AIOS 安装部署与配置实战指南LLM Agent 操作系统AIOS Kernel Cerebrum SDK的架构、部署模式与快速上手【免费下载链接】AIOSAIOS: AI Agent Operating System项目地址: https://gitcode.com/GitHub_Trending/ai/AIOSAIOS 是 AI Agent Operating System 的简称它将大语言模型LLM嵌入操作系统之中用于支撑基于 LLM 的 AI Agent 的开发与部署重点解决 Agent 在落地过程中面临的调度、上下文切换、内存管理、存储管理、工具管理与 Agent SDK 管理等一系列问题。本指南以 AIOS 官方 README 为主线结合仓库内 配置示例、配置管理器、服务入口、LLM 适配器、调度器、系统调用层 等源码系统讲解 AIOS 的整体架构、五种部署模式、完整安装流程、配置文件编写、内核启动与语义文件系统终端的使用方法帮助你从零搭建一套可运行的多 Agent 操作系统环境。AIOS 总体架构AIOS Kernel 与 AIOS SDK 的双层设计AIOS 系统由两个关键部分组成AIOS Kernel内核与AIOS SDK。AIOS Kernel作为操作系统内核之上的抽象层负责管理 Agent 运行所需的各类资源包括 LLM、Memory内存、Storage存储与 Tool工具。当前仓库即为 AIOS Kernel 的代码实现。AIOS SDK面向 Agent 用户与开发者设计使开发者能够通过与 AIOS Kernel 交互来构建和运行 Agent 应用。AIOS SDK 即 Cerebrum 项目安装 AIOS Kernel 时会默认一并安装 AIOS SDK。在部署形态上AIOS Kernel 与 AIOS SDK 既可以部署在同一台机器上Local Kernel 模式也可以分处不同机器Remote Kernel 模式后者让资源受限的设备如移动端、边缘设备也能远程使用 Agent。模块与连接关系Agent 通过 AIOS SDK 与 AIOS Kernel 交互AIOS Kernel 接收 Agent 的查询后借助一系列系统调用syscall链路由调度器Scheduler统一调度并分发到不同模块中执行。这张图展示了 Agent、SDK 与 Kernel 各模块之间的连接与数据流关系从源码可以印证这一调用链在 服务入口 runtime/launch.py 中内核通过useCoreLLM、useMemoryManager、useStorageManager、useToolManager、useFactory与useSysCall装配各组件Agent 发起的查询经由 SyscallExecutor 创建对应类型的系统调用对象LLMSyscall、StorageSyscall、MemorySyscall、ToolSyscall再根据类型送入全局请求队列由调度器分发到对应 Manager 执行。Computer-use 专用架构针对 computer-use计算机使用类 AgentAIOS Kernel 在保留 LLM Core、Context Manager、Memory Manager 等核心组件的基础上对 Tool Manager 模块进行了根本性重构引入VM虚拟机Controller与MCP Server构建出沙箱化环境使 Agent 能够在维持Agent 意图与计算机操作之间语义映射一致性的前提下安全地操控计算机系统。运行该类 Agent 需要先安装带 GUI 的虚拟化环境详见下文运行 computer-use Agent一节。核心模块速览LLM、Memory、Storage、Tool 与调度器AIOS Kernel 的资源管理由若干可插拔模块组成理解这些模块有助于你正确编写配置文件模块职责仓库关键实现LLM Core聚合多后端大模型OpenAI、Deepseek、Ollama、vLLM、HuggingFace 等提供路由与批处理执行aios/llm_core/adapter.py、aios/llm_core/routing.pyMemory Manager以可插拔 Provider 方式管理 Agent 记忆支持 in-house、mem0、zep 三种后端aios/memory/manager.py、aios/memory/providers/factory.pyStorage Manager管理文件系统与向量数据库支撑 LLM 语义文件系统aios/storage/storage.py、aios/storage/filesystem/lsfs.pyTool Manager管理外部工具调用搜索、计算、API 等及 computer-use 相关工具aios/tool/manager.py、aios/tool/mcp_server.pySchedulerFIFO / Round Robin 两种调度策略负责把系统调用分发到各模块aios/scheduler/fifo_scheduler.py、aios/scheduler/rr_scheduler.pySyscall 层把 LLM/Tool/Storage/Memory 查询封装为带状态与时间统计的系统调用aios/syscall/syscall.py两个值得留意的实现细节调度策略与上下文管理联动在 runtime/launch.py 中当配置开启use_context_manager时内核使用 Round Robin 调度器每个任务分配固定时间片代码见 rr_scheduler.py否则使用 FIFO 调度器按 1 秒间隔批量处理 LLM 请求代码见 fifo_scheduler.py。LLM 路由两种策略routing.py 中定义了sequential顺序/轮询分发默认与smart成本与性能感知的智能路由基于 ChromaDB/Qdrant 历史查询检索与 LiteLLM 实时单价两种策略通过配置中llms.router.strategy字段选择。部署模式从本地内核到个人虚拟内核在介绍部署模式之前先明确四个关键概念README 中的标准术语AHMAgent Hub Machine中心服务器承载 Agent 市场/仓库用户可在此发布、下载和分享 Agent是所有 Agent 相关资源的分发中心。