 1970, τα λειτουργικά συστήματα λειτουργούσαν ως εξής: για να διαβάσετε έναν δίσκο, καλείτε τη διεπαφή δίσκου. για να διαβάσετε μια μαγνητική ταινία, καλείτε τη διεπαφή μαγνητικής ταινίας. για να αποκτήσετε πρόσβαση σε ένα τερματικό, καλείτε τη διεπαφή τερματικού. Κάθε συσκευή έχει το δικό της API, κάθε API έχει τη δική του σημασιολογία. Εάν έχετε N συσκευές και M λειτουργίες, η πολυπλοκότητα του συστήματος είναι N × M.

Οι Thompson και Ritchie έκαναν κάτι που φαινόταν απλό έως ανόητο:

Μετατρέψτε τα πάντα σε αρχεία. Χρησιμοποιήστε τις τέσσερις λέξεις open, read, write, close για να χειριστείτε τα πάντα.

Η βασική του έννοια είναι: όλοι οι πόροι στο λειτουργικό σύστημα – έγγραφα, κατάλογοι, μονάδες δίσκου, μόντεμ, πληκτρολόγια, εκτυπωτές, ακόμη και συνδέσεις δικτύου και πληροφορίες διεργασιών – μπορούν να αφαιρεθούν σε μια ροή αρχείων (Stream of Bytes).

Αυτό σημαίνει ότι χρειάζεται να μάθετε μόνο ένα σύνολο API – open(), read(), write(), close() – για να χειριστείτε όλους τους πόρους του υπολογιστή.

Από εκεί και πέρα, η πολυπλοκότητα κατέρρευσε από N × M σε 4 × 1. Τέσσερις λέξεις, ένα επίπεδο αφαίρεσης.

Η ιδιοφυΐα αυτού δεν έγκειται στην ονομασία "αρχείο", αλλά σε μια βαθύτερη διορατικότητα:

Δεν χρειάζεται να γνωρίζετε τι υπάρχει πίσω από τον περιγραφέα αρχείου. Η διεπαφή είναι η σύμβαση.

Ένα fd (περιγραφέας αρχείου) είναι ένας αδιαφανής χειριστής. Κάνετε read() σε αυτόν και βγαίνει μια ροή byte. Όσο για το αν αυτά τα byte προέρχονται από έναν τομέα δίσκου, μια προσωρινή μνήμη κάρτας δικτύου ή την τυπική έξοδο μιας άλλης διεργασίας – δεν σας ενδιαφέρει, ούτε θα έπρεπε να σας ενδιαφέρει.

Αυτή είναι η δύναμη μιας ενοποιημένης διεπαφής: κάνει την άγνοια πλεονέκτημα.

Το ίδιο πρόβλημα που αντιμετωπίζει ο Agent

Τώρα ας ρίξουμε μια ματιά στην κατάσταση του AI Agent.

Ένας Agent πρέπει να ολοκληρώσει μια σύνθετη εργασία και αντιμετωπίζει μια εκπληκτικά παρόμοια κατάσταση με το λειτουργικό σύστημα της δεκαετίας του 1970:

