Aethon: 一种用于有状态AI智能体常量时间实例化的基于引用的复制原语

从无状态模型推理到有状态智能体执行的转变正在重塑现代AI基础设施的系统假设。虽然大型语言模型使得持久、使用工具和协作的智能体在技术上可行，但现有的运行时架构仍然受到基于物化的实例化模型的限制，这些模型引入了显著的延迟和内存开销。本文介绍了Aethon，一种用于有状态AI智能体近常量时间实例化的基于引用的复制原语。Aethon不是将智能体重构为完全物化的对象，而是将每个实例表示为稳定定义、分层记忆和局部上下文覆盖的组合视图。通过将实例化从复制转变为引用，Aethon将创建成本与继承结构解耦。我们介绍了Aethon的概念框架、系统架构和内存模型，包括分层继承和写时复制语义。我们分析了其对复杂性、可扩展性、多智能体编排和企业治理的影响。我们认为，基于引用的实例化不仅仅是一种优化，更是面向生产规模智能体软件的一种更合适的系统抽象。Aethon指向了一类新的AI基础设施，其中智能体成为轻量级、可组合的执行身份，可以大规模地生成、专业化和治理。