Daimonos

Daimonos

一个针对 Agent 优化的操作系统层，让 AI 编码 Agent 更快、更省钱。

Daimonos 将 AI 编码 Agent 内置的文件、搜索、执行和 git 工具替换为结构化的对应工具，返回紧凑的 JSON，而非原始终端输出。结果是：消耗更少的令牌、减少往返次数、降低 API 成本，同时无需更改工作流。

平台： Linux（x86_64、aarch64）和 macOS（Apple Silicon、Intel）。 Windows 支持计划中。

有关仓库 Agent／操作者约定，请参阅 AGENTS.md（尤其是 Daimonos 工具使用策略）。

名称源自希腊语 daimon（Agent／灵体），也是 “daemon”的词源。

问题

当 AI Agent 运行 cargo test 时，会得到数百行终端输出——进度条、编译消息、通过的测试名称——而它真正需要的只有“47 项通过，0 项失败”。Agent 必须为这些噪声中的每个令牌付费：读取这些内容、推理分析，并在会话剩余时间内将其保留在上下文中。

git status、docker ps、ls -la 和其他所有 shell 命令也会造成同样的浪费。Agent 会将其 30-50% 的令牌预算耗费在冗长且无结构的工具输出上。

工作原理

Daimonos 作为一个 MCP 服务运行，由你的 IDE 或命令行自动启动。它提供 Agent 已经在使用的相同操作——读取文件、写入文件、搜索、执行命令、执行 git 操作——但返回紧凑、结构化的 JSON，而非原始文本。

这个单一二进制文件还提供 ACP、单次运行 Agent、交互式聊天和套接字守护进程运行时——本身就是一套完整的编码 Agent 工具框架；请参阅下文的Agent 工具框架功能，以及 运行时模式了解明确的子命令和兼容性别名。

Agent: exec("cargo test")

Without Daimonos (raw terminal output):
   Compiling inventory v0.1.0 (/workspace)
    Finished `test` profile [unoptimized + debuginfo] target(s) in 2.31s
     Running unittests src/main.rs (target/debug/deps/inventory-abc123)
running 47 tests
test config::tests::test_default ... ok
test config::tests::test_load ... ok
... (200+ more lines)
test result: ok. 47 passed; 0 failed; 0 ignored

With Daimonos (structured JSON):
{"ok":true,"tests":47,"passed":47,"failed":0,"failures":[]}

四层优化

1. 原生工具插件 — git、cargo、gh 和 docker 以一等 MCP 工具的形式提供，并返回结构化 JSON 输出。当 Agent 调用 exec("cargo test") 时，Daimonos 会拦截调用并改为通过原生插件执行。

2. 语义输出过滤器 — 对于没有原生插件的命令（pytest、 make、pip install、eslint 等），Daimonos 会进行语义压缩： 测试运行器只返回摘要和失败信息，构建命令只返回“成功”或 错误信息，安装命令则返回成功／失败状态。

3. 协议层效率优化 — 读取去重（重新读取未更改的 文件时返回 {"unchanged":true}，而非完整内容）、紧凑 字段名、延迟暴露工具、批量操作，以及可减少约 30% 大模型 文本输出的简洁输出指令。

4. 托管子进程执行 — 命令输出在读取期间即受到限制，而非在完整缓冲后再处理。Daimonos 管理 Unix 进程组，在取消任务或会话关闭时终止后代进程，通过明确的允许列表隔离子进程环境，并将后台输出存储在私有的有界文件中。

基准测试结果

使用 Claude Opus 4.6 在相同的编码任务上进行测试（读取文件、搜索代码、编辑、运行测试、执行 git 操作）：

指标	基线	Daimonos	节省
输出 token 数	5,842	3,198	-45.3%
总 token 数	41,239	33,847	-17.9%
工具调用次数	平均 17 次	平均 14 次	-17.6%
耗时	平均 42.1 秒	平均 35.2 秒	-16.4%

在 AWS 上进行的远程基准测试（相同硬件、相同模型、相同任务）显示，成本降低了 20.3%，任务完成速度提升了 14.0%。

SWE-bench Verified（mini）——三方执行框架对比

从 swe-bench-verified-mini 中选取 5 个实例，三个执行框架均使用相同模型（Claude Opus 4.8）；每个 Agent 都在对应实例的官方 SWE-bench Docker 镜像（真实测试环境）中运行，并使用官方 swebench 评估执行框架评分：

