声明一项智能体任务，AX便会以大规模方式运行它。AX将任务置于沙箱之中，为其连接好工作区，隔离其网络访问，并帮助你在单个集群上运行多达数十亿个此类任务。既能够选择让每个智能体使用仅仅一个任务，也可以根据智能体实际的需要来组合任意数量的任务。
正文
声明 agentic 任务，AX 负责规模化运行
AX 把你的任务放进沙箱，配好工作区，隔离网络，帮你在每个集群上运行数十亿个任务。每个 agent 可以用一个任务，也可以按需组合任意多个任务。
``` $ cat task.yaml apiVersion: ax.io/v1alpha1 kind: Workspace metadata: name: golang spec: git: - repo: https://github.com/golang/go.git
branch: "my-fix"
apiVersion: ax.io/v1alpha1 kind: Task metadata: name: test spec: workspaces: - name: golang goal: "Ensure that Go tool chain is available and is built from source" debug: true $ ax apply -f task.yaml workspace.ax.io/golang created task.ax.io/test created $ ax watch task test Watching task default/test... [10:42:01] Phase: Pending Actor: test WorkerIP: [10:42:05] Phase: Running Actor: test WorkerIP: 10.20.3.67 Task reached terminal phase "Running". $ ax get tasks NAME ATESPACE PHASE ACTOR WORKER-IP AGE test default Running test 10.20.3.67 5s $ ax ssh test -- ls /workspace go $ ax ssh test -- cd /workspace/go && go build ./... $ ax ssh test -- ps -o pid,cmd PID CMD 1 /usr/local/bin/ax-task-runner 12 go build ./... $ ax ssh test -- touch notes.txt $ ax suspend task test task.ax.io/test suspended $ ax resume task test task.ax.io/test resumed $ ax ssh test -- ls notes.txt notes.txt $ ax suspend task test task.ax.io/test suspended $ ax delete task test task.ax.io/test deleted ```
为什么是 AX
Agent 是一种新的工作负载。它既不是微服务，也不是批处理任务。它会积累状态，需要严格隔离，会调用模型 API 和工具服务器，而且没人盯着时可能在一个循环里烧钱。AX 用四个小原语，以声明式的方式处理这一切。
工作原理
可扩展到数十亿任务
AX 运行在 Agent Substrate 之上，后者是一个从零开始为大规模密度和快速有状态 actor 生命周期设计的计算运行时。
数十亿任务：每个任务都作为一个轻量 actor 运行，每个集群可扩展到数十亿并发 agent 会话，不受编排器限制。
亚秒级恢复：空闲 agent 在等待模型响应、外部工具调用或人工响应时会被检查点、挂起，然后在不到一秒内恢复，没有冷启动延迟。
密集多路复用：数十个任务共享 worker 资源，把空闲等待时间变成备用算力，你只需要为 agent 真正思考并运行代码的时间付费。
生成式平台
平台内置生成式功能
AX 把生成式 AI 直接集成进平台。比如，你只想用自然语言描述要建的工作区，环境就会在任务开始前自动准备好。
task.yaml
apiVersion: ax.io/v1alpha1
kind: Task
metadata:
name: data-analysis
spec:
workspaces:
- name: python-env
goal: "Set up a Python 3 development environment"
