Alibaba Cloud Linux 4 Agentic Edition, juga dikenal sebagai ANOLISA, adalah sistem operasi berbasis Agent pertama dari Alibaba Cloud untuk agen AI.
Image
Berdasarkan Alibaba Cloud Linux eksklusif milik Alibaba Cloud, ANOLISA dirancang untuk menyediakan lingkungan runtime optimal bagi agen. ANOLISA sepenuhnya kompatibel dengan semua kemampuan Alinux4, seperti optimasi kernel dan dukungan cloud-native, serta memperkenalkan arsitektur OS baru yang berpusat pada pola kognitif dan operasional agen.
Lapisan | Komponen | Deskripsi |
interaction layer | Copilot Shell (cosh) | Menggantikan shell default dan mendukung interaksi mode ganda dengan bahasa alami dan bash. |
OS Skills | Mekanisme paket skill bawaan. Agen menggunakan manifes skill untuk berinteraksi dengan lapisan runtime dan sistem dasar, sehingga memperoleh kemampuan untuk penerapan, operasi, diagnostik, dan observabilitas. | |
runtime layer | AgentSecCore | AgentSecCore adalah produk keamanan yang dirancang khusus untuk agen AI. Fokusnya adalah pada ancaman inti dalam siklus hidup agen, seperti injeksi prompt, eksekusi kode dinamis, keamanan Skill, penyimpangan intent, dan risiko lingkungan sistem. Produk ini menyediakan mekanisme pertahanan multi-dimensi berlapis di tingkat OS untuk persepsi, pengambilan keputusan, pemblokiran, dan ketertelusuran. Mendukung integrasi non-intrusif dengan framework agen seperti Cosh dan OPENCLAW. |
AgentSight | Tool observabilitas berbasis eBPF untuk agen AI. Tanpa memerlukan intrusi atau modifikasi kode, tool ini memantau agen AI yang berjalan di sistem Linux secara real time dan menangkap panggilan API large language model (LLM), konsumsi token, serta perilaku proses. | |
Tokenless | Tokenless adalah komponen optimasi token ANOLISA. Komponen ini secara signifikan mengurangi konsumsi token inferensi LLM dengan secara otomatis mengompresi definisi tool dan tanggapan model, tanpa mengganggu logika bisnis. | |
ws-ckpt | Tool snapshot dan rollback ruang kerja agen AI. Anda dapat membuat snapshot secara manual sebelum operasi kritis atau mengaktifkan snapshot otomatis setelah setiap putaran tanya jawab (Q&A). Fitur ini memungkinkan rollback satu klik ke status historis mana pun, sehingga proses eksekusi menjadi reversibel. | |
Skill Optimizer | Mesin optimasi Skill cerdas. Menggunakan pemuatan sesuai permintaan yang sadar lingkungan dan pra-kompilasi offline untuk mengurangi gangguan dari Skill yang tidak relevan, meningkatkan tingkat penyelesaian tugas agen, dan menurunkan konsumsi token. | |
base system layer | Alinux4 | Kompatibel dengan semua kemampuan Alinux4, seperti optimasi kernel dan dukungan cloud-native. |
Penerapan
ANOLISA memiliki persyaratan dan kasus penggunaan yang didukung sebagai berikut:
Berlaku untuk berbagai family instance, termasuk server bare metal elastis. Untuk informasi lebih lanjut, lihat Instance family.
Hanya arsitektur CPU x86 yang didukung.
Disarankan memori instans minimal 2 GB.
Cocok untuk berbagai beban kerja agen, termasuk framework agen utama seperti OpenClaw, CoPaw, dan Claude Code.
Penagihan
ANOLISA merupakan image sistem operasi gratis. Namun, Anda akan dikenai biaya untuk sumber daya terkait, seperti panggilan large language model, vCPU, memori, penyimpanan, bandwidth publik, dan snapshot.
Keunggulan
Ekonomi token ekstrem
Mengemas keahlian OS kompleks ke dalam Skill terstandarisasi untuk mengurangi overhead token akibat analisis lingkungan dan eksplorasi coba-coba, memungkinkan proses loop tertutup tanpa latensi dari intent hingga eksekusi.Bahasa alami mendefinisikan ulang interaksi manusia-komputer
Memperkenalkan Copilot Shell (cosh) sebagai titik masuk interaktif default. Anda dapat menggunakan bahasa alami untuk melakukan operasi harian, seperti penerapan lingkungan dan instalasi tool, sehingga tidak perlu menghafal perintah kompleks dan mengubah model interaksi secara mendasar.Enkripsi Skill end-to-end membangun keamanan intrinsik
Setiap Skill dilindungi oleh signature digital dan enkripsi. Sebelum dipanggil, sistem menerapkan autentikasi identitas dan verifikasi integritas. Dikombinasikan dengan sandboxing keamanan berbasis hardware untuk mengisolasi perilaku abnormal, hal ini memastikan agen berjalan di lingkungan yang terkendali, dapat diaudit, dan berhak istimewa minimal di tingkat kernel OS.