实例	daimonos token 数（LLM 调用次数）	mini-swe-agent token 数（LLM 调用次数）	cursor-agent token 数
django__django-11815	54,755 (4)	38,305 (9)	113,242
django__django-12155	53,773 (4)	33,095 (9)	348,425
django__django-12708	88,765 (6)	196,492 (22)	451,349
sphinx-doc__sphinx-8035	172,729 (10)	342,108 (30)	930,495
sphinx-doc__sphinx-9367	66,812 (5)	18,611 (6)	230,223
token 总数	436,834	628,611	2,073,734
总耗时	84 秒	247 秒	279 秒
已解决	5/5	5/5	5/5

结论：

• 正确性持平：在当前样本规模下，三个执行框架都解决了 5/5 个问题，因此 daimonos 节省 token 的同时，没有牺牲问题解决数量。
• daimonos 成本最低、速度最快：与 mini-swe-agent（最精简的开源基线）相比，token 数减少约 30%；与 cursor-agent 相比，减少约 4.8 倍；耗时约为两者的三分之一。
• 注意事项：样本数 n=5，且不同运行之间确实存在波动（在配置完全相同的早期运行中，daimonos 在 sphinx-8035 上用了 503k token，而本次为 173k）。cursor-agent 的总量大多是按输入价格的一小部分计费的缓存读取 token，因此其原始 token 数会高估相对成本。本批次实测 API 支出（OpenRouter）：daimonos $1.53，mini-swe-agent $1.66；cursor-agent 通过 Cursor 的后端计费。

运行脚本和方法说明请参阅 benchmarks/swebench/。

60 秒演示

面向 README 读者、发行说明和社交媒体帖子时，可使用此脚本：

# 1) Install daimonos
cargo build --release
sudo cp target/release/daimonos /usr/local/bin/

# 2) Configure your MCP client (example: Cursor)
# .cursor/mcp.json -> command: daimonos, args: ["--mcp", "-w", "/path/to/project"]

# 3) Ask your agent to run:
# "Run cargo test and summarize failures only."
# "Show git status as structured output."

演示中要突出以下内容：

• 工作流相同，工具输出噪声更少
• 使用结构化响应，而不是原始终端输出刷屏
• 执行常见编码任务时，token 更少、往返次数更少

快速开始

安装

预构建二进制文件（Linux 和 macOS）：

# Linux x86_64
curl -L https://github.com/beardfaceguy/daimonos/releases/latest/download/daimonos-x86_64-linux.tar.gz | tar xz
sudo mv daimonos /usr/local/bin/

# macOS Apple Silicon
curl -L https://github.com/beardfaceguy/daimonos/releases/latest/download/daimonos-aarch64-macos.tar.gz | tar xz
sudo mv daimonos /usr/local/bin/

从源代码构建：

git clone https://github.com/beardfaceguy/daimonos.git
cd daimonos
cargo build --release
sudo cp target/release/daimonos /usr/local/bin/

所有平台的说明请参阅 docs/install.md（ARM Linux、Intel Mac、musl 静态构建）。

配置 IDE

大多数用户可以从以下任一选项开始：

• Cursor：Cursor IDE 配置
• Zed：Zed 配置
• Claude Code：Claude Code 配置

将 Daimonos 添加为 MCP 服务。对于 Cursor，请将其添加到项目的 .cursor/mcp.json：

{
  "mcpServers": {
    "daimonos": {
      "command": "daimonos",
      "args": ["--mcp", "-w", "/path/to/your/project"]
    }
  }
}

完成。Daimonos 会在 IDE 打开项目时启动，并在关闭项目时退出。无需管理守护进程，也没有后台服务。

其他工具的配置指南

• Cursor IDE
• GitHub Copilot（VS Code、Visual Studio、JetBrains、Xcode、Eclipse）
• Claude Code（命令行 + macOS 桌面应用）
• Windsurf
• Cline（VS Code 扩展）
• Gemini CLI
• Zed Editor
• Discord 集成（机器人 token、允许列表、只读工具）
• 其他工具（Claude Desktop、ChatGPT、Continue.dev、BoltAI 等）