生成式工作区
用自然语言描述一个就绪环境应该是什么样。AX 在首次启动时把这个目标交给一个 agent，让它安装工具链并验证依赖。
运行任何东西
交互式编码 agent、长时间运行的 agent 服务器、Jupyter notebook、无头浏览器测试、自定义工具运行时——都可以。
非常适合研究
启动大量可复现的沙箱，用来收集轨迹、跑强化学习循环、大规模评估 agent。
面向开发者和研究者
为开发者和研究者打造最友好的运行时
我们希望让 agentic 基础设施更容易处理，这样你就能专注在自己的工作上。AX 在设计上不妥协地关注人体工程学、快速迭代和愉悦的工作流，无论对应用开发者还是 AI 研究者都是如此。
我们的目标是让运行时保持最小、轻量，同时有品位地加入每个人都需要的基本功能，用来构建、评估和扩展 agent。
关于
诞生于研究，为生产而建
AX 诞生于 Google，当时 agentic 运行时系统研究碰上了前沿算力。在多年构建和运营 agentic 执行引擎的过程中，Google 各团队意识到，agentic 工作负载代表了一种全新的计算范式：有状态、突发式、长时间运行的 actor，高强度计算一分钟后，开始等待模型响应、工具响应或人工批准。为无状态微服务或可预测批处理构建的传统编排器，在维持空闲沙箱运行时成本高得难以承受，又缺乏对亚秒级挂起和恢复的原生支持。
借鉴 Google DeepMind 的 agentic 运行时研究，以及大规模隔离、恢复和调度方面的深厚经验，AX 正在被构建为一个开放、声明式的控制平面，专为 agent 执行而设计。它把任务、工作区、网络策略和模型抽象成核心原语，让开发者和研究者可以运行大规模 agent 集群，而不必重新发明底层基础设施。这个项目重度依赖 Agent Substrate，但提供了 agentic 抽象和生成式运行时组件。
评论
社区对Google员工发布的Agent Substrate框架普遍冷淡且存疑，多数人质疑其官方背书与和现有智能体框架的同质化，少数人则从技术架构认可其设下安全与恢复标配，另有一批人更看好同系的Scion集成方案。
怀疑所谓Google框架缺乏官方背书与持久性
- 标题标榜Google有误导，实际可能只是员工个人项目，高管未必知情；结合Google既往砍产品习惯，用户对其集成体验失望并已脱敏。（较多人）
- 需要引用时，只用一句中文意译： > 这类发布九成谷歌高管没听过，标榜“谷歌的”有误导（@Mond_）
认为该框架与市面上其他智能体框架并无二致
- 与上百个宣称万能的agent框架无实质差异，急需基准测试；甚至连有向无环图都被当创新遭嘲讽，反映社区对重复造轮子的疲惫。（较多人）
- 需要引用时，只用一句中文意译： > 所谓创新不过是个DAG，真是好大的革新啊（@aeon_ai）
认可其在安全沙箱与状态恢复上树立了应有标杆
- 框架覆盖了安全微虚拟机、快速恢复、零信任等本应是基础设施标配的能力，即便被弃也设定了行业水位，作者亲历类似自建痛点故兴奋于其解法。（少数人）
- 需要引用时，只用一句中文意译： > 即便谷歌一发布就弃坑，我们也该高兴，它把标准拉到了该有的高度（@srcreigh）
认为同生态的Scion比Agent Substrate集成度更好
- 相较Substrate作为独立庞大技术栈，Scion能包裹日常使用的现有工具链，成熟度与可集成性更优。（少数人）
- 需要引用时，只用一句中文意译： > Scion对现有工具的运用更成熟，而Agent Substrate更像个孤立的巨大堆栈（@jauntywundrkind）
对AI的Kubernetes化既视为必然又嫌弃繁琐
- 有人认为k8s化不可避免哪怕只为薪资合理化，但写大量YAML令人不快，且对其引入Kubernetes是否过度工程有疑问；也有人将其类比为Kubernetes上的虚拟线程予以正面理解。（少数人）
- 需要引用时，只用一句中文意译： > 人工智能的Kubernetes化迟早的事，哪怕只是为了合理化工资（@Mizza）
倾向于用轻量方式自建编排或抽象技能
- 有开发者用tmux会话做简易编排，或主张以work/review两技能抽象作为跨工具通用语言，认为现有重型框架并非必要。（较多人）
有价值的补充
- 项目名称Ax易与另一个面向多语言的DSPy类工具Ax重名，造成混淆（@lopatin）
- 将其类比为“Kubernetes上的虚拟线程”有助于理解其资源调度本质（@motoboi）
- 另有开发者关注同系Scion项目，其更接近在Kubernetes上运行OpenClaw式的包裹层（@verdverm）