Komponen inti
Alibaba Cloud Linux 4 Agentic Edition (ANOLISA) mencakup empat komponen inti: Copilot Shell, AgentSecCore, AgentSight, dan OS Skills. Semua komponen bersifat open source dan tersedia di https://github.com/alibaba/anolisa.
Cosh (Copilot Shell)
Copilot Shell (cosh) adalah shell interaktif default di Alibaba Cloud Linux 4 Agentic Edition (ANOLISA), menggantikan bash sebagai titik masuk utama setelah Anda login ke sistem.
Filosofi desain inti cosh adalah "interaksi mode ganda." Dalam mode bahasa alami, Anda dapat langsung menggambarkan intent Anda dalam bahasa Mandarin atau Inggris, dan sistem menggunakan large language model untuk menerjemahkannya menjadi operasi sistem yang dapat dieksekusi. Dalam mode perintah, Anda dapat dengan cepat mengeksekusi perintah shell menggunakan awalan ! atau kembali ke bash interaktif lengkap dengan menggunakan /bash. Kedua mode dapat digunakan secara bergantian tanpa perlu mengganti lingkungan.
Sambil mempertahankan kompatibilitas penuh dengan bash, cosh menambahkan kemampuan seperti pemahaman bahasa alami, pemanggilan Skill, integrasi tool MCP, dan kontrol persetujuan multi-level. Dengan mengabstraksi kemampuan tingkat sistem yang kompleks menjadi interaksi bahasa alami dan mengintegrasikan manifes OS Skills, cosh menurunkan hambatan penggunaan sistem operasi, memungkinkan baik pengguna manusia maupun agen AI menyelesaikan tugas sistem operasi dengan lebih mudah.
OS Skills
OS Skills adalah manual sistem operasi di ANOLISA yang ditulis khusus untuk agen AI.
Dokumentasi sistem operasi tradisional ditulis untuk pengguna manusia dan bergantung pada deskripsi bahasa alami, contoh, serta konvensi industri implisit. Agen menghabiskan banyak token untuk memahami dokumentasi tersebut. Manifes OS Skills mengatur ulang pengetahuan sistem operasi ke dalam format terstruktur yang dapat dibaca mesin yang disebut Skill, yang dapat langsung dipahami dan dieksekusi oleh agen. Alih-alih harus "membaca dokumen, lalu mengoperasikan," agen dapat "membaca dan langsung melakukannya."
Manifes OS Skills saat ini mencakup dua domain:
Domain manifes | Area pengetahuan | Konten |
system-admin | Administrasi sistem | Operasi administrasi sistem dasar seperti pengelolaan pengguna dan izin, pengelolaan layanan sistem, serta peningkatan kernel. |
security | Keamanan sistem | Pemeriksaan baseline keamanan sistem, pemindaian kerentanan, dan remediasi. |
system-ops | Operasi sistem | Menyediakan kemampuan diagnostik untuk isu performa dan stabilitas umum di Linux. |
Saat agen menerima intent pengguna, agen secara otomatis mencocokkan dan mengeksekusi Skill yang sesuai tanpa memerlukan jalur pemanggilan yang ditentukan secara manual.
AgentSecCore
AgentSecCore adalah kernel keamanan tingkat OS untuk runtime agen AI. Seiring agen AI memperoleh kemampuan eksekusi tingkat OS, termasuk I/O file, akses jaringan, dan manajemen proses, batas keamanan aplikasi tradisional tidak lagi memadai. AgentSecCore membangun sistem pertahanan berlapis untuk agen di tingkat OS, memastikan agen berjalan di lingkungan yang terkendali, dapat diaudit, dan berhak istimewa minimal.