包含内容

核心工具（始终可用）

工具	功能
read_file	读取文件，支持可选的偏移量/限制，以及内容哈希去重
write_file	写入文件，并自动创建目录
edit_file	替换字符串，并确认差异
search	正则搜索（内容模式）或文件发现（文件模式）
exec	运行命令，支持语义筛选、有界捕获和受控清理
batch	在单次往返中执行多个操作
workspace_info	项目类型、git 状态、目录列表、分析数据

原生工具插件（自动检测）

当在 PATH 中找到对应的 CLI 工具时，这些插件会自动出现：

插件	命令	检测方式
git	status、log、diff、branch、add、commit、push、pull、checkout	.git 目录
git_read	resolve、show_file、list_tree、grep、log、show_commit、diff、blame、refs、ancestry、worktree_status	支持 --no-lazy-fetch 的 git
cargo	test、build、check、clippy、fmt、add	Cargo.toml
gh	pr_view、pr_list、pr_create、pr_diff、pr_checks、api	PATH 中的 gh
docker	ps、logs、exec、images、inspect、stop、compose_up/down/ps	PATH 中的 docker

其他能力

• 工作区快照 — 在高风险编辑前创建检查点，失败时回滚
• Starlark 脚本 — 将多个工具调用组合到单个脚本中
• 令牌分析 — 按工具调用跟踪，并保留跨会话历史记录（daimonos --stats）
• 后台进程 — 启动、轮询并停止长时间运行的命令，提供准入限制、私有有界日志和后代进程清理
• 可配置 — 所有可调参数都集中在一个 TOML 配置文件 中

托管进程生命周期

原始 exec、后台作业和 CLI 插件（cargo、git、gh、docker、 npm、pytest、curl 和 shellcheck）共用一个托管执行层：

• 流式处理期间限界 — stdout 和 stderr 保留 UTF-8 安全的首尾预览，无需先分配完整输出
• Unix 上的进程组所有权 — 取消和关闭时发送 TERM，等待可配置的宽限期，然后升级为 KILL 并回收后代进程
• 安全的后台产物 — 在私有的 0700 目录下创建随机且独占的 0600 文件，并可配置字节数和作业数量上限
• 环境隔离 — 子进程仅继承已配置的父进程变量，以及显式指定的会话、工具和单次调用覆盖项；不会在环境中泄露服务商和 MCP 凭据
• 结构化输出完整性 — 插件会拒绝被截断的 JSON，而不会将不完整结果报告为有效结果

Agent 框架功能

除了 MCP 服务，同一个二进制文件还是一套完整的编码 Agent 框架： 交互式终端 UI（daimonos agent）、Zed 的 ACP 后端、 一次性 CLI，以及支持附加/分离和远程控制的会话守护进程。

它的许多近期功能都源自对 60 多个开源 Agent 框架的系统研究 （Aider、OpenHands、SWE-agent、Goose、OpenCode、Forge、Pi、 Cline 系列等）——从生态系统中挖掘成熟技术，并加以改进和适配。

提供方弹性——短暂故障不会中断本轮对话

• 有限次数的提供方重试：针对瞬时故障（429/5xx/网络问题）采用退避策略，并在提供方边界进行分类——身份验证或验证等致命错误会立即显示
• 自动模型故障转移：持续过载时，本轮对话会继续使用链中的下一个模型，并在下一轮对话恢复使用首选模型
• 轮次级错误恢复：重试和故障转移耗尽后，Agent 会暂停并修复对话（保留部分流式输出），然后从中断处继续；恢复操作会显示在 UI 中
• 重试风暴检测：对重复的相同工具调用进行指纹识别，并引导模型跳出循环
• 孤立工具调用修复：在工具调用过程中因达到最大令牌数而被截断时，会进行修复，而不是导致会话失效

多提供方会话

• 一个会话使用多个提供方：并列配置 Anthropic、OpenAI 和 OpenRouter（DAIMONOS_AGENT_<NAME>_API_KEY）；每次调用都会根据模型路由到正确的提供方，并支持显式指定 provider:slug 覆盖
• 实时发现模型：启动时会查询已配置提供方的完整模型目录；模型选择器和故障转移链始终反映实际提供的模型，并按最新优先排序
• 跨提供方故障转移：配置多个提供方时，其中一个发生故障，本轮对话期间可转而使用另一个提供方的模型
• 提供方报告的上下文窗口：压缩阈值根据实时模型元数据计算，而非使用硬编码数值

