AgentFS 文件系统
AgentFS 就像每个智能体的"家"
如果把 DesireCore 比作一个社区，那么 AgentFS 就是每个智能体在这个社区中的"家"。这个家里有它的个人档案、工作手册、技能证书、记忆日志，还有每次工作的回执存档。
你可能会问：为什么不用数据库来存这些东西？
答案很简单：文件是最透明的数据形态。你可以直接打开文件看到智能体的一切 -- 它的性格、它学会的规则、它记住的事情。不需要写 SQL 查询，不需要专门的数据库管理工具。
设计灵感
AgentFS 的设计灵感来源于 Linux 操作系统的文件结构：
| Linux 文件系统 | AgentFS | 类比说明 |
|---|---|---|
/usr/share/app/ | agents/<id>/ | 软件本体，可共享 |
/home/user/ | users/<user_id>/ | 用户私有数据 |
/var/run/ | runs/ | 运行时临时文件 |
/var/cache/ | cache/ | 可重建的缓存 |
/var/log/ | logs/ | 日志记录 |
整体目录结构
~/.desirecore/
├── config/ # 全局配置（你的个人设置）
│
├── agents/ # 所有智能体的"家"
│ └── <agent_id>/
│ ├── agent.json # 身份证：基本信息和配置
│ ├── persona.md # 性格档案：沟通风格、决策偏好
│ ├── principles.md # 行为准则：规则、禁区、底线
│ ├── memory/ # 记忆库：它记住的事实和经验
│ ├── skills/ # 技能包：它学会的各种技能
│ ├── workflows/ # 工作流：复杂任务的执行计划
│ ├── tools/ # 工具箱：它能使用的外部工具
│ ├── heartbeat/ # 心跳：主动关注和监控的内容
│ ├── resources/ # 参考资料：文档、知识库
│ ├── assets/ # 静态资源：图片、模板
│ └── .git/ # 版本控制
│
├── users/ # 用户专属数据
│ └── <user_id>/
│ ├── profile.md # 你的个人画像
│ ├── preferences.md # 你的偏好设置
│ └── agents/ # 你与各智能体的"关系"
│ └── <agent_id>/
│ ├── relationship.md # 互动记录和关系
│ ├── memory/ # 你与这个智能体的专属记忆
│ └── preferences/ # 你对这个智能体的专属设置
│
├── runs/ # 运行记录（临时）
├── cache/ # 缓存（可重建）
└── logs/ # 日志
核心目录解析
agents/ -- 智能体本体
这是智能体的"灵魂"所在。每个智能体就是一个 Git 仓库，包含：
| 文件/目录 | 用途 | 类比 |
|---|---|---|
agent.json | 智能体的基本信息、版本号 | 身份证 |
persona.md | 性格、语气、决策偏好 | 性格特征 |
principles.md | 行为准则、红线、底线 | 职业操守 |
memory/ | 积累的知识和经验 | 长期记忆 |
skills/ | 学会的各种技能 | 技能证书 |
tools/ | 能使用的外部工具 | 工具箱 |
users/ -- 用户私有数据
你的个人数据完全独立存放，与智能体本体严格隔离。即使你使用同一个智能体，你的数据也不会和其他人混在一起。
runs/ -- 运行记录
每次任务执行的详细过程，包括回执、会话记录等。这是"事后审计"的数据来源。
为什么用文件系统而非数据库
| 特性 | 文件系统 | 数据库 |
|---|---|---|
| 透明度 | 直接打开文件就能看 | 需要查询工具 |
| 版本控制 | Git 原生支持 | 需要额外方案 |
| 可移植 | 复制文件夹即可迁移 | 需要导出/导入 |
| 可审计 | 每次修改都有 Git 记录 | 需要审计日志 |
| AI 友好 | AI 直接读写文件 | 需要 API 适配 |
| 离线可用 | 本地文件随时可用 | 可能依赖服务 |
文件驱动的好处
1. 智能体可以"自己改自己"
因为一切都是文件，智能体可以直接读写自己的文件来学习和进化。比如，当你教它一条新规则时，它会把规则写入 principles.md。这比通过 API 操作数据库要简单得多。
2. 人类可以轻松审阅
所有变更都是文件 diff。你可以像审查代码一样审查智能体的每次"学习成果"。删了什么、加了什么，一目了然。
3. 可以像软件一样分发
智能体本体是一个 Git 仓库，可以 clone、fork、发布到市场。你培养好的智能体，可以分享给其他人使用。
4. 天然支持回滚
做错了？git revert 就回去了。不满意最近的"进化"？回退到之前的版本即可。
分层加载
为了节省 AI 模型的 token 消耗，AgentFS 采用三级加载策略：
| 层级 | 内容 | 消耗 | 用途 |
|---|---|---|---|
| L0 | 一句话摘要 | 极少 | 快速筛选、路由 |
| L1 | 核心信息 + 适用场景 | 较少 | 规划和决策 |
| L2 | 完整内容 | 按需 | 实际执行 |
这意味着智能体不需要每次都读取所有文件，而是按需加载，既节省成本又提高效率。