AUMAgent UI Machine客户端机器为与 Agent 交互提供用户界面可以是手机到桌面等任何支持 Agent 可视化与控制的设备。ADMAgent Development Machine开发环境Agent 开发者在此编写、调试和测试 Agent。ARMAgent Running Machine执行环境Agent 实际运行并执行任务需要足够的计算资源。目前 AIOS 已支持 Mode 1 与 Mode 2其余模式的新特性仍在开发中。Mode 1Local Kernel Mode本地内核模式面向 Agent 用户可以从机器 B 的 Agent Hub 下载 Agent并在机器 A 上运行。面向 Agent 开发者可以在机器 A 上开发、测试 Agent并上传至机器 B 的 Agent Hub。适用场景开发与运行在同一台机器安装最为简单——只需在同一台机器上同时安装 AIOS Kernel 与 Cerebrum SDK。Mode 2Remote Kernel Mode远程内核模式远程使用 AgentAgent 用户/开发者可以在与开发运行机机器 A不同的机器 B 上使用 Agent。受益人群希望在资源受限的机器如移动设备、边缘设备上使用 Agent 的用户。部署要点README 明确说明若采用远程内核模式在机器 1 上运行 AIOS、在机器 2 上运行 Agent 并通过远程方式与内核交互则机器 1 需要同时安装 AIOS Kernel 与 AIOS SDK而机器 2 只需单独安装 AIOS SDK并确保 SDK 配置中的 host 与 port 与 AIOS 内核保持一致。Mode 2.5Remote Kernel Dev Mode远程内核开发模式远程开发 Agent开发者可以在机器 B 上开发 Agent同时在机器 A 上运行和测试 Agent。受益人群希望在资源受限机器上进行开发、但借助远程算力运行测试的开发者。关键技术跨机器进行 Agent 打包与传输支撑分布式 Agent 开发与测试。Mode 3Personal Remote Kernel Mode个人远程内核模式每位用户/开发者注册 AIOS 生态账号后即可拥有带长期持久化数据的个人 AIOS。个人数据可随同一账号同步到不同机器。关键技术用户账号注册与验证机制、每个用户 AIOS 的持久化个人数据存储、同一账号下不同设备 AIOS 实例间的数据同步、数据隐私机制。Mode 4Personal Remote Virtual Kernel Mode个人远程虚拟内核模式不同用户/开发者的个人 AIOS 内核可以通过虚拟化共存于同一台物理机器。关键技术同一机器上不同 AIOS 内核实例的虚拟化、同一机器内不同虚拟机之间的调度与资源分配机制。安装 AIOS环境要求与从源码安装环境要求支持Python 3.10 - 3.11创建虚拟环境时务必选用这两个版本之一。Step 1安装 AIOS Kernel先克隆 AIOS 内核仓库并创建虚拟环境git clone https://github.com/agiresearch/AIOS.git创建 venv 环境python3.x -m venv venv # Only support for Python 3.10 and 3.11 source venv/bin/activate或创建 conda 环境conda create -n venv python3.x # Only support for Python 3.10 and 3.11 conda activate venv[!TIP] 官方强烈建议使用 uv 以获得更快、更可靠的包安装体验。安装 uvpip install uv。GPU 环境安装依赖uv pip install -r requirements-cuda.txt仅 CPU 环境安装依赖uv pip install -r requirements.txt如果你更习惯使用 pip# GPU 环境 pip install -r requirements-cuda.txt # 仅 CPU 环境 pip install -r requirements.txt两份依赖清单分别对应仓库根目录的 requirements-cuda.txt 与 requirements.txt。Step 2安装 AIOS SDKCerebrum克隆 Cerebrum 仓库并安装git clone https://github.com/agiresearch/Cerebrum.git使用 uv 安装推荐cd Cerebrum uv pip install -e .或使用 pipcd Cerebrum pip install -e .关键注意点安装 AIOS Kernel 的机器必须同时安装 AIOS SDKCerebrum默认情况下安装 AIOS Kernel 会自动安装 AIOS SDK。使用 Local Kernel 模式同一机器运行 AIOS 与 Agent时只需在该机器上同时安装 AIOS 与 Cerebrum使用 Remote Kernel 模式时运行内核的机器 1 安装两者运行 Agent 的机器 2 单独安装 Cerebrum SDK 即可。Step 3安装虚拟化环境可选若要使用 computer-use Agent 的 MCP 能力官方强烈建议安装带 GUI 的虚拟化环境具体安装指引见 OSWorld 项目说明。注意虚拟化环境仅用于 computer-use Agent 场景普通 Agent 开发不需要。配置 AIOS配置文件与交互式两种方式启动 AIOS 前必须先完成配置。AIOS 提供两种配置方式直接修改配置文件官方推荐与交互式设置。方式一直接编辑配置文件推荐你需要为 OpenAI、Anthropic、Groq、HuggingFace 等服务准备 API Key。最直接的配置方式是编辑aios/config/config.yaml仓库提供了完整示例 aios/config/config.yaml.example首次使用可复制为config.yaml。[!TIP] 官方特别提醒强烈建议使用aios/config/config.yaml来设置 API Key这种方法直截了当还能避免环境变量可能带来的同步问题。