AgentSecCore membangun sistem pertahanan berlapis tiga lapis di sekitar dua pilar, yaitu "keamanan intent" dan "kontainmen tingkat sistem." Desain ini memastikan bahwa jika satu lapisan berhasil ditembus, lapisan berikutnya tetap memberikan perlindungan. Arsitektur dari bawah ke atas adalah sebagai berikut:
Lapisan | Kemampuan | Implementasi |
Lapisan 1: Batas pra-eksekusi (pencegahan) | Prompt Scanner Code Scanner Skill Ledger | Mesin deteksi prompt injection dan jailbreak menggunakan pendekatan progresif tiga lapis: aturan, pembelajaran mesin (ML), dan pengambilan vektor. Pencegat keamanan pra-eksekusi untuk kode, yang dilengkapi 28 aturan deteksi dan dukungan untuk Shell/Python. Mesin integritas dan anti-perusakan Skill yang dilengkapi dengan penandatanganan Snapshot, rantai versi append-only, dan pemindaian keamanan empat tahap. |
Lapisan 2: Kesadaran runtime (deteksi) | Observabilitas keamanan | Mencakup tiga domain: sandboxing keamanan, penguatan sistem, dan integritas aset. Menyimpan event keamanan terstruktur dan menghasilkan laporan ringkasan keamanan sesuai permintaan. |
Lapisan 3: Cadangan tingkat rendah (kontainmen) | Inspeksi garis dasar keamanan Isolasi dan pemantauan tingkat OS | Secara otomatis memindai menggunakan pustaka aturan Penguatan Keamanan tingkat OS untuk mendeteksi aksi agen yang membahayakan keamanan sistem, serta menghasilkan laporan penyimpangan dan rekomendasi perbaikan. Memanfaatkan primitif keamanan kernel Linux (Namespace, Cgroup, seccomp, Capability) untuk menyediakan sandboxing tingkat proses, pemantauan dan pencegatan panggilan sistem, dan kontrol izin detail halus. |
AgentSight
AgentSight adalah komponen observabilitas tingkat OS untuk runtime agen AI. Komponen ini mengatasi konsumsi token berlebihan serta kurangnya visibilitas dan ketertelusuran pengguna. Tanpa mengganggu logika bisnis, AgentSight mengumpulkan data detail halus dan melakukan analisis korelasi di seluruh rantai eksekusi agen.
AgentSight menyediakan tiga kemampuan utama:
Analisis konsumsi token: Mengukur dan mengatribusikan konsumsi token selama eksekusi agen. Anda dapat mengkueri data berdasarkan rentang waktu atau N jam terakhir dan memecah konsumsi berdasarkan dimensi seperti agen, task, dan role, dengan granularitas analisis hingga panggilan LLM tunggal.
Audit perilaku: Mencatat panggilan LLM dan perilaku eksekusi proses agen secara end-to-end. Menyimpan metadata untuk setiap panggilan, seperti penyedia dan versi model, sekaligus menangkap argumen command-line proses. Anda dapat memfilter data dan melihat statistik ringkasan visual berdasarkan dimensi seperti waktu dan session.
Dasbor visualisasi: Menyediakan UI web yang dapat diakses dari browser lokal setelah penerapan remote. Anda dapat melihat tren konsumsi token secara real time, memantau status proses agen, dan merestart proses anomali. Anda juga dapat menyelidiki lebih dalam jejak lengkap untuk setiap session, termasuk input pengguna, prompt model, proses inferensi, dan distribusi konsumsi token pada setiap langkah.
ws-ckpt
ws-ckpt (AI Agent Workspace Checkpoint) adalah tool snapshot dan rollback tingkat file untuk ruang kerja agen AI di ANOLISA.
Agen AI dapat melakukan banyak modifikasi file ruang kerja saat mengeksekusi tugas. Jika suatu operasi gagal atau menghasilkan hasil tak terduga, pemulihan bisa sulit. Mekanisme ws-ckpt menyediakan manajemen snapshot ringan untuk ruang kerja. Anda dapat membuat snapshot secara manual sebelum operasi kritis atau mengaktifkan snapshot otomatis setelah setiap putaran tanya jawab (Q&A). Saat perlu mengembalikan perubahan, Anda dapat melakukan rollback ke status historis mana pun dengan satu klik, sehingga operasi agen menjadi reversibel dan dapat ditelusuri.
Filosofi desain inti ws-ckpt adalah menyediakan "asuransi untuk pekerjaan agen." Anda dapat membuat snapshot secara manual menggunakan bahasa alami atau perintah CLI sebelum melakukan operasi berisiko tinggi. Untuk tugas yang melibatkan modifikasi file secara sering, Anda dapat mengaktifkan snapshot otomatis setelah setiap putaran tanya jawab (Q&A). Sistem akan diinisialisasi secara otomatis saat snapshot pertama dibuat, tanpa memerlukan konfigurasi tambahan.
ws-ckpt menyediakan kemampuan berikut:
Kemampuan | Deskripsi |
Snapshot manual | Membuat snapshot ruang kerja secara manual menggunakan bahasa alami atau perintah CLI sebelum operasi kritis. |
Snapshot otomatis | Untuk tugas dengan modifikasi file yang sering, Anda dapat mengaktifkan snapshot otomatis setelah setiap putaran tanya jawab (Q&A). Fitur ini saat ini didukung oleh OpenClaw dan Hermes. |
Rollback satu klik | Rollback ke snapshot historis mana pun untuk memulihkan file ruang kerja ke kondisi lengkap pada titik waktu tertentu. |
Manajemen snapshot | Menyediakan kemampuan untuk menampilkan daftar dan menghapus snapshot, serta mendukung identifier dan deskripsi snapshot kustom. |
Interaksi mode ganda | Mendukung mode interaksi bahasa alami (melalui percakapan agen) dan mode operasi perintah CLI. |
Skill Optimizer
Skill Optimizer adalah mesin optimasi Skill cerdas ANOLISA. Komponen ini meningkatkan efisiensi dan kualitas penggunaan Skill agen baik saat pemuatan maupun eksekusi.
