AX 如何编排智能体任务
AX 是一个开放式智能体编排控制平面，目标是运行大量有状态、间歇性计算的 AI 任务。用户可以用声明式配置描述任务和工作区，再由 AX 准备代码仓库、工具服务器及运行环境；智能体则在受隔离的沙箱中执行。
它将能力拆成四个核心原语：Task 负责隔离执行，Workspace 负责代码和依赖，Gateway 管理网络访问与凭据，Model 集中管理模型参数和密钥。示例流程支持创建、观察、连接、暂停、恢复和删除任务，保留工作区状态，适合交互式编程、笔记本、浏览器测试以及自定义工具运行时。
面向规模的运行时设计
AX 构建在 Agent Substrate 之上，把每个任务视为轻量级 actor，并尝试通过密集复用工作资源降低等待模型、工具或人工响应时的空闲成本。项目还声称支持亚秒级恢复和每个集群数十亿任务的扩展目标，这些能力服务于大规模轨迹收集、强化学习循环和智能体评估。
AX 的关键限制与待验证问题
这些能力目前主要体现为项目方的设计目标和产品说明，来源并未提供独立基准、生产部署数据或成本对比。因此，实际恢复延迟、隔离强度、调度规模、模型调用成本以及长时间运行任务的可靠性，仍需通过公开代码、实验和真实工作负载验证。对于团队而言，声明式体验有吸引力，但运维成熟度与生态兼容性将决定它能否取代现有编排器。