文件系统（Filesystem）¶

作用¶

HarnessAgent 把 agent 对工作区的访问从”一定是本机磁盘”抽象成统一接口。所有文件工具（read_file / write_file / edit_file / grep_files / glob_files / list_files）和可选的 execute（shell）都从这个抽象走。

这样做让你能在三种部署模式之间切换，而不改 agent 代码：

本机 + shell —— 单进程、本地、信任环境；
共享存储 —— 多副本 / 多 pod 共享同一份长期记忆；
沙箱 —— 文件与命令都在隔离容器里执行，跨调用恢复同一份工作区。

三种声明式模式¶

在 HarnessAgent.Builder 上用 filesystem(...) 三选一（不调就是默认模式 3）：

模式	配置	提供 shell？	适用场景
1 · 共享存储	`filesystem(new RemoteFilesystemSpec(store))`	❌	多副本要共享 `MEMORY.md` / 对话日志 / 子任务到 KV；不希望在宿主上跑 shell
2 · 沙箱	`filesystem(new DockerFilesystemSpec()...)` 或 K8s / Daytona / E2B / AgentRun	✅（在沙箱内）	隔离执行、跨调用恢复同一份工作区、可选快照 + 分布式
3 · 本机 + shell（默认）	`filesystem(new LocalFilesystemSpec()...)` 或不写	✅（宿主 `sh -c`）	单进程 / 本机 / 信任环境 / 简单脚本与测试

filesystem(...) 与 abstractFilesystem(...) 互斥；后者是给完全自管文件系统的逃生口，正常用法不需要。

模式 1：共享存储（`RemoteFilesystemSpec`）¶

适合”多副本，但用户的长期记忆要一致”。把一个 BaseStore 实现（Redis / JDBC / 内存）传进去，框架自动按路径前缀把工作区文件路由到这个 KV 存储：

// 最小配置（推荐通过 DistributedStore 一键配置）
DistributedStore store = RedisDistributedStore.fromJedis(jedis);

HarnessAgent agent = HarnessAgent.builder()
    .name("store-agent")
    .model(model)
    .workspace(workspace)
    .distributedStore(store)
    .filesystem(new RemoteFilesystemSpec()   // baseStore 由 store 自动注入
        .isolationScope(IsolationScope.USER))
    .build();

所有配置项¶

方法	说明	默认值
`isolationScope(IsolationScope)`	命名空间隔离维度（详见下文 IsolationScope）	`USER`
`anonymousUserId(String)`	`userId` 为空时使用的兜底标识	`"_default"`
`addSharedPrefix(String)`	额外的工作区相对路径前缀也路由到 KV（例如 `"prompts/"` / `"configs/"`）	无
`workspaceIndex(WorkspaceIndex)`	加速远端 ls/glob/grep 的 SQLite 索引	不加索引，走全量扫描

内置路由规则¶

框架自动把以下路径路由到共享 KV，每个路径段各自独立命名空间，不会互相污染：

路径	KV 命名空间段
`AGENTS.md`、`MEMORY.md`、`tools.json`	`root`
`memory/`	`memory`
`skills/`	`skills`
`subagents/`	`subagents`
`knowledge/`	`knowledge`
`agents/<agentId>/sessions/`	`sessions`
`agents/<agentId>/tasks/`	`tasks`

其余不在上表的路径落到本地 LocalFilesystem（无 shell）。

示例场景：多副本客服 agent¶

三个 pod 各跑一个 HarnessAgent，用同一个 Redis 做 BaseStore：

DistributedStore store = RedisDistributedStore.fromJedis(
        new JedisPooled("redis://shared-redis:6379"));

HarnessAgent agent = HarnessAgent.builder()
    .name("customer-service")
    .model(model)
    .workspace(Paths.get("/opt/agent/workspace"))
    .distributedStore(store)                  // stateStore + baseStore 一键配置
    .filesystem(new RemoteFilesystemSpec()
        .isolationScope(IsolationScope.USER)      // 每个用户独立命名空间
        .anonymousUserId("anonymous"))            // 未登录用户的兜底
    .build();

