ANOLISA 智能体运行层
为现有智能体提供终端入口、上下文压缩和受控执行环境。
这个 Agent 能做什么，适合哪些场景？
ANOLISA 是面向 AI 智能体工作负载的服务端操作层，通过 ANOLISA CLI 提供统一安装入口。它包含 cosh-ng，用于让智能体通过结构化、可预测的终端接口执行 Shell 和系统操作。Token-less 位于智能体与模型之间，压缩工具 schema 与工具响应，并可通过标记找回被移除的数组项。项目还列出 Agent Memory、SkillFS 和 AgentSight，分别用于跨会话复用上下文、按需挂载 Skills，以及记录 Token 消耗位置。执行环境方向包括 Agent Sec Core 的风险操作隔离和 ws-ckpt 的工作区变更恢复点；README 标示支持 Linux 与 macOS。
安装后可执行 anolisa install cosh-ng 或 anolisa install tokenless，再运行 cosh-ng 进入面向智能体的 Shell。Token-less 使用 ResponseCompressor 和 SchemaCompressor 处理进入上下文的工具响应和工具 schema：例如按字段黑名单移除 debug、trace，删除值为 null 的 metadata 及空的 tags / extra。被删除的数组项以 <<tokenless:KEY>> 标记保留可检索引用，从而支持可逆压缩。Agent Memory 复用会话间上下文，SkillFS 将 Skills 暴露为视图并按需挂载，AgentSight 记录 Token 实际消耗的位置；Agent Sec Core 隔离高风险操作，ws-ckpt 为工作区改动保存恢复点。
- 使用既有智能体框架和沙箱的开发团队，希望让智能体通过终端执行 Shell 与系统操作时，可部署 cosh-ng 作为结构化入口。
- 工具调用响应包含调试字段、空字段或冗余数组的智能体应用，可启用 Token-less，在响应进入模型上下文前压缩它们。
- 需要在多个会话之间重复使用上下文的智能体工作流，可评估 Agent Memory。
- 拥有大量 Skills、但不希望每次都把全部技能放入上下文的团队，可使用 SkillFS 的按需挂载方式。
- 需要定位工具链中 Token 花费位置的运营或平台团队，可使用 AgentSight 记录 Token 消耗。
- 需要为智能体工作区变更保留恢复点，或希望隔离风险操作的环境，可评估 ws-ckpt 与 Agent Sec Core。
这个 Agent 有哪些优点和局限？
- 可保留现有 Shell、智能体框架和沙箱，而不是要求替换整套执行栈。
- Token-less 同时压缩工具 schema 与工具响应，并以 `<<tokenless:KEY>>` 保留被移除数组项的可检索引用。
- 上下文效率组件覆盖跨会话复用、按需挂载 Skills 和 Token 支出记录，而不只处理单次响应压缩。
- 执行环境方向同时覆盖风险操作隔离与工作区恢复点。
- README 仅明确标示 Linux 与 macOS，未提供 Windows 支持证据。
- README 给出的 Token 节省数据仅适用于进入上下文的工具响应与 schema，不代表整个会话账单的等比例下降。
- 首次安装依赖通过 `curl` 获取并执行远程安装脚本，因此需要网络访问并应符合组织的软件安装审查流程。
- 虽然 README 说明可配合既有框架和沙箱使用，但没有列出命名的框架、模型提供商或平台集成，采用前需要自行验证兼容性。
- Agent Sec Core 与 ws-ckpt 被描述为正在建设的执行环境能力，README 未提供其隔离边界、恢复流程或配置细节。
如何安装或部署这个 Agent？
README 提供的安装方式为：curl -fsSL https://get.agentic-os.sh | bash
随后按需安装组件：anolisa install cosh-nganolisa install tokenless
README 标示的平台为 Linux 或 macOS。该安装命令需要网络访问和 curl；未说明需要 API 密钥、账户或其他凭据。
如何使用这个 Agent？
安装 cosh-ng 后执行：cosh-ng
这会进入面向智能体的 Shell。README 还说明可以让现有智能体指向 cosh-ng。安装 Token-less 后，它会作用于工具调用，README 未给出额外配置命令；请先在目标工作流中验证压缩效果和可检索标记的处理方式。
这个 Agent 与同类方案有什么区别？
ANOLISA 的定位不是替换既有 Shell、智能体框架或沙箱，而是在它们之上增加终端入口、上下文效率与执行环境能力。