在aios/config/config.yaml中设置 API Key 的简单示例api_keys: openai: your-openai-key gemini: your-gemini-key groq: your-groq-key anthropic: your-anthropic-key huggingface: auth_token: your-huggingface-token-for-authorized-models cache_dir: your-cache-dir-for-saving-models novita: your-novita-api-key各 API Key 的获取途径Deepseek APIapi-docs.deepseek.com、OpenAI APIplatform.openai.com/api-keys、Google Gemini APImakersuite.google.com/app/apikey、Groq APIconsole.groq.com/keys、HuggingFace Tokenhuggingface.co/settings/tokens、Anthropic APIconsole.anthropic.com/keys、Novita AI APInovita.ai/api-keys。从源码层面看ConfigManager 是一个单例类负责在启动时加载aios/config/config.yaml。其get_api_key方法config_manager.py遵循先查配置文件、再查环境变量的优先级例如 openai 对应的环境变量是OPENAI_API_KEYhuggingface 对应HF_AUTH_TOKEN配置文件中的 Key 会被自动写入进程环境变量供各后端使用见 adapter.py 的_setup_api_keys实现。配置 LLM 模型在同一个aios/config/config.yaml中配置要使用的 LLM 模型。基本示例llms: models: # Ollama Models - name: qwen2.5:7b backend: ollama hostname: http://localhost:11434 # Make sure to run ollama server # vLLM Models - name: meta-llama/Llama-3.1-8B-Instruct backend: vllm hostname: http://localhost:8091/v1 # Make sure to run vllm server使用 Ollama 模型从 ollama.com 下载并安装 Ollama。在独立终端启动 Ollama 服务ollama serve拉取所需模型ollama pull qwen2.5:7b # example model[!TIP] Ollama 同时支持 CPU-only 与 GPU 环境。仓库示例 config.yaml.example 默认配置了qwen3:1.7b与qwen3:4b两个本地模型开箱即用。使用 vLLM 模型按 vLLM 官方安装指南安装 vLLM。在独立终端启动 vLLM 服务vllm serve meta-llama/Llama-3.1-8B-Instruct --port 8091[!NOTE] vLLM 目前仅支持 Linux 与 GPU 环境若环境不兼容请选择其他后端。vLLM 的 tool calling 功能需参考 vLLM 官方文档单独开启。使用 HuggingFace 模型可以配置指定 GPU 显存分配与推理设备- name: meta-llama/Llama-3.1-8B-Instruct backend: huggingface max_gpu_memory: {0: 24GB, 1: 24GB} # GPU memory allocation eval_device: cuda:0 # Device for model evaluation从实现上看LLMAdapter 会逐条解析llms.models列表huggingface/hflocal后端走本地 HfLocalBackendvllm/sglang后端创建 OpenAI 兼容客户端必须提供hostname其余后端openai、gemini、anthropic、groq、ollama、novita 等交由 LiteLLM 统一转发。初始化失败如缺少必要配置的模型会被跳过不会阻塞整个内核启动。此外LLMAdapter 支持Ollama 模型动态注册当某个查询请求的 Ollama 模型未出现在配置中时内核会查询 Ollama 服务器的/api/tags接口若该模型确实可用则自动注册并加入可用列表无需重启。其余可配置的全局选项完整示例见 config.yaml.examplerouter: strategy: sequential # 可选 sequential / smart bootstrap_url: https://drive.google.com/file/d/1SF7MAvtnsED7KMeMdW3JDIWYNGPwIwL7/view # smart 路由的种子语料 log_mode: console # 可选 console / file use_context_manager: false # 开启后内核改用 Round Robin 调度器并启用上下文管理内存、存储、调度器与服务器配置仓库的 config.yaml.example 还给出了内存、存储等模块的完整配置骨架值得逐项了解memory: log_mode: console # choose from [console, file] provider: in-house # Options: in-house, mem0, zep # Personalization settings (all opt-in, disabled by default) # auto_extract: saves conversation turns as memories