42 lines
1.5 KiB
Markdown
42 lines
1.5 KiB
Markdown
---
|
||
title: "新智元：Agents Want Filesystems (Raw)"
|
||
created: 2026-07-04
|
||
type: raw-article
|
||
source: "新智元"
|
||
url: "https://mp.weixin.qq.com/s/VdjhAzjmdAkL-aHRGiEUHw"
|
||
---
|
||
|
||
# Agents Want Filesystems：文件系统可以让Agent更高效地「找东西」
|
||
|
||
来源：新智元 · 源博客：https://nokv.io/blog/agents-want-filesystems
|
||
|
||
## 核心实验
|
||
|
||
NoKV 团队 benchmark：同一份数据（875 run, 80.6 万行指标），文件系统形态接口 vs 原生 SQL：
|
||
- -45% token
|
||
- -39% 成本
|
||
- 正确率略高
|
||
|
||
## 关键发现
|
||
|
||
1. LLM 天然顺着文件系统语义工作（ls → grep → read → 引用行号），训练数据中大量存在
|
||
2. 文件系统提供 progressive disclosure：先低成本发现，再按需读取
|
||
3. SQL 要求先理解整张地图 → 复合探索任务认知成本高
|
||
4. 减少的不止 token，还有 Agent 的 reasoning token 消耗和 attention drifting
|
||
5. 两层架构：底层数据库/对象存储 + 上层 Agent-friendly namespace
|
||
|
||
## 外部佐证
|
||
|
||
- Anthropic MCP code execution: TypeScript 文件树 → 150k → 2k token
|
||
- OpenAI tool search: 建议延迟加载到 namespace/MCP server
|
||
- Letta memory benchmark: 文件组织对话历史
|
||
|
||
## 应用场景
|
||
|
||
artifact-heavy agentic systems：实验追踪、法律咨询、数据分析、研发 Agent、多 Agent 协作等所有需要管理大量外部产物的 Agent 系统。
|
||
|
||
## 项目
|
||
|
||
- NoKV: CNCF Landscape (AI Native Infra / Storage)，CMU dbdb.io 收录（历史条目）
|
||
- 博客: https://nokv.io/blog/agents-want-filesystems
|