将近
OpenAnolis 在 2026-07-15 讲 ANOLISA v0.3。SkillFS 在将近 30 个场景上把 token 降了 3% 到 21%，有利场景再加上 tokenless 可以超过 30%。一万个文件的工作区，建快照不到 10 毫秒，回滚不到 50 毫秒。没有写出重复次数。
将近 30 个场景省下 3% 到 21%：Agent 敢放手的三层网
OpenAnolis 在 2026-07-15 介绍了 Agentic OS ANOLISA 的 v0.3。ANOLISA 是叠在传统操作系统上的一层，让智能体使用操作系统时更稳。文章把矛盾写成：智能体越能改配置、查漏洞，人越不敢把任务交出去。
用户反馈里排到前三的痛点是：怎样放心把更多任务交出去，做错了怎么收回，每个月的 token 能不能看清。这是反馈里的排序，没有给出反馈条数。
四层拦住，不把数据送出去
AgentSecCore 针对三类威胁：藏在外部输入里的恶意指令、生成代码里的危险操作、被改过的第三方 Skill。Skill 是可安装的能力包。
四层是：
- 提示保护。文档、网页和 API 返回里的恶意指令自动拦住。检测模式可以按场景改。文章没有写出拦住了多少条。
- 代码执行保护。跑之前做一次安全扫描。递归删除、擦盘、把敏感数据送出去、植入后门，会拦住并交给人确认。响应写成毫秒级。没有给出这次扫描的样本和耗时分布。
- Skill 供应链。每个 Skill 有签名校验和版本跟踪，未授权改动会告警。
- 系统安全基线。上面三层被绕过时，内核隔离还在限制破坏范围。
安全动作在本机闭环，不额外消耗 token，也不把数据传出去。一次会话结束后，可以看到拦住了多少次高风险操作、挡下了哪些威胁。文章没有给出任何一次会话的拦截计数。
token 省了多少
SkillFS 把 Skill 收成文件系统来管。实测写的是：在将近 30 个常见场景、以及多种典型模型上，token 消耗下降 3% 到 21%。再加上 tokenless，有利场景下节省可以超过 30%。
系统会记下优化前后的对比，面板上显示花了多少、省了多少。返回结果里无用的调试信息和过长的命令输出会被收掉。3% 到 21% 没有列出每个场景的样本数，也没有列出模型名单。超过 30% 只写在有利场景，没有给出那个场景的定义。
一万个文件，回滚不到 50 毫秒
做错了要能收回。例子是智能体改了 200 个配置文件，三个环境的端口号都错了。这是说明用的场景，不是一次测量。
v0.3 的工作区快照：关键操作前给整个工作区做文件级快照，结果不对就一键回到快照。自然语言和命令行都能用，不用单独配置。
性能数据写在 10,000 个文件的工作区上，用命令行：一次建快照不到 10 毫秒，回滚不到 50 毫秒。文章没有写出这组数字重复了多少次。
入口有两处。GitHub 是 https://github.com/alibaba/ANOLISA 。ECS 控制台选的镜像名是 Alibaba Cloud Linux 4 LTS 64 bit Agentic Edition。组件更新指向 https://www.alibabacloud.com/help/en/alinux/releasenotes 。页面没有禁止复制的声明。
阿里云，OpenAnolis（ANOLISA team），The More Capable the Agent, the Less You Dare to Let Go? ANOLISA Gives It Full Protection，2026-07-15，https://www.alibabacloud.com/blog/the-more-capable-the-agent-the-less-you-dare-to-let-go-anolisa-gives-it-full-protection_603360
觉得有用，转给同事
微信扫码
用微信扫一扫，在手机上打开后即可转发。