Seiring ekosistem Skill berkembang, agen menghadapi dua tantangan. Pertama, memuat daftar lengkap Skill dalam setiap percakapan memperkenalkan konteks yang tidak relevan, sehingga meningkatkan konsumsi token dan mengganggu pengambilan keputusan. Kedua, model yang berbeda sangat bervariasi dalam kemampuannya memahami dan mengeksekusi Skill yang sama, menyebabkan kinerja Skill yang tidak konsisten. Skill Optimizer mengatasi kedua tantangan tersebut. Pemfilteran cerdas hanya menampilkan subset Skill yang paling relevan untuk tugas saat ini kepada agen, sedangkan optimasi pra-kompilasi menyesuaikan Skill frekuensi tinggi dengan profil kemampuan model target.
Skill Optimizer bertujuan agar agen "melakukan hal yang tepat dengan Skill lebih sedikit." Di sisi pemuatan, sistem secara otomatis mengidentifikasi lingkungan runtime dan jenis ruang kerja untuk secara cerdas mencocokkan dan menampilkan subset Skill yang paling relevan, proses yang transparan terhadap framework agen. Di sisi eksekusi, ANOLISA telah memasang beberapa Skill komunitas populer berfrekuensi tinggi yang telah dioptimalkan melalui kompilasi offline. Penggunaan Skill ini menghasilkan tingkat penyelesaian tugas yang lebih tinggi dan penghematan token yang lebih besar.
Skill Optimizer menyediakan kemampuan berikut:
Kemampuan | Deskripsi |
Pemfilteran cerdas | Secara otomatis memfilter dan menampilkan subset Skill yang paling relevan untuk tugas saat ini berdasarkan lingkungan runtime dan jenis ruang kerja, memblokir Skill yang tidak relevan. |
Optimasi pra-kompilasi | Termasuk beberapa varian bawaan Skill frekuensi tinggi yang dioptimalkan secara offline untuk menyesuaikan dengan profil kemampuan model target, meningkatkan tingkat keberhasilan eksekusi. |
Integrasi transparan | Sepenuhnya transparan terhadap framework agen hulu. Tidak memerlukan modifikasi kode dan dapat diaktifkan melalui konfigurasi atau percakapan. |
Tokenless
Tokenless adalah komponen optimasi token ANOLISA yang mengurangi konsumsi token pada interaksi agen-LLM melalui kompresi konteks dan penyaringan perintah.
Saat agen menangani tugas yang lebih kompleks, definisi tool yang membengkak, tanggapan terstruktur yang redundan, dan output perintah yang berisik dapat dengan cepat memenuhi jendela konteks. Hal ini meningkatkan biaya inferensi dan menggeser informasi efektif. Tokenless membangun pipeline optimasi cerdas antara agen dan LLM. Komponen ini secara otomatis menyederhanakan definisi tool, menerapkan encoding ringkas pada data terstruktur, dan menyaring kebisingan dari output perintah. Fungsi-fungsi ini bekerja bersama untuk secara signifikan mengurangi overhead token tanpa mengubah semantik perilaku agen.
Tokenless membantu agen menyelesaikan tugas yang sama dengan token lebih sedikit. Seluruh proses optimasi diterapkan secara otomatis melalui mekanisme plug-in dan hook, sehingga sepenuhnya transparan terhadap framework agen hulu dan tidak memerlukan modifikasi kode bisnis. Semua efek kompresi dicatat secara kuantitatif untuk menyediakan data guna menilai manfaat optimasi.
Tokenless menyediakan kemampuan berikut:
Kemampuan | Deskripsi |
Kompresi konteks | Menyederhanakan definisi tool Function Calling, menyaring informasi mengganggu dari respons perintah CLI, dan menggunakan encoding ringkas untuk mengompresi data terstruktur. |
Pelacakan statistik | Secara otomatis mencatat perbandingan sebelum dan sesudah kompresi serta merangkum penghematan berdasarkan jenis. |
Integrasi transparan | Diterapkan secara otomatis melalui plug-in dan hook tanpa intrusi terhadap framework agen. |