阿里云开源SkillFS：用文件系统治理AI（人工智能） Agent（智能体）技能，自测最高节省21.37%token
阿里云开源SkillFS，用虚拟文件系统为AI（人工智能） Agent（智能体）的技能管理加一层治理：按任务裁剪可见技能、拦截或回退可疑版本、记录审计日志。
官方自测显示，在27个场景中对多数模型节省约7%至21%token，但测试仅覆盖4个模型且由项目方自行设计，效果仍待第三方复现。
阿里云发布博客，作者署名Peng Yuanhong，介绍SkillFS。
SkillFS是ANOLISA项目中的运行时组件，基于FUSE（用户空间文件系统）构建，把物理技能目录映射为/skills/<skill>稳定入口，按skillfs-views.toml配置控制Agent可见的技能范围，并设发现视图、安装候选收件箱及.staging/.certified/.quarantine/.archive保留命名空间。
安全侧提供标准化扩展API（应用程序编程接口），外部扫描决策落地为三种状态：current（指向实时源正常使用）、fallback（指向可信快照的回退版本）、消失（从视图移除并返回ENOENT）。
还支持句柄级版本固定、源漂移观察、热刷新、.skill-meta/元数据写保护（仅经认证的Trusted Writer可写）、JSONL审计日志，并通过pjdfstest做POSIX兼容回归测试。
基准为38个技能分五类、27个测试场景、每场景四轮取平均：kimi-2.5从174,167降至136,942 token（21.37%），minimax-m2.5从185,282降至171,369（7.51%），qwen3.6-plus从203,396降至188,744（7.20%），qwen3.5-plus从190,713降至188,918（0.94%）。
代码以Rust项目开源，运行时仅依赖fuse3，当前支持Linux。
该方案把技能治理放在文件系统层，而非提示词或应用层：Agent访问技能的必经路径上完成可见性裁剪与安全决策，因此模型无关、无需改Agent逻辑，也与POSIX工具链兼容。 这回应了技能数量增长后常见的两个问题——上下文浪费与错选工具、更新后版本不可信； 但安全效果取决于外部扫描引擎质量，SkillFS本身只执行决策。
基准由项目方自设、模型样本有限，节省幅度随模型检索能力差异很大（最低0.94%），跨模型泛化仍需独立验证。
后续观察信号
- SkillFS的EPX外部决策协议规范细节
- FUSE方案在高并发下的性能开销
- 技能市场或分发平台是否会采用类似治理层