為什麼最強 AI Agent 的盡頭，其實是你的文件系統？
整理版優先睇
AI Agent架構最簡單嘅基礎：用文件系統做狀態，唔使複雜工具鏈。
呢篇文章探討AI Agent基礎設施，作者提出最有效嘅架構其實係最簡單嘅文件系統。作者以OpenClaw為例，說明成個上下文就係電腦上嘅文件系統：對話、用戶畫像、記憶都係文件；想接入新數據源就加個新文件就得。呢種「文件優先」思路喺個人場景好管用，對企業級Agent都值得參考。
作者進一步解釋點解文件系統特別對大語言模型胃口：大模型天生就識處理文件結構，成本可以大幅降低（Vercel團隊測試由1美元降到約2毛5）。文件系統仲係天然嘅追加日誌，方便調試；數據飛輪效應令Agent越用越準。作者仲用律所做例子：接新案就喺/cases開目錄，記錄工時就追加去/billing/time-sheet。呢個模型簡單得嚟，已經可以解決企業搞AI嘅兩個硬傷：數據孤島同權限管理。統一命名空間令Agent可以拼湊完整上下文，而文件系統嘅chmod同chown自然對應到公司架構。
總結嚟講，AI Agent架構可以好簡單：將文件系統當狀態，用大模型做編排。用最基礎嘅文件讀寫解決業務問題，可能先係最實在嘅做法。
- 文件系統設計令Agent每次調用成本從1美元降至約0.25美元。
- 大模型本身就擅長處理文件結構，比調用第三方API更順手。
- 文件系統係天然嘅追加日誌，方便調試同狀態管理。
- 數據飛輪效應：接入越多數據源，Agent決策越準，吸引更多數據接入。
- 企業映射為文件系統可統一命名空間解決數據孤島，用chmod/chown自然實現權限管理。
文件優先：OpenClaw嘅啟示
講到AI Agent基礎設施，好多人會諗到複雜工具鏈同API。但其實最好用嘅架構可能係最唔起眼嘅文件系統。OpenClaw嘅設計就係咁：成個上下文就係電腦上嘅文件系統。
用戶對話存在markdown檔案，用戶畫像同AI記憶都係文件。想接入郵件或者睡眠數據？統統變成新文件就得。
呢種「文件優先」思路喺個人場景好管用，對企業級Agent都值得參考。
OpenClaw用文件系統做上下文，證明呢個方向可行
點解文件系統適合大模型？
將系統狀態搞成文件系統聽落好似開倒車，但其實特別對大語言模型胃口。Claude同GPT呢類模型訓練時啃過幾十億行代碼同系統日誌，睇目錄、讀寫文件對佢哋嚟講仲順手過調第三方API。
大模型對文件結構比第三方API更順手
Vercel團隊測試用文件系統方案可將每次調用成本從1美元降到約2毛5。
另外，文件系統就係現成嘅追加日誌。Claude Code會將所有對話同工具調用一行行追加到JSONL檔案，唔使管狀態同步，冇冷起動問題，出bug直接cat檔案就排查到。
追加日誌係天然狀態追蹤機制
仲有數據飛輪效應：接入越多數據源，生成越多文件，Agent掌握嘅上下文就越全，決策更可靠，反過來吸引用戶接入更多數據。
數據飛輪係Agent持續進化嘅關鍵
公司即文件系統：從個人到企業
順住呢個思路，將一間公司映射為文件系統會點？以律所為例，後台可以簡化成一堆資料夾。
- 1 接新案：喺/cases開個目錄
- 2 分俾律師：掉入佢嘅個人目錄
- 3 記錄工時：往/billing/time-sheet追加數據
呢個簡單模型解決企業搞AI嘅兩個硬傷。第一係數據孤島：發票喺財務軟件、郵件喺Outlook、合同喺SharePoint，Agent拼湊唔到完整上下文。
將公司做成文件系統，就等於俾所有數據一個統一命名空間。
統一命名空間解決數據孤島
第二係權限管理：傳統ACL、RBAC好複雜，但文件系統嘅權限同公司架構天然對應——普通員工對自己負責目錄有讀寫權限，主管睇到整個部門。一套chmod同chown就搞掂基礎治理。
chmod同chown自然對應公司架構，大幅降低權限管理複雜度
權限同公司結構天然對應
最實在嘅架構
總結嚟講，AI Agent架構可以好簡單：將文件系統當狀態，用大模型做編排。用最基礎嘅文件讀寫解決業務問題，可能先係最實在嘅做法。
文件系統做狀態，大模型做編排
最簡單架構最實在
一講到 AI Agent 嘅基礎設施，大家第一時間可能會諗到一大堆複雜嘅工具鏈、API 同數據庫。但真正好用嘅架構，其實係最唔起眼嘅文件系統。
睇嚇 OpenClaw 嘅設計就明喇：成個上下文就係電腦上嘅文件系統。用戶嘅對話存在 markdown 文件裏面，用戶畫像同 AI 嘅記憶都係文件。想接入電郵？或者睡眠數據？全部變成新文件就得。呢種「文件優先」嘅思路喺個人場景好有用，對企業級 Agent 嚟講，都係一個值得參考嘅方向。
點解偏偏係文件系統？
將系統狀態整成文件系統，聽起上嚟好似喺度開倒車，但其實佢好啱大語言模型嘅胃口。