三个 pod 上本地磁盘的 AGENTS.md / knowledge/ / skills/ 作为只读模板（git 同步）；
运行时产物（MEMORY.md、memory/、对话日志）自动存到 Redis，任意 pod 都能读到最新状态；
用户 alice 的记忆在 KV 键 agents/customer-service/users/alice/memory/... 下。

这种模式不提供 shell——故意的：要 shell 请用模式 2（沙箱）或 3（本机）。

`BaseStore` 可用实现¶

实现	说明
`RedisStore`	基于 Jedis，适合低延迟高并发
`JdbcStore`	基于 JDBC，适合 MySQL / PostgreSQL / H2
`InMemoryStore`	内存实现，适合测试

模式 2：沙箱（`SandboxFilesystemSpec` 系列）¶

适合”代码会执行不可信操作、或要隔离生产环境”。所有文件操作和 shell 命令都发到沙箱里执行，宿主完全不受影响。

Docker 沙箱¶

HarnessAgent agent = HarnessAgent.builder()
    .name("sandbox-agent")
    .model(model)
    .workspace(workspace)
    .filesystem(new DockerFilesystemSpec()
        .image("ubuntu:24.04")
        .isolationScope(IsolationScope.SESSION)
        .memorySizeBytes(512 * 1024 * 1024L)   // 512 MB 内存限制
        .cpuCount(2L)
        .network("host")
        .exposedPorts(8080, 3000)
        .environment(Map.of("NODE_ENV", "development"))
        .snapshotSpec(new LocalSnapshotSpec("/data/snapshots")))
    .build();

DockerFilesystemSpec 所有配置项：

方法	说明	默认值
`image(String)`	Docker 镜像	必填
`isolationScope(IsolationScope)`	隔离维度	`SESSION`
`memorySizeBytes(Long)`	容器内存限制	Docker 默认
`cpuCount(Long)`	CPU 限制	Docker 默认
`network(String)`	Docker network	Docker 默认
`exposedPorts(int...)`	暴露端口	无
`environment(Map)`	容器环境变量	无
`workspaceRoot(String)`	容器内工作区挂载点	`/workspace`
`additionalRunArgs(String...)`	额外的 `docker run` 参数	无
`snapshotSpec(SandboxSnapshotSpec)`	快照策略	`NoopSnapshotSpec`（不快照）
`workspaceSpec(WorkspaceSpec)`	工作区挂载规则	默认
`executionGuard(SandboxExecutionGuard)`	并发执行守卫（用于 AGENT / GLOBAL scope）	无
`workspaceProjectionEnabled(boolean)`	是否启用宿主→沙箱的静态资产投影	`true`
`workspaceProjectionRoots(List)`	投影包含的根路径列表	`AGENTS.md`, `skills`, `subagents`, `knowledge`, `.skills-cache`

Kubernetes 沙箱¶

HarnessAgent agent = HarnessAgent.builder()
    .name("k8s-agent")
    .model(model)
    .workspace(workspace)
    .filesystem(new KubernetesFilesystemSpec()
        .image("node:20-slim")
        .namespace("agents")
        .serviceAccount("agent-runner")
        .cpuRequest("500m")
        .memoryRequest("256Mi")
        .nodeSelector(Map.of("pool", "agent"))
        .podLabels(Map.of("app", "agentscope"))
        .isolationScope(IsolationScope.USER))
    .build();

E2B 沙箱¶

HarnessAgent agent = HarnessAgent.builder()
    .name("e2b-agent")
    .model(model)
    .workspace(workspace)
    .filesystem(new E2bFilesystemSpec()
        .apiKey("${E2B_API_KEY}")
        .templateId("my-template")
        .sandboxTimeoutSeconds(300)
        .isolationScope(IsolationScope.SESSION))
    .build();