Harness 层面的上下文节约

• 对话压缩：通过高水位和低水位阈值进行总结并继续，并采用符合提供方实际情况的令牌计量
• 有限大小的工具结果：在分发边界截断超大工具输出，并将其转存到文件，供 Agent 按需重新读取
• 反向预算裁剪：新工具结果生成前，先缩减较早的工具结果，让长轮次对话保留清晰的近期工作集
• 提炼后的工作记忆：持久保存可跨越压缩的事实、片段和备注，并与对话记录分开
• 弹性编辑匹配（借鉴自 Aider）：支持忽略空白差异的搜索替换，减少编辑失败后的重试成本
• 批量脚本执行：引导 Agent 将多步骤工具操作打包到单个 Starlark 脚本中（经基准测试，约可节省 2.2 倍成本）

会话持久性与控制

• 每轮工作区检查点：自动创建快照，支持差异比较和仅恢复代码
• 由守护进程管理的会话：可从运行中的 Agent 分离，之后（或从另一个终端）重新连接，并通过重连事件环和规范快照恢复会话
• 持久终端 UI：包含流式输出、工具生命周期卡片、审批模态框、模型/用量状态栏，以及 Vim 风格的滚动回看
• 远程控制：通过经过身份验证的 WSS 网关配对 Android 控制器
• 子 Agent 委派：将外部 ACP Agent（cursor-agent、codex-acp、…）用作受委派的工作者
• 思路捕获：可选择在本地持久保存流式传输的模型推理结果，以供日后检查

Agent 模式的配置位于 dotenv 风格的 agent.env（~/.config/daimonos/agent.env）中；请参阅运行时模式。 可移植的 Agent Skills 会从 ~/.agents/skills 和 <workspace>/.agents/skills 中发现；在 agent.env 中设置 DAIMONOS_SKILL_DIR 可覆盖全局目录。请参阅配置。

架构

Daimonos 是一个单一的 Rust 二进制程序，包含两个平面，它们共用同一套工具实现、同一种操作码协议、同一份配置和同一个分析数据存储：

1. 工具服务 — 通过 stdio（或 Unix 套接字）使用 MCP 与外部 Agent 通信。你的 IDE 会将其作为子进程启动——无需网络、容器，除了 JSON 配置项外也无需其他设置。
2. Agent 框架 — 自行运行 Agent 循环，在进程内调度相同的工具（无需经过 MCP），并直接与大模型提供商通信。

工具服务平面

┌──────────────┐     MCP (JSON-RPC over stdio)     ┌─────────────────┐
│  AI Agent    │ ◄──────────────────────────────► │   Daimonos      │
│  (Cursor,    │                                    │                 │
│   Copilot,   │     Structured JSON responses      │  ┌───────────┐ │
│   Claude,    │ ◄──────────────────────────────── │  │ File ops  │ │
│   etc.)      │                                    │  │ Search    │ │
│              │                                    │  │ Exec      │ │
│              │                                    │  │ Git       │ │
│              │                                    │  │ Cargo     │ │
│              │                                    │  │ Docker    │ │
│              │                                    │  │ GitHub    │ │
│              │                                    │  │ Snapshots │ │
│              │                                    │  │ Analytics │ │
└──────────────┘                                    │  └───────────┘ │
                                                    └─────────────────┘

在底层，Daimonos 使用基于操作码的协议，每项操作都有一个数字标识符和简短的字段名（c、p、s、n），以尽量减少令牌开销。MCP 层负责在标准 JSON-RPC 和内部操作码格式之间进行转换。

Agent 框架平面

┌────────────────────────────────────────────────────────┐
│  Frontends: TUI · ACP (Zed) · one-shot CLI · chat REPL │
│             session daemon (attach/detach, Android)    │
├────────────────────────────────────────────────────────┤
│  Shared session core: agent loop · canonical events    │
│  compaction · tool-result bounding · working memory    │
│  checkpoints · approvals/safety policy                 │
├────────────────────────────────────────────────────────┤
│  Provider layer: retries · model failover · resume     │
│  multi-provider router (routes each call by model)     │
│     ├─ Anthropic adapter                               │
│     ├─ OpenAI adapter                                  │
│     └─ OpenRouter adapter                              │
└────────────────────────────────────────────────────────┘

