大家好，我是何三，独立开发者
50ms 起一个沙箱，暂停只要 100ms，内存还能超卖 9.6 倍。这组数字不是 PPT 上画的饼，是 Kimi K3 训练时真实在跑的生产环境——150 万镜像，一天到晚在线。
AgentENV（AENV），kvcache-ai 开源的 Rust 项目，GitHub 上 3.2k Star（约 3 千），一个月不到冲上来的。官方定位一句话：大规模运行 Agent 环境的分布式平台。说白了，就是给 AI Agent 批量开"小房间"用的。
它到底解决了什么？
现在做 Agent 的人都知道，跑一个 Agent 任务，动不动就要起虚拟机。传统 VM 启动按分钟算，内存还死贵。你想想，Kimi K3 那种万亿参数的模型做强化学习，一次要并行开多少环境？几万？几十万？用传统虚拟机那套，光启动时间就能把人等哭。
AENV 的路子不一样。它底层用 Firecracker——就是 AWS Lambda 那个微虚拟机技术——再加 overlaybd 按需加载镜像。镜像不用整个拷下来，用到哪块拉哪块，本地磁盘只当缓存，热数据留着，冷数据踢掉。
说白了，以前你得准备一整块硬盘把所有镜像塞进去，现在本地那点缓存就够了，剩下的全在远端，用到才拉。
快照才是灵魂。
AENV 的快照是增量的，内存和文件系统一起快照，哪怕磁盘疯狂写入，100ms 内也能完成。一个跑着的环境，随时能 fork 出好几个独立沙箱，并行跑 Agent 任务。跑完暂停，内存还给宿主机，新任务来了再恢复，50ms 就绪。
跑题说一句，这个"暂停-恢复"的思路，让我想起以前玩模拟器时的即时存档。玩到一半存档，下次打开接着玩，进度一分不差。AENV 干的事差不多，只不过对象从游戏换成了整个 Linux 环境，规模从一台变成上万台。
内存这块是真狠。它靠 ballooning 把客户机"用不上"的内存收回来还给宿主机，生产环境做到了 9.6x 超卖——一台机器，按 9.6 台的内存算着用。怎么做到的呢？环境越多、跑得越久、分化越大，能回收的空间就越多。说实话，这块我也没完全搞懂，9.6 倍的超卖比在虚拟化领域真不是随便说说的数字，有懂的大佬欢迎指正。
上手也简单。前提是 Linux 内核 6.8+，有 /dev/kvm。装起来一条命令：
curl -fsSL https://raw.githubusercontent.com/kvcache-ai/AgentENV/main/scripts/install.sh | sudo bash
sudo systemctl start aenv
然后拉个镜像，起沙箱：
aenv pull ubuntu:22.04 --name ubuntu
aenv start ubuntu # 起沙箱并进入交互 shell
就这么朴实无华。跑起来后你还能 aenv pause、aenv resume、aenv exec，甚至给沙箱设 TTL 超时回收，防止 Agent 跑飞了没人管。
最骚的是 E2B 兼容。E2B 是现在 Agent 沙箱圈最火的付费服务之一，AENV 直接暴露一套 E2B 兼容的 HTTP API，你把 E2B_API_URL 指到自己的服务器，原来用 E2B Python/TS SDK 的代码一行不用改，直接白嫖开源版。这波操作，怎么说呢，就是……就是那种"我不仅要替代你，还要让你迁移零成本"的自信。
不过丑话得说前头。README 里明确警告：当前版本不支持鉴权，别把 API 暴露到公网。这项目现在定位是可信内网或代理后面跑。自己玩可以，想上生产，先想好安全方案。
同类项目的话，E2B 本身值得看（虽然收费），Firecracker 底层技术也值得研究。如果你对这类 Agent 基础设施感兴趣，我此前还整理过《2026 年 GitHub 高性能神器排行榜》，关注后回复「工具」获取。
项目地址：https://github.com/kvcache-ai/AgentENV
一句话总结：Agent 跑多了，虚拟机那套真该换了。50ms 起沙箱、内存超卖 9.6 倍、150 万镜像在线跑——Kimi K3 都用它训练，你还不试试？
本文使用 MGO 编辑并发布
关注"何三笔记"，回复"mgo" 免费下载使用