• Επίμονη μνήμη: Το παράθυρο περιβάλλοντος των LLM είναι ασταθές και η αλυσίδα σκέψης εξαφανίζεται με τη λήξη της συνεδρίας. Όπως η μνήμη ανακτάται μετά την έξοδο μιας διεργασίας—χρειάζεστε ένα μέρος για να διατηρήσετε την ενδιάμεση κατάσταση, διαφορετικά κάθε συνομιλία ξεκινά από το μηδέν.
• Σταδιακό περιβάλλον: Οι σύνθετες εργασίες δεν μπορούν να ολοκληρωθούν σε ένα βήμα. Ο πράκτορας πρέπει να συσσωρεύει σταδιακά το περιβάλλον σε πολλαπλούς γύρους συμπερασμού, όπως μια διεργασία Unix μεταδίδει την κατάσταση μεταξύ πολλαπλών εκτελέσεων διαβάζοντας και γράφοντας αρχεία. Το σύστημα αρχείων παρέχει φυσικά αυτόν τον τρόπο σταδιακής εργασίας "γράψε λίγο, διάβασε λίγο, γράψε ξανά λίγο".
• Ενοποιημένη διαχείριση εργαλείων και δεξιοτήτων: Ο πράκτορας πρέπει να καλεί ετερογενή εργαλεία (Tools/Skills) όπως αναζήτηση, εκτέλεση κώδικα, δημιουργία εικόνων, όπως το Unix πρέπει να διαχειρίζεται ετερογενείς συσκευές όπως δίσκους, δίκτυα, εκτυπωτές. Χρειάζεστε ένα επίπεδο ενοποιημένης αφαίρεσης, διαφορετικά θα πρέπει να γράψετε μια νέα λογική ενσωμάτωσης για κάθε νέο εργαλείο.
• Όρια αδειών χρήσης υπολογιστή: Όταν ένας πράκτορας έχει τη δυνατότητα να χειρίζεται έναν υπολογιστή, το "τι μπορεί να αγγίξει και τι δεν μπορεί να αγγίξει" γίνεται θέμα ζωτικής σημασίας. Το σύστημα αδειών αρχείων του Unix (rwx) παρέχει ακριβώς ένα έτοιμο μοντέλο sandbox—ο κατάλογος είναι το όριο, η άδεια είναι η συμφωνία.

Τέσσερις απαιτήσεις. Σας ακούγονται οικεία;

Αυτά ακριβώς ήταν τα προβλήματα που αντιμετώπισε το λειτουργικό σύστημα τη δεκαετία του 1970.

Επίμονη μνήμη—το σύστημα αρχείων το λύνει φυσικά, η εγγραφή είναι επίμονη. Σταδιακό περιβάλλον—η ίδια η δομή καταλόγου δημιουργείται σταδιακά, mkdir, touch, append, το περιβάλλον αναπτύσσεται με το αρχείο. Ενοποιημένη διαχείριση εργαλείων—η ουσία των σωλήνων Unix: το stdout μιας διεργασίας είναι το stdin μιας άλλης διεργασίας, το ενδιάμεσο μέσο είναι η ροή byte. Η εργαλειοθήκη του πράκτορα είναι επίσης έτσι: το αρχείο εξόδου του προηγούμενου βήματος είναι η είσοδος του επόμενου βήματος. Όρια αδειών—οι άδειες rwx του συστήματος αρχείων, το sandbox chroot, ορίζουν φυσικά τον "κύκλο ικανοτήτων" του πράκτορα.

Έτσι, όταν οι σχεδιαστές του πλαισίου πράκτορα αντιμετωπίζουν το ερώτημα "πού να τοποθετηθεί η κατάσταση εργασίας του πράκτορα", η απάντηση είναι σχεδόν προκαθορισμένη: στο σύστημα αρχείων. Επειδή δεν υπάρχει απλούστερη λύση που να ικανοποιεί ταυτόχρονα αυτούς τους τέσσερις περιορισμούς.

Όταν ένα σύστημα χρειάζεται να "διαχειριστεί την αλληλεπίδραση μεγάλου αριθμού ετερογενών πόρων", έχετε δύο δρόμους:

Διαδρομή Α: Σχεδιάστε μια ειδική διεπαφή για κάθε πόρο. N πόροι × M λειτουργίες = NM διεπαφές. Ακριβής αλλά εκρηκτική.

Διαδρομή Β: Βρείτε ένα αρκετά λεπτό επίπεδο αφαίρεσης για να φορέσουν όλοι οι πόροι το ίδιο ρούχο. 4 λειτουργίες × 1 επίπεδο αφαίρεσης. Ακατέργαστη αλλά συνδυαστική.

Το Unix επέλεξε το Β. Πενήντα χρόνια αργότερα, το πλαίσιο πράκτορα επέλεξε ξανά το Β.