after each chat LLM call # auto_inject: retrieves relevant memories and prepends them before each chat LLM call auto_extract: false auto_inject: false relevance_threshold: 0.5 # Minimum similarity score for memory injection max_injected_memories: 5 # Max memories to inject per LLM call max_memory_tokens: 1500 # Token budget for injected memory block # Mem0 provider configuration (used when provider: mem0) mem0: api_key: # Optional: for Mem0 cloud user_id: default llm: provider: ollama config: model: qwen2.5:7b ollama_base_url: http://localhost:11434 embedder: provider: ollama config: model: nomic-embed-text ollama_base_url: http://localhost:11434 vector_store: provider: chroma config: collection_name: mem0_memories # path: .mem0/chroma # ChromaDB persistence directory (default: .mem0/chroma) # Zep provider configuration (used when provider: zep) zep: api_key: # Zep Cloud API key, or leave empty for self-hosted base_url: http://localhost:8000 # For self-hosted Zep; remove for Zep Cloud session_id: default storage: root_dir: root use_vector_db: true scheduler: log_mode: console # choose from [console, file] agent_factory: log_mode: console # choose from [console, file] max_workers: 64 server: host: localhost port: 8000这些配置与 MemoryManager 的 Provider 工厂机制一一对应provider字段决定使用 in-house、mem0 还是 zep 后端各自的专属配置段mem0、zep会在创建 Provider 时被提取传入server.host与server.port则是内核 FastAPI 服务的监听地址与端口Cerebrum SDK 侧必须配置一致。关于内存 Provider 的选型细节可进一步参考 docs/memory-providers.md。方式二交互式配置也可以使用命令行交互式设置 AIOS 配置aios env list显示当前环境变量若未设置任何变量则列出可用的 API Key。aios env set设置环境变量README 说明其行为与aios env list一致用于展示当前环境变量或可用 API Key。aios refresh刷新 AIOS 配置——从aios/config/config.yaml重新加载配置在不重启服务器的前提下重新初始化所有组件注意服务必须处于运行状态。当未设置任何环境变量时交互式命令会展示以下可用的 API Key 环境变量环境变量用途DEEPSEEK_API_KEYDeepseek API Key用于访问 Deepseek 服务OPENAI_API_KEYOpenAI API Key用于访问 OpenAI 服务GEMINI_API_KEYGoogle Gemini API Key用于访问 Gemini 服务GROQ_API_KEYGroq API Key用于访问 Groq 服务HF_AUTH_TOKENHuggingFace 认证令牌用于访问模型HF_HOME可选HuggingFace 模型存储路径NOVITA_API_KEYNovita AI API Key用于访问 Novita AI 服务启动 AIOS 内核完成 API Key 或环境变量配置后即可启动内核。方式一使用启动脚本仓库 runtime/launch_kernel.sh 内容即为python -m runtime.launchbash runtime/launch_kernel.sh方式二显式指定 Python 版本使用python3.10、python3.11或python3均可python3.x -m uvicorn runtime.launch:app --host 0.0.0.0 --port 8000 # replace the port with your own port同时需要在 CerebrumAIOS SDK的配置中设置 host 与 port确保与 AIOS 的配置一致。方式三后台运行内核输出重定向到日志文件python3.x -m uvicorn runtime.launch:app --host 0.0.0.0 uvicorn.log 21 方式四关闭终端后继续运行官方推荐的稳定后台运行方式在整条命令前加nohupnohup python3 -m uvicorn runtime.launch:app --host 0.0.0.0 --port 8000 uvicorn.log 21 内核启动后会自动执行组件初始化runtime/launch.py按依赖顺序依次初始化 LLM Core、Storage Manager、Memory Managermem0 Provider 时还会装配 ContextInjector 与 ConversationExtractor 两个个性化组件、Tool Manager随后启动调度器与 Agent Factory。