Summary
存算分离架构是一种将数据存储与计算资源解耦的系统设计模式，应用于云端AI Agent（智能体）时，通过分层存储（热状态、对话记录、长期记忆、工作产物）与弹性计算层（基于k8s + sandbox）的组合，实现多租户、高并发、可水平扩展的Agent运行环境。该架构解决了传统单体Agent在资源隔离、安全性和规模化方面的瓶颈，是Manus、Claude Managed Agents等典型云端Agent服务的基础设计。
Key Points
- 存算分离的核心是将Agent运行的生命周期中产生的不同数据按访问频率和用途分别存储（KV、关系数据库、向量数据库、对象存储），计算层则通过Pod + Sandbox弹性伸缩。
- 相比本地裸机运行（存算一体）和本地沙盒运行（仅在工具调用环节分离），云端多副本的存算分离实现了真正的存储与计算资源独立扩展。
- 瓶颈在于IO延迟和分布式数据一致性，需配合锁机制和负载均衡策略。
- 推荐使用e2b等秒级启动的Sandbox构建缓冲池以提高并发容错。
Concepts
- Agent运行生命周期：包括用户输入、读取提示词/工具/记忆、构建上下文、循环推理（LLM调用 → 工具调用 → 观测 → 再推理）、交付产物。
- 热状态：Agent Loop中的临时状态（step、plan、游标），使用KV存储（如Redis）实现高性能、低延迟，用于异常重启后的断点恢复。
- 对话和任务记录：任务完成后写入关系型数据库（如Postgres）。
- 长期记忆：基于对话/任务记录提取摘要，存入向量数据库（pgvector、Milvus）。
- 工作产物：用户上传文件、Agent输出文件、工具/技能文件，存入对象存储（S3、OSS）。
- Sandbox：计算层中的隔离环境，用于执行工具调用，保护宿主机安全并解决依赖缺失问题。
Details
三种Agent运行模式对比
| 模式 | 典型代表 | 存储与计算关系 | 优点 | 缺点 |
|---|---|---|---|---|
| 本地裸机运行 | OpenClaw | 存算一体，本地磁盘 | 简单，无挂载开销 | 安全性差，易被破坏性工具调用影响 |
| 本地带沙盒运行 | Codex | 仅在工具调用环节分离（sandbox内计算） | 提高安全性，解决依赖缺失 | 仍为单机部署，无法规模化 |
| 云端多副本运行 | Manus, 托管Claw | 存算分离：存储层（KV+DB+向量库+对象存储），计算层（k8s Pod + Sandbox） | 多租户、高并发、弹性伸缩 | 架构复杂，有IO和一致性挑战 |