每个前端都驱动同一个与传输方式无关的会话核心，因此，在 TUI 中开始的对话可以从守护进程中分离，并从另一个终端或配对的手机重新接入。提供商适配器负责处理所有特定于提供商的线路格式和错误分类；其上层只需面对统一的 LlmProvider 接口和普通的模型字符串——这使故障转移、实时模型发现和多提供商路由能够组合使用，而无需针对特定情况编写特殊逻辑。

项目愿景

Daimonos 将分三个阶段构建：

阶段 1：用户空间 MCP 服务 + Agent 框架（当前阶段）

一个可在任何 Linux 或 macOS 机器上运行的 Rust 二进制程序，以两种角色验证相同的协议设计和结构化 I/O 模式：

• 工具服务，通过 MCP 为第三方 Agent（Cursor、Copilot、Claude Code、Zed、……）提供服务——这是第一阶段最初的交付目标。
• 独立的 Agent 框架：交互式 TUI、用于 Zed 的 ACP 后端、单次运行的 CLI，以及由守护进程管理并可远程接入的会话——内置多提供商路由、模型故障转移、上下文压缩和每轮检查点（参见 Agent 框架功能）。

状态：可用于生产环境。 这两种角色每天都用于实际开发工作——包括 Daimonos 自身的开发。提供适用于 Linux（x86_64、aarch64、musl）和 macOS（Apple Silicon、Intel）的预构建二进制文件。

阶段 2：极简 Linux 发行版

一个专门构建的 Buildroot Linux 镜像，以 Daimonos 作为主要用户空间应用程序。专为云部署设计，为 AI Agent 提供干净、精简的环境。该发行版可在数秒内启动，没有 shell 或面向用户的 UI，并将 Daimonos 守护进程作为 PID 1 的直接子进程运行。第一阶段的会话守护进程和远程控制网关是预定的运行服务：云端的无头 Agent 会话，可通过终端或手机接入。

状态：可运行的原型。 可在 QEMU 中启动，也可部署到 AWS EC2。用于远程基准测试。

阶段 3：自定义微内核

长期愿景：构建一种微内核，让 Daimonos 操作码成为原生系统调用。包含 StructFS（一种以原生方式存储并返回结构化数据的文件系统）、基于能力的安全机制，以及从零开始为 Agent 工作负载设计的进程模型。

状态：设计阶段。

开发

先决条件

依赖项	用途	安装
Rust（stable 1.75+）	构建	rustup.rs
Python 3 + pytest	测试	pip install -r tests/requirements.txt

运行测试

# Rust unit tests (350+ tests, parallel-safe)
cargo test

# End-to-end MCP protocol tests (150+ pytest cases)
python3 -m pytest tests/ -v

运行基准测试

cd benchmarks
./setup-mcp.sh
./run-benchmark.sh baseline   # IDE built-in tools
./run-benchmark.sh daimonos   # routed through daimonos MCP
python3 analyze-results.py results/

详情请参阅 benchmarks/README.md。

配置

所有行为均可通过 TOML 配置文件调整。完整参考请参阅 docs/configuration.md，带注释的默认配置请参阅 daimonos.default.toml。

主要章节：

• [index] — 三元组索引器设置（最大深度、文件大小限制）
• [search] — 搜索结果限制
• [process] — 进程超时、内存中数据/制品限制、后台任务准入、终止宽限期、继承的环境、语义筛选器，以及最大并发 Starlark 脚本线程数
• [pipeline_cache] — 子进程结果缓存大小、inotify 监视上限、额外忽略的目录
• [analytics] — 令牌跟踪（SQLite 存储、保留期限）
• [tools.*] — 按工具配置插件

参与贡献

Daimonos 正在积极开发中。如果你有兴趣参与贡献，请先阅读 AGENTS.md，了解代码规范、架构决策和代码审查清单。

另请参阅：

• CONTRIBUTING.md
• SECURITY.md
• CHANGELOG.md
• LICENSE

许可证

MIT