来源笔记
Qualixar OS: A Universal Operating System for AI Agent Orchestration
摘要
Qualixar OS 是一个应用层操作系统，用于在多个模型提供方、代理框架和传输方式之间运行异构 AI 代理团队。论文声称它覆盖广泛的编排场景，内置质量控制，并在一个自定义基准上实现了很低的任务执行成本。
问题
- 多代理 AI 开发分散在 AutoGen、CrewAI、MetaGPT 和 LangGraph 等框架之间，代理在不同系统之间迁移时往往需要重写。
- 这里引用的现有系统要么只关注内核级代理调度，要么只支持单一框架，同时缺少跨提供方路由、质量保证、成本跟踪和操作工具。
- 这很重要，因为论文把 AI 输出治理薄弱和低信任度与项目失败风险联系起来，尤其是在生产环境中使用的代理系统。
方法
- 该系统是一个应用层运行时，通过一个确定性的 12 步流水线编排代理团队：预算检查、记忆注入、自动团队设计、安全检查、基于拓扑的执行、基于裁判的评估、重新设计循环、RL 更新和最终持久化。
- Forge 将自然语言任务转换为代理团队，方法是选择角色、拓扑、工具和模型分配；论文列出 12 种支持的拓扑，包括 grid、forest、mesh、debate-style 和 maker 模式。
- 模型路由使用三层结构：一个 epsilon-greedy 上下文 bandit 选择路由策略，该策略选择模型，其中一种策略在不确定性下使用 Bayesian POMDP 进行选择。模型目录在运行时通过查询 10 个提供方 API 构建。
- 质量控制结合了 8 个模块，包括共识裁判、通过跨模型熵监测进行的 Goodhart 检测、使用 Jensen-Shannon 散度阈值 Θ = 0.877 的漂移检查、行为契约，以及在反复失败后升级给人工的有界重新设计循环。
- 互操作性来自 Claw Bridge 和 Universal Command Protocol，它们可以跨 8+ 个代理框架、MCP 和 A2A 协议，以及 7 种传输方式工作，例如 HTTP、MCP、CLI、WebSocket、Slack、Discord 和 Telegram。
结果
- 论文称，Qualixar OS 通过了 2,821 个测试用例，覆盖 217 种事件类型和 8 个质量模块。
- 在一个自定义的 20 任务评估套件上，它报告的准确率为 100%，平均每个任务成本为 $0.000039。
- 该运行时声称兼容 10 个 LLM 提供方、8+ 个代理框架和 7 种通信传输方式。
- 运行时发现子系统据称在启动时会从 10 个提供方构建一个包含 236+ 个模型的目录。
- 仪表盘包含 24 个标签页、一个带有 9 种节点类型的工作流构建器，以及一个预置了 25 个官方条目的市场。
- 摘录没有给出 Qualixar OS 自身与 GAIA、SWE-Bench 或 HumanEval 等命名基线的标准基准结果，因此这里最有力的量化证据是自定义 20 任务套件和系统测试计数。