Daytona 沙箱¶

HarnessAgent agent = HarnessAgent.builder()
    .name("daytona-agent")
    .model(model)
    .workspace(workspace)
    .filesystem(new DaytonaFilesystemSpec()
        .apiKey("${DAYTONA_API_KEY}")
        .controlPlaneBaseUrl("https://api.daytona.io")
        .image("python:3.12-slim")
        .cpu(2)
        .memory(4)        // GiB
        .disk(10)         // GiB
        .isolationScope(IsolationScope.USER))
    .build();

AgentRun 沙箱（阿里云）¶

HarnessAgent agent = HarnessAgent.builder()
    .name("agentrun-agent")
    .model(model)
    .workspace(workspace)
    .filesystem(new AgentRunFilesystemSpec()
        .apiKey("${AGENTRUN_API_KEY}")
        .accountId("your-account-id")
        .region("cn-hangzhou")
        .templateName("python3.12")
        .sandboxIdleTimeoutSeconds(600)
        .isolationScope(IsolationScope.USER))
    .build();

所有沙箱后端的公共配置（继承自 `SandboxFilesystemSpec`）¶

方法	说明	默认值
`isolationScope(IsolationScope)`	隔离维度	后端默认（通常 `SESSION`）
`snapshotSpec(SandboxSnapshotSpec)`	快照策略	`NoopSnapshotSpec`
`executionGuard(SandboxExecutionGuard)`	AGENT/GLOBAL scope 下的并发串行化守卫	无
`workspaceProjectionEnabled(boolean)`	是否从宿主投影静态资产到沙箱	`true`
`workspaceProjectionRoots(List)`	投影的根路径列表	`AGENTS.md`, `skills`, `subagents`, `knowledge`, `.skills-cache`

快照策略¶

沙箱可以做快照，使下一次 call() 恢复之前的环境状态（安装的依赖、生成的文件等）：

实现	说明
`NoopSnapshotSpec`	不快照（默认）
`LocalSnapshotSpec(Path)`	快照存宿主本地磁盘
`RedisSnapshotSpec`	快照存 Redis
`OssSnapshotSpec`	快照存对象存储（阿里云 OSS）
`RemoteSnapshotSpec`	快照存 `BaseStore`

示例场景：编程助手（Docker + 本地快照）¶

HarnessAgent codingAgent = HarnessAgent.builder()
    .name("coder")
    .model(model)
    .workspace(Paths.get(".agentscope/workspace"))
    .filesystem(new DockerFilesystemSpec()
        .image("node:20-slim")
        .isolationScope(IsolationScope.USER)
        .memorySizeBytes(1024 * 1024 * 1024L)
        .snapshotSpec(new LocalSnapshotSpec("/data/sandbox-snapshots")))
    .distributedStore(store)
    .build();

// alice 第一次调用：沙箱里 npm install，装好后快照保存
RuntimeContext rc = RuntimeContext.builder()
    .userId("alice")
    .sessionId("dev-session-1")
    .build();
agent.call(Msg.user("npm install && npm test"), rc).block();

// alice 第二次调用：恢复快照，node_modules 还在，无需重新安装
agent.call(Msg.user("npm run build"), rc).block();

工作区投影（Workspace Projection）¶

沙箱启动时，框架自动把宿主工作区里的”静态资产”打成 tar，注入（hydrate）到沙箱的 /workspace。这些静态资产包括：

AGENTS.md（人格文件）
skills/（技能目录）
subagents/（子 agent 声明）
knowledge/（知识库）
.skills-cache/（技能缓存）

投影按内容 SHA-256 做增量比对，没变的文件跳过 hydrate。可通过 workspaceProjectionRoots(List) 自定义包含哪些路径，或用 workspaceProjectionEnabled(false) 完全关闭。

模式 3：本机 + shell（默认）¶

什么都不写就是这个：工作区落到 ${cwd}/.agentscope/workspace/，shell 在宿主上跑：

HarnessAgent agent = HarnessAgent.builder()
    .name("local-agent")
    .model(model)
    .workspace(workspace)
    // .filesystem(...) 不写 = 本机 + shell
    .build();

