A long-horizon systems research repository exploring lifecycle-aware, continuity-preserving, and AI-assisted resource scheduling.
Evidence state: Planned. Implementation has not started.
FlowKernel（流核）研究一个长期问题：操作系统能否不仅观察任务消耗了多少资源，还能理解 任务所处的生命周期、真实进展和连续运行价值，并据此改进长期资源策略。
本仓库现在只保存研究问题、架构假设、实验路线和证据规则。它不是一个已经可运行的内核， 也不把路线图描述成已实现能力。
AI may propose policy; deterministic mechanisms retain enforcement authority.
- AI is advisory. AI 负责识别状态、评估长期策略并提出动作建议。
- Enforcement remains deterministic. Linux scheduler、cgroup、
sched_ext、eBPF 等确定性机制负责约束和执行。 - Safety invariants are not learned policies. 权限、硬资源上限、最低保障、紧急资源和 迁移前有效检查点等约束不能交给奖励函数自行领悟。
- Mechanism and policy stay separated. 学习系统可以调整策略，但不重写上下文切换、 中断、页分配和锁等底层机制。
- Continuity first, peak controlled. 对正在取得真实进展的长任务优先控制峰值并保持 连续性，而不是仅根据瞬时占用粗暴终止。
第一阶段不从零编写完整操作系统，而是在 Linux 提供的可控边界上研究：
- 进程、容器和长周期 Agent workload 的生命周期建模；
- CPU、内存、I/O、网络和加速器资源预算；
- 重试、停滞、检查点、迁移和恢复等长期状态；
- Attention 或状态筛选对高维系统观测的压缩；
- 规则、模仿学习和强化学习策略的可比较演进；
- 单节点到多节点的放置、限流、暂停、迁移和恢复；
- 吞吐、延迟、公平、能耗、完成率和工作流连续性的多目标权衡。
flowchart TD
state["System and workload state"] --> observe["Lifecycle observer"]
observe --> attention["State selection / attention"]
attention --> policy["Rule, planner, or learned policy"]
policy --> proposal["Bounded action proposal"]
proposal --> guard["Deterministic safety guard"]
guard --> control["cgroup / sched_ext / eBPF / controller"]
control --> runtime["Linux and hardware"]
runtime --> state
微秒到毫秒级的 Fast Path 继续使用确定性算法。AI 只进入秒级到分钟级的 Slow Path，处理预算调整、异常模式、检查点、迁移和长期优先级。
| 阶段 | 研究目标 | 当前状态 |
|---|---|---|
| R0 | 建立传统调度器、静态规则和工作负载基线 | Planned |
| R1 | 单机生命周期观测与手写策略 | Planned |
| R2 | sched_ext、cgroup 与容器控制实验 | Planned |
| R3 | 状态筛选、Attention 与可解释观测 | Planned |
| R4 | 模仿学习、强化学习与确定性 Guard | Planned |
| R5 | 多节点放置、检查点、迁移与恢复 | Planned |
| R6 | 故障注入、公平性、连续性与奖励投机验证 | Planned |
| R7 | 面向 Agent、模型训练和推理的专项 workload | Planned |
阶段编号表示依赖关系，不代表承诺日期。每一阶段只有形成可重复实验和对照证据后，才会
从 Planned 更新为 Validated。
| 项目 | 主要问题 |
|---|---|
| DarkRoomLibrary | 增强型单体中的业务闭环与一致性 |
| PlainJournal | 分布式业务系统的可靠性、恢复与资源边界 |
| PlainJournalPro | 多商户平台、账本结算与异构服务治理 |
| FlowKernel | 生命周期感知的资源策略与 AI 系统研究 |
前三个项目在操作系统之上验证应用系统；FlowKernel 进一步研究底层资源分配策略。它们是 问题来源与控制组，不是 FlowKernel 已完成研究的证据。
- 不宣称正在构建可替代 Linux 的通用操作系统；
- 不让模型直接控制中断、时间片、内存页或内核权限；
- 不把所有
if/else机械替换为强化学习； - 不预选模型、算法、编程语言或分布式控制平面；
- 不在没有基线、随机种子和失败证据时发布性能结论。