首先，大模型天生就識文件系統。好似 Claude 同 GPT 呢類模型，喺訓練嘅時候睇過幾十億行代碼同系統日誌。對佢哋嚟講，睇目錄、讀寫文件、搜索文字，比起調用各種生僻嘅第三方 API 順手好多。Vercel 團隊做過測試，用文件系統方案可以將 Agent 每次調用嘅成本由 1 美金直接降到大概 2 毫 5。
其次，文件系統就係現成嘅追加日誌（Append-only Log）。好似 Claude Code，會將所有嘅對話同工具調用一行行追加到 JSONL 文件裏面。唔使理咩狀態同步，都無冷啓動嘅問題，出 bug 嘅話直接 cat 一下個文件就可以排查。
另外，佢可以行得通數據飛輪。接入嘅數據源越多，生成嘅文件越多，Agent 掌握嘅上下文就越齊全，畀出嘅決策自然更可靠，呢個又會反過來吸引用戶接入更多數據。
公司即係文件系統：由個人到企業
如果順住呢個思路諗落去，將一間公司映射成一個文件系統會點樣？
用律師樓打個比喻，成個後台基本上可以簡化成一堆文件夾。接咗新案件，就喺 /cases 裏面開個目錄；分畀律師之後，就掉入佢嘅個人目錄；記錄工時，就係往 /billing/time-sheet 追加數據。
呢個簡單嘅模型可以解決企業搞 AI 嘅兩個難題。
第一係數據孤島。而家嘅問題係發票喺財務軟件，電郵喺 Outlook，合約喺 SharePoint。數據散曬喺各個 SaaS 裏面，Agent 根本冇辦法拼湊出完整嘅上下文。但如果將公司整成文件系統，就等於俾所有數據建立咗一個統一嘅命名空間。唔理數據本來喺邊，最後都變成咗 /emails/ 或 /contracts/ 下面嘅文件。
第二係權限管理。企業系統嗰啲複雜嘅 ACL、RBAC 模型整合起上嚟令人頭痛。但喺文件系統裏面，權限同公司架構係天生對應嘅：普通員工對自己負責嘅目錄有讀寫權限，主管可以睇曬成個部門嘅檔案。一套 chmod 同 chown 就可以搞掂基本嘅治理結構。
講到尾，AI Agent 嘅架構其實可以好簡單：將文件系統當成狀態，用大模型嚟做編排。呢種用最基本嘅文件讀寫嚟解決業務問題嘅思路，可能係最實在嘅。
一說到 AI Agent 的基礎設施，大家首先想到的可能是一堆複雜的工具鏈、API 和數據庫。但真正好用的架構，其實是最不起眼的文件系統。
看看 OpenClaw 的設計就知道了：整個上下文就是電腦上的文件系統。用戶的對話存在 markdown 文件裏，用戶畫像和 AI 的記憶也是文件。想接入郵件？或者睡眠數據？統統變成新文件就行。這種“文件優先”的思路在個人場景裏很管用，對企業級 Agent 來說，也是個值得參考的思路。
為什麼偏偏是文件系統？
把系統狀態搞成文件系統，聽起來像是在開倒車，但它其實特別對大語言模型的胃口。
首先，大模型天生就懂文件系統。Claude 和 GPT 這種模型，在訓練時啃過幾十億行代碼和系統日誌。對它們來說，看目錄、讀寫文件、搜索文本比調各種生僻的第三方 API 順手得多。Vercel 團隊做過測試，用文件系統方案能把 Agent 每次調用的成本從 1 刀直接降到大概 2 毛 5。
其次，文件系統就是現成的追加日誌（Append-only Log）。比如 Claude Code，會把所有的對話和工具調用一行行追加到 JSONL 文件裏。不用管什麼狀態同步，也沒有冷啓動的問題，出 bug 了直接 cat 一下文件就能排查。
另外，它能跑通數據飛輪。接入的數據源越多，生成的文件越多，Agent 掌握的上下文就越全，給出的決策自然更靠譜，這又會反過來吸引用戶接入更多數據。
公司即文件系統：從個人到企業
如果順着這個思路往下想，把一家公司映射為一個文件系統會怎樣？
拿律所打個比方，整個後台基本能簡化成一套文件夾。接了新案子，就在 /cases 裏建個目錄；分給律師了，就扔進他的個人目錄；記錄工時，就是往 /billing/time-sheet 追加數據。
這個簡單的模型能解決企業搞 AI 的兩個硬傷。
第一是數據孤島。現在的問題是發票在財務軟件，郵件在 Outlook，合同在 SharePoint。數據散在各個 SaaS 裏，Agent 根本拼湊不出完整的上下文。但如果把公司做成文件系統，就相當於給所有數據建了個統一的命名空間。不管數據原來在哪，最後都成了 /emails/ 或 /contracts/ 下的文件。
第二是權限管理。企業系統那些複雜的 ACL、RBAC 模型整合起來讓人頭疼。但在文件系統裏，權限和公司架構是天然對應的：普通員工對自己負責的目錄有讀寫權限，主管能看整個部門的。一套 chmod 和 chown 就能搞定基礎的治理結構。
說到底，AI Agent 的架構其實可以很簡單：把文件系統當狀態，用大模型做編排。這種用最基礎的文件讀寫來解決業務問題的思路，可能才是最實在的。