Ένα βαθύτερο επίπεδο: Το αρχείο είναι η εξωτερίκευση της σκέψης

Αλλά αν σταματήσουμε μόνο στη "σύγκλιση της τεχνικής λύσης", θα χάσουμε κάτι πιο ουσιαστικό.

Θυμηθείτε πώς οι ίδιοι οι άνθρωποι χειρίζονται σύνθετες εργασίες.

Όταν αναλαμβάνετε ένα μεγάλο έργο, το πρώτο πράγμα που κάνετε δεν είναι να αρχίσετε να εργάζεστε, αλλά: να δημιουργήσετε φακέλους. Ριζικός κατάλογος έργου, κατάλογος υποεργασιών, κατάλογος αναφοράς, κατάλογος εξόδου. Χρησιμοποιείτε τη δομή καταλόγου για να αποσυνθέσετε τη χαοτική εργασία σε διαχειρίσιμες μονάδες. Χρησιμοποιείτε ονόματα αρχείων για να ονομάσετε κάθε μονάδα. Χρησιμοποιείτε το περιεχόμενο του αρχείου για να καταγράψετε τη διαδικασία σκέψης και τα ενδιάμεσα προϊόντα.

Το σύστημα αρχείων δεν είναι απλώς μια λύση αποθήκευσης. Είναι ένα πρωτόγονο εργαλείο για την εξωτερίκευση της ανθρώπινης σκέψης.

Αυτή η διορατικότητα εξηγεί γιατί το πλαίσιο πράκτορα συγκλίνει στο σύστημα αρχείων: η "σκέψη" του LLM πρέπει να εξωτερικευτεί—το παράθυρο περιβάλλοντός του είναι περιορισμένο και ο μακροπρόθεσμος συλλογισμός πρέπει να βασίζεται σε εξωτερική μνήμη. Και το σύστημα αρχείων είναι ακριβώς η πιο κοινή μορφή "εξωτερικής μνήμης" που έχει εφεύρει η ανθρωπότητα.

Από αυτή την άποψη, το CLAUDE.md του Claude Code δεν είναι ένα αρχείο διαμόρφωσης. Είναι μια εξωτερικευμένη γνωστική συμφωνία—οι άνθρωποι γράφουν την πρόθεση σε ένα αρχείο και ο πράκτορας διαβάζει το αρχείο ως πρόθεση. Το αρχείο γίνεται το επίπεδο διεπαφής μεταξύ του ανθρώπινου μυαλού και της τεχνητής νοημοσύνης.

Αυτό είναι εκπληκτικά συνεπές με τη φιλοσοφία των σωλήνων Unix:

Write programs to handle text streams, because that is a universal interface.Αντικαθιστώντας το "programs" με "agents" και το "text streams" με "files", αυτή η πρόταση θα εξακολουθεί να ισχύει το 2026.

Επιστροφή στις Βασικές Αρχές

Οι σπουδαίες αφαιρέσεις δεν παλιώνουν, απλώς βρίσκουν νέες περιπτώσεις σε νέους τομείς.

Το "η ενοποιημένη διεπαφή επιλύει την πολυπλοκότητα" δεν είναι εφεύρεση του Unix, είναι ένας αιώνιος νόμος του σχεδιασμού συστημάτων. Το Unix τύχαινε να το υλοποιήσει με το όνομα "file". Το AI Agent τύχαινε να το υλοποιήσει ξανά με τη μορφή "working directory".

Η επόμενη γενιά συστημάτων θα αντιμετωπίσει ξανά την ίδια επιλογή: να σχεδιάσει ειδικές διεπαφές για κάθε πράγμα ή να βρει ένα λεπτό, γενικό, συνδυάσιμο στρώμα αφαίρεσης;

Αν η ιστορία έχει να μας διδάξει κάτι, η απάντηση είναι ήδη γραμμένη δίπλα στο /dev/null:

Keep it simple. Make it compose. Everything is a file.