可通过/status、/core/status、/core/llms/list等 HTTP 接口查询各组件健康状态通过/agents/submit提交 Agent 执行任务对应实现见 runtime/launch.py。与 AIOS 终端交互LLM 语义文件系统AIOS 终端是基于 LLM 的语义文件系统Semantic File System相关论文已发表于 ICLR 2025。运行以下命令启动python scripts/run_terminal.py启动后即可用自然语言命令与 AIOS 终端交互。其核心实现见 scripts/run_terminal.py终端基于prompt_toolkit与rich构建启动时会询问是否将语义文件系统挂载到指定目录默认挂载到当前目录下的root/并提供三种工作模式——/chat所有输入走对话、/file所有输入走文件操作、/auto通过 IntentRouter 自动识别意图并路由同时支持list agents --offline/list agents --online查看本机与 Agent Hub 上的可用 Agent。成功启动后终端界面大致如下[!WARNING] AIOS 终端的 rollback回滚功能需要连接 Redis 服务器。如需使用回滚功能请确保 Redis 服务已启动。运行 computer-use Agent若需要运行 computer-use Agent先安装带 GUI 的虚拟化环境再参照 CerebrumAIOS SDK的说明运行。如前文所述computer-use 场景依赖重构后的 Tool ManagerVM Controller MCP Server内核侧提供了 MCP Server 脚本路径查询接口/get/mcp/server见 runtime/launch.py仓库中对应的 MCP 服务实现位于 aios/tool/mcp_server.py。支持的 LLM Core 一览AIOS 通过 LiteLLM 及本地后端支持丰富的模型提供商。下表完整列出 README 中支持的 LLM CoreProvider、是否开源、后端标识与所需 API KeyProvider Model Name Open Source Model String ⌨️Backend ⚙️Required API KeyAnthropic全部模型❌model-nameanthropicANTHROPIC_API_KEYOpenAI全部模型✅model-nameopenaiOPENAI_API_KEYDeepseek全部模型✅model-namedeepseekDEEPSEEK_API_KEYGoogle全部模型❌model-namegeminiGEMINI_API_KEYGroq全部模型✅model-namegroqGROQ_API_KEYHuggingFace全部模型✅model-namehuggingfaceHF_HOMEollama全部模型✅model-nameollama-vLLM全部模型✅model-namevllm-Novita全部模型✅model-namenovitaNOVITA_API_KEY其中 Ollama 与 vLLM 无需 API Key使用本地或自建服务其余云端 Provider 需要对应的 API Key。根据 README 的发布记录Deepseek-r11.5b、7b、8b、14b、32b、70b、671b系列既支持开源权重部署也支持 deepseek-chat 与 deepseek-reasoner API开源 LLM 的 function calling原生 huggingface、vLLM、ollama 后端亦已支持。支持的 Agent 框架AIOS 支持多种 Agent 创建框架上架onboardOpenAGIAutoGenOpen-InterpreterMetaGPTREADME 还提到 ReAct、Reflexion 等框架创建的 Agent 均可接入 AIOSAgent 上架onboarding的相关指引可在 AIOS 官方文档的 how to develop agents 部分找到。仓库测试目录 tests/modules/agent_load/agent_load_api_test.py 提供了 Agent 加载与调用的 API 测试示例。实验性 Rust 重写aios-rs仓库中的aios-rs/是一个早期实验性的 Rust 脚手架提供 trait 定义与最小化占位实现覆盖 context、memory、storage、tool、scheduler、llm 六个方面。它目前尚未达到与 Python 版本功能对齐是面向增量移植与性能敏感组件的基础工程。尝试运行cd aios-rs cargo build cargo test最小示例Echo LLM Noop Scheduler完整源码见 aios-rs/src 目录use aios_rs::prelude::*; fn main() - anyhow::Result() { let llm std::sync::Arc::new(EchoLLM); let memory std::sync::Arc::new(std::sync::Mutex::new(InMemoryMemoryManager::new())); let storage std::sync::Arc::new(FsStorageManager::new(/tmp/aios_store)); let tool std::sync::Arc::new(NoopToolManager); let mut scheduler NoopScheduler::new(llm, memory, storage, tool); scheduler.start()?; scheduler.stop()?; Ok(()) }该示例展示了 Rust 版本对 AIOS 核心抽象LLM、Memory、Storage、Tool、Scheduler的初步建模方式适合关注性能优化的开发者作为起点参与后续移植工作。