所有配置项¶

.filesystem(new LocalFilesystemSpec()
    .executeTimeoutSeconds(120)       // shell 命令超时
    .maxOutputBytes(100_000)          // 单条命令最大输出字节
    .env("MY_VAR", "value")          // 额外环境变量
    .inheritEnv(true)                // 是否继承父进程环境
    .mode(LocalFsMode.ROOTED)        // 路径策略
    .project(Paths.get("/my/project")) // 项目根（shell 的 cwd + overlay 下层）
    .addRoot(Paths.get("/extra/dir"))) // 额外可访问目录

方法	说明	默认值
`executeTimeoutSeconds(int)`	单条 shell 命令超时（秒）	120
`maxOutputBytes(int)`	单条命令最大捕获输出字节数	100,000
`env(String, String)`	添加 shell 环境变量	无
`inheritEnv(boolean)`	是否继承父进程环境	`false`
`mode(LocalFsMode)`	路径解析策略	`ROOTED`
`project(Path)`	项目根目录（overlay 下层 + shell cwd）	`System.getProperty("user.dir")`
`addRoot(Path)`	额外允许访问的宿主目录	无
`additionalRoots(Collection)`	批量设置额外目录	无
`projectWritable(boolean)`	文件工具写项目文件时直接落到项目目录，而非 workspace	`false`

路径解析策略（`LocalFsMode`）¶

模式	行为
`ROOTED`（默认）	绝对路径只允许 `workspace` + `project` + `additionalRoots` 范围内；`..` 穿越被拒绝
`SANDBOXED`	所有路径强制锚定到 workspace 根，绝对路径和 `..` 全部拒绝
`UNRESTRICTED`	绝对路径原样透传，不做限制。仅用于测试或完全信任的环境

Overlay 文件系统¶

本机模式实际产出的是一个 OverlayFilesystem：

上层（读写）：LocalFilesystemWithShell，根在 workspace，提供 shell；
下层（只读）：LocalFilesystem，根在 project。

读取时先看 workspace，没有再退到 project（copy-on-write 语义）。shell 的 pwd 是 project 目录，所以 agent 执行 ls 看到的是项目文件。

项目可写模式（`projectWritable`）¶

默认情况下，所有写入都落到 workspace——这对阅读/分析类场景足够，但如果 agent 的核心任务是生成代码（如写一个微服务），你会发现文件全写到了 .agentscope/workspace/ 而不是项目目录。

开启 projectWritable(true) 后，框架会根据路径自动路由写入目标：

路径类型	写入位置	示例
工作区元数据	workspace	`MEMORY.md`、`memory/`、`agents/`、`skills/`、`knowledge/`、`plans/`、`subagents/`、`rules/`、`tools.json`
其他所有文件	项目目录	`src/main/java/App.java`、`pom.xml`、`README.md`、`docker-compose.yml`

.filesystem(new LocalFilesystemSpec()
    .projectWritable(true)      // 代码文件写到项目目录
    .inheritEnv(true))

读取行为不变——仍然是 workspace 优先、project 兜底。

示例场景：本地开发助手¶

HarnessAgent devHelper = HarnessAgent.builder()
    .name("dev-helper")
    .model(model)
    .workspace(Paths.get(".agentscope/workspace"))
    .filesystem(new LocalFilesystemSpec()
        .project(Paths.get("/Users/alice/my-project"))
        .addRoot(Paths.get("/Users/alice/.config"))
        .mode(LocalFsMode.ROOTED)
        .inheritEnv(true)
        .executeTimeoutSeconds(300))
    .build();

agent 可以读写 /Users/alice/my-project 和 /Users/alice/.config 下的文件，在 /Users/alice/my-project 下执行 shell 命令，但无法访问其他宿主目录。

