Сè е Датотека: Дизајнерска филозофија од Unix до AI Agent

Оригинал Ethan 业成

Ехо што одекнува половина век

Уште во раните 1970-ти во Bell Labs, татковците на Unix, Кен Томпсон и Денис Ричи, за првпат предложија смел, речиси опсесивен дизајнерски принцип: Everything is a file - Сè е датотека.

Повеќе од педесет години подоцна, AI Agent рамките експлодираат. Manus, Claude Code, OpenClaw... Тие доаѓаат од различни тимови, различни технолошки стекови, различни деловни цели, но сите едногласно го направија истиот избор: да го користат датотечниот систем како когнитивен скелет на Agent-от.

Manus му дава на Agent виртуелна машина, а резултатите од задачата се зачувуваат како датотеки. Claude Code директно чита и пишува во локалниот датотечен систем на корисникот, користејќи CLAUDE.md датотека за да ги содржи сите инструкции и контекст. OpenClaw и други рамки со отворен код исто така користат структура на директориуми за да ја организираат декомпозицијата на задачите и средните состојби.

Кога инженери одвоени половина век, соочени со сосема различни технички проблеми, независно се спојуваат во исто решение - ова не е случајност, ова е резонанца на дизајнерската филозофија.

Одлуката на Unix

За да се разбере тежината на ова, прво мора да се вратиме на тоа што направи Unix.

Дизајнот на датотечниот систем на Unix е општо признат како еден од најелегантните дизајни во историјата на компјутерската наука. Тој решава исклучително сложен проблем: како да се управуваат разновидните хардверски и податочни ресурси со унифициран, едноставен интерфејс.

Пред 1970-тите, оперативните системи работеа вака: ако сакате да читате од диск, повикајте го интерфејсот на дискот; ако сакате да читате од лента, повикајте го интерфејсот на лентата; ако сакате да пристапите до терминал, повикајте го интерфејсот на терминалот. Секој уред има свој API, секој API има своја семантика. Ако имате N уреди и M операции, сложеноста на системот е N × M.

Thompson и Ritchie направија нешто што изгледаше едноставно до глупаво:

Претворете сè во датотеки. Користете ги четирите глаголи open, read, write, close за да оперирате со сè.

Неговата основна смисла е: сите ресурси во оперативниот систем - документи, директориуми, хард дискови, модеми, тастатури, печатачи, па дури и мрежни врски и информации за процесите - може да се апстрахираат во тек на бајти (Stream of Bytes).

Ова значи дека треба да научите само еден сет на API-и - open(), read(), write(), close() - за да оперирате со сите ресурси на компјутерот.

Оттогаш, сложеноста се сруши од N × M на 4 × 1. Четири глаголи, една апстракција.

Генијалноста на ова не е во именката „датотека“, туку во подлабокото сознание:

Не треба да знаете што стои зад дескрипторот на датотеката. Интерфејсот е договор.

fd (дескриптор на датотека) е непроѕирен манипулатор. Го read()-ирате, излегува тек на бајти. Што се однесува до тоа дали овие бајти доаѓаат од сектор на хард дискот, бафер на мрежна картичка или стандарден излез на друг процес - не ви е грижа, ниту треба да ви е грижа.

Ова е моќта на унифицираниот интерфејс: тој го прави незнаењето предност.

Истиот проблем со кој се соочува Agent-от

Сега да се вратиме на ситуацијата на AI Agent-от.

За да заврши сложена задача, Agent-от се соочува со неверојатно слична дилема како оперативниот систем од 1970-тите:

• Перзистентна меморија: Контекстуалниот прозорец на LLM е непостојан, а синџирот на размислување исчезнува со сесијата. Исто како кога меморијата се рециклира по излегувањето на процесот - потребен ви е простор за да го зачувате средниот статус, инаку секој разговор започнува од нула.
• Инкрементален контекст: Комплексните задачи не можат да се завршат во еден чекор. Агентот треба постепено да акумулира контекст во повеќекратни кругови на заклучување, исто како што процесот на Unix пренесува статус помеѓу повеќекратни извршувања преку читање и пишување датотеки. Датотечниот систем природно го обезбедува овој инкрементален начин на работа „пишувај малку, читај малку, па пишувај малку повторно“.
• Унифицирано распоредување на алатки и вештини: Агентот треба да повикува хетерогени алатки (Tools/Skills) како што се пребарување, извршување на код, генерирање слики, исто како што Unix треба да управува со хетерогени уреди како што се дискови, мрежи, печатачи. Потребен ви е унифициран слој на апстракција, инаку ќе треба да напишете нов сет на логика за интеграција за секоја нова алатка.
• Граници на дозволи за Computer Use: Кога агентот има можност да управува со компјутер, прашањето „што може да допре, а што не“ станува прашање од животно значење. Системот за дозволи за датотеки на Unix (rwx) обезбедува готов модел на песок - директориумот е границата, а дозволите се договорот.