版本演进与里程碑根据 README 的发布记录AIOS 的关键演进节点包括奠基论文《AIOS: LLM Agent Operating System》于 2025 年 7 月被 Conference on Language ModelingCOLM 2025接收。2024 年 11 月发布 v0.2将 AIOS Kernel 与 AIOS SDKCerebrum解耦引入面向 Agent 用户的远程内核。2025 年 3 月完成一次大规模重构并集成多项新特性对应 v0.2.2 版本。LLM 语义文件系统论文ICLR 2025特性已集成进 AIOS成为 Terminal UI。computer-use Agent 论文《LiteCUA: Computer as MCP Server for Computer-Use Agent on AIOS》与独立代码库 LiteCUA 同步发布。记忆方向论文 A-MEMAgentic Memory for LLM Agents及独立代码库 A-mem 发布。CerebrumAIOS SDK论文被 NAACL 2025 接收。结语从架构上看AIOS 以LLM 即 OS、Agent 即 App为理念通过 Kernel SDK 双层结构、可插拔的 LLM/Memory/Storage/Tool 四大资源管理器、FIFO 与 Round Robin 调度器以及统一的系统调用链路把多 Agent 应用的资源编排问题收敛到内核层。从实操上看本指南覆盖了从环境准备、双组件安装、config.yaml逐项配置、内核启动到语义文件系统终端使用的完整闭环同时给出了 aios-rs 这一实验性 Rust 方向的探索入口。建议读者在本地按 Mode 1Local Kernel先跑通最小链路再根据资源情况逐步切换到远程内核或 computer-use 场景。引用文献article{mei2025aios, title{AIOS: LLM Agent Operating System}, author{Mei, Kai and Zhu, Xi and Xu, Wujiang and Hua, Wenyue and Jin, Mingyu and Li, Zelong and Xu, Shuyuan and Ye, Ruosong and Ge, Yingqiang and Zhang, Yongfeng}, journal{In Proceedings of the 2nd Conference on Language Modeling (COLM 2025)}, year{2025} } article{mei2025litecua, title{LiteCUA: Computer as MCP Server for Computer-Use Agent on AIOS}, author{Mei, Kai and Zhu, Xi and Gao, Hang and Lin, Shuhang and Zhang, Yongfeng}, journal{arXiv preprint arXiv:2505.18829}, year{2025} } article{xu2025mem, title{A-Mem: Agentic Memory for LLM Agents}, author{Xu, Wujiang and Liang, Zujie and Mei, Kai and Gao, Hang and Tan, Juntao and Zhang, Yongfeng}, journal{arXiv:2502.12110}, year{2025} } inproceedings{rama2025cerebrum, title{Cerebrum (AIOS SDK): A Platform for Agent Development, Deployment, Distribution, and Discovery}, author{Balaji Rama and Kai Mei and Yongfeng Zhang}, booktitle{2025 Annual Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics}, year{2025} } inproceedings{shi2025from, title{From Commands to Prompts: {LLM}-based Semantic File System for AIOS}, author{Zeru Shi and Kai Mei and Mingyu Jin and Yongye Su and Chaoji Zuo and Wenyue Hua and Wujiang Xu and Yujie Ren and Zirui Liu and Mengnan Du and Dong Deng and Yongfeng Zhang}, booktitle{The Thirteenth International Conference on Learning Representations}, year{2025} } article{ge2023llm, title{LLM as OS, Agents as Apps: Envisioning AIOS, Agents and the AIOS-Agent Ecosystem}, author{Ge, Yingqiang and Ren, Yujie and Hua, Wenyue and Xu, Shuyuan and Tan, Juntao and Zhang, Yongfeng}, journal{arXiv:2312.03815}, year{2023} }【免费下载链接】AIOSAIOS: AI Agent Operating System项目地址: https://gitcode.com/GitHub_Trending/ai/AIOS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考