IsolationScope —— 多用户与多副本怎么分桶¶

模式 1（共享存储）和模式 2（沙箱）都用同一个 IsolationScope 概念，决定谁和谁共享同一份状态：

Scope	含义	命名空间键	典型场景
`SESSION`	每个 sessionId 独立	`agents/<agentId>/sessions/<sessionId>/...`	多用户 SaaS，每段对话完全隔离
`USER`（默认）	同一 `userId` 跨会话共享	`agents/<agentId>/users/<userId>/...`	同一用户的多个会话共享长期记忆
`AGENT`	该 agent 的所有用户/会话共享	`agents/<agentId>/shared/...`	公共知识库型 agent
`GLOBAL`	全局共享一份	`global/...`	谨慎使用

各 Scope 的降级规则¶

USER scope 下，如果 RuntimeContext.userId 为空，降级为 SESSION（按 sessionId 隔离）。
SESSION scope 下，如果 RuntimeContext.sessionId 为空，跳过状态查找，创建全新环境。
AGENT scope 的命名空间键由 agent name（build 时固定）决定，不会因缺少上下文字段而降级。

沙箱模式下的并发行为¶

IsolationScope 在沙箱模式下是顺序复用的共享，不是实时的实例共享。同一 scope key 的并发调用各自启动独立容器；每次调用结束时，最后写入的快照胜出。对 AGENT / GLOBAL 这种多用户共享 scope，如果需要串行化，使用 executionGuard(SandboxExecutionGuard) 做并发守卫。

示例：用 Scope 组合实现不同业务需求¶

场景 1：每个用户独立的编程沙箱，跨会话保留安装的依赖

.filesystem(new DockerFilesystemSpec()
    .image("python:3.12")
    .isolationScope(IsolationScope.USER)       // alice 的所有会话共享同一沙箱快照
    .snapshotSpec(new LocalSnapshotSpec("/snapshots")))

场景 2：每个对话独立的一次性沙箱

.filesystem(new DockerFilesystemSpec()
    .image("ubuntu:24.04")
    .isolationScope(IsolationScope.SESSION))   // 每个 sessionId 独立，互不影响

场景 3：共享知识库的客服 agent（共享存储）

.distributedStore(store)
    .filesystem(new RemoteFilesystemSpec()
    .isolationScope(IsolationScope.AGENT))     // 所有用户和会话共享同一份 memory / skills

多用户隔离怎么实现¶

RuntimeContext.userId 是切多用户的钥匙：

模式	userId 的作用	物理表现
本机	用户级文件落在 `workspace/<userId>/...`，例如 `workspace/alice/skills/code-reviewer/SKILL.md` 只对 alice 生效	路径前缀
共享存储	作为 KV 命名空间前缀 `agents/<agentId>/users/<userId>/...`	KV 键前缀
沙箱	作为沙箱快照 slot key（搭配 `IsolationScope.USER`）	沙箱实例隔离

userId 不传的情况下走单租户默认，所有人共享一个根。

运行时数据 vs 静态资产¶

运行时数据（对话日志、tasks、memory）跟着 IsolationScope / userId 走，自动隔离。

静态资产（AGENTS.md、tools.json、knowledge/）对所有用户共享，不按 userId 自动分区。差异化只能通过「用户覆盖目录」实现：

workspace/
├── skills/code-reviewer/SKILL.md     ← 共用版（所有人可见）
└── alice/
    └── skills/code-reviewer/SKILL.md ← 只对 alice 生效，覆盖共用版

技能和工具在各模式下的行为¶

技能（Skills）¶

DynamicSkillMiddleware 在每轮推理前从技能仓库列表合并技能，渲染到 system prompt 里。技能文件的加载走 AbstractFilesystem 接口，所以在三种模式下透明工作：

模式	技能加载方式
本机	从 `workspace/skills/` 直接读本地磁盘；`<userId>/skills/` 做用户覆盖
共享存储	`skills/` 路由到 KV，先查远端再退回本地模板。管理台编辑技能后所有副本下次推理生效
沙箱	宿主 `skills/` 在启动时通过 workspace projection 注入沙箱的 `/workspace/skills/`

四层优先级不变（低 → 高）：projectGlobalSkillsDir → skillRepository → workspace/skills/ → <userId>/skills/。