Четири барања. Звучи познато?

Тоа е токму проблемот со кој се соочи оперативниот систем во 1970-тите.

Перзистентна меморија - датотечниот систем природно го решава, пишувањето е перзистентно. Инкрементален контекст - структурата на директориумот сама по себе е изградена инкрементално, mkdir, touch, append, контекстот расте со датотеката. Унифицирано распоредување на алатки - суштината на Unix цевките: stdout на еден процес е stdin на друг процес, а средниот медиум е поток на бајти. Истото важи и за синџирот алатки на агентот: излезната датотека од претходниот чекор е влезот за следниот чекор. Граници на дозволи - rwx дозволите на датотечниот систем, chroot sandbox, природно ја дефинираат „зоната на способност“ за агентот.

Значи, кога дизајнерите на рамката на агентот се соочуваат со прашањето „каде да се стави работниот статус на агентот“, одговорот е речиси предодреден: во датотечниот систем. Затоа што нема поедноставно решение што може да ги исполни овие четири ограничувања во исто време.

Кога системот треба да „управува со интеракцијата на голем број хетерогени ресурси“, имате два начина:

Рута А: Дизајнирајте посветен интерфејс за секој ресурс. N видови ресурси × M видови операции = NM видови интерфејси. Прецизно, но експлозивно.

Рута Б: Најдете доволно тенок слој на апстракција за да ги облечете сите ресурси во иста облека. 4 видови операции × 1 слој на апстракција. Грубо, но може да се комбинира.

Unix ја избра Б. Повеќе од педесет години подоцна, рамката на агентот повторно ја избра Б.

Подлабок слој: Датотеките се надворешна манифестација на размислување

Но, ако застанеме само на „конвергенција на технички решенија“, ќе пропуштиме нешто позначајно.

Размислете како луѓето сами се справуваат со сложени задачи.

Кога ќе добиете голем проект, првото нешто што го правите не е да започнете со работа, туку: да креирате папки. Основен директориум на проектот, директориуми за подзадачи, директориуми за референтни материјали, директориуми за излез. Ја користите структурата на директориумот за да ја разложите хаотичната задача на управувани единици. Користите имиња на датотеки за да именувате секоја единица. Ја користите содржината на датотеката за да го снимите процесот на размислување и средните производи.

Датотечниот систем не е само решение за складирање. Тоа е оригинална алатка за надворешно размислување на луѓето.

Овој увид објаснува зошто рамката на агентот конвергира во датотечниот систем: „размислувањето“ на LLM треба да се екстернализира - неговиот контекстуален прозорец е ограничен, а долгорочното заклучување мора да зависи од надворешната меморија. А датотечниот систем е токму најчестиот формат на „надворешна меморија“ што луѓето некогаш го измислиле.

Од оваа перспектива, CLAUDE.md на Claude Code не е датотека за конфигурација. Тоа е еден вид надворешен когнитивен договор - луѓето ја пишуваат намерата во датотека, а агентот ја чита датотеката како намера. Датотеката станува слој на интерфејс помеѓу човечкиот ум и вештачката интелигенција.

Ова е неверојатно конзистентно со филозофијата на Unix цевките:

Write programs to handle text streams, because that is a universal interface.## Враќање на првите принципи

Големите апстракции не застаруваат, тие само наоѓаат нови инстанци во нови области.

„Унифицираните интерфејси ја решаваат комплексноста“ не е изум на Unix, тоа е вечен закон за дизајн на системи. Unix случајно го имплементираше со името „датотека“. AI Agent случајно повторно го имплементираше во форма на „работна папка“.

Следната генерација на системи повторно ќе се соочи со истиот избор: да се дизајнираат наменски интерфејси за секоја работа, или да се најде тенок, универзален, композитен слој на апстракција?

Ако историјата нешто не научила, одговорот одамна е напишан покрај /dev/null:

Keep it simple. Make it compose. Everything is a file. (Нека биде едноставно. Нека се комбинира. Сè е датотека.)