文件工具（read_file / write_file / edit_file / …）¶

所有文件工具都通过 AbstractFilesystem 接口调用，每次操作传入当前 RuntimeContext，由文件系统后端决定实际读写位置。agent 代码完全感知不到模式差异。

模式	读写行为
本机	`OverlayFilesystem`：写落 workspace（上层），读先 workspace 后 project（下层）。开启 `projectWritable(true)` 后，非元数据写入路由到项目目录
共享存储	`CompositeFilesystem`：命中路由的路径走 KV overlay（远端上层 + 本地模板下层），其余走本地
沙箱	所有文件操作转发到沙箱容器内

Shell 执行（execute）¶

模式	Shell 可用？	执行位置
本机	✅	宿主 `sh -c`，cwd 为 `project` 目录
共享存储	❌	不提供 shell
沙箱	✅	沙箱容器内

tools.json / MCP 服务器¶

tools.json 在 build() 时一次性从工作区读取（走 WorkspaceManager，支持两层读），注册 MCP server 和 allow/deny 过滤。三种模式下行为一致——都是在 build 时读取配置，不受运行时 filesystem 模式影响。

在共享存储模式下，tools.json 也走”远端为上层、本地模板为下层”的 overlay：通过管理台修改 tools.json 后，需要重新 build agent 才能生效（MCP server 注册是一次性的）。

工作区里的两层读取¶

AGENTS.md、MEMORY.md、KNOWLEDGE.md 等关键文件在读取时有”两层兜底”：先看你配的文件系统后端，没有再退回本地磁盘。这对模式 1（共享存储）下的”模板文件” 很有用：第一个副本启动时本地有 AGENTS.md 模板，立刻可用；后续副本会从共享存储读出最新版本。

写入永远走配置的文件系统后端。

完全自管：`abstractFilesystem(...)`¶

如果三种模式都不合适，可以传一个完全自己实现的文件系统：

HarnessAgent.builder()
    ...
    .abstractFilesystem(myCustomFilesystem)   // 与上面的 filesystem(...) 互斥
    .build();

通常不需要——三种模式覆盖了 95% 的场景。

文件系统（Filesystem）¶

作用¶

三种声明式模式¶

模式 1：共享存储（RemoteFilesystemSpec）¶

所有配置项¶

内置路由规则¶

示例场景：多副本客服 agent¶

BaseStore 可用实现¶

模式 2：沙箱（SandboxFilesystemSpec 系列）¶

Docker 沙箱¶

Kubernetes 沙箱¶

E2B 沙箱¶

Daytona 沙箱¶

AgentRun 沙箱（阿里云）¶

所有沙箱后端的公共配置（继承自 SandboxFilesystemSpec）¶

快照策略¶

示例场景：编程助手（Docker + 本地快照）¶

工作区投影（Workspace Projection）¶

模式 3：本机 + shell（默认）¶

所有配置项¶

路径解析策略（LocalFsMode）¶

Overlay 文件系统¶

项目可写模式（projectWritable）¶

示例场景：本地开发助手¶

IsolationScope —— 多用户与多副本怎么分桶¶

各 Scope 的降级规则¶

沙箱模式下的并发行为¶

示例：用 Scope 组合实现不同业务需求¶

多用户隔离怎么实现¶

运行时数据 vs 静态资产¶

技能和工具在各模式下的行为¶

技能（Skills）¶

文件工具（read_file / write_file / edit_file / …）¶

Shell 执行（execute）¶

tools.json / MCP 服务器¶

工作区里的两层读取¶

完全自管：abstractFilesystem(...)¶

相关文档¶

模式 1：共享存储（`RemoteFilesystemSpec`）¶

`BaseStore` 可用实现¶

模式 2：沙箱（`SandboxFilesystemSpec` 系列）¶

所有沙箱后端的公共配置（继承自 `SandboxFilesystemSpec`）¶

路径解析策略（`LocalFsMode`）¶

项目可写模式（`projectWritable`）¶

完全自管：`abstractFilesystem(...)`¶