Harness 与 Agent 工程 · 上下文与记忆 · 2026-07-16

从 Data Lake 到 State Lake:面向 Agent 时代的存储基础设施重构

面向Agent时代,存储基础设施如何重构以支撑智能体高效运行与持续进化?火山引擎团队提出三大核心能力,重新定义存储角色。

核心内容:

  1. Agent时代存储从资源层升级为关键运行底座
  2. 围绕沙箱、产物、观测三大方向重构存储能力
  3. 支撑Agent多元化场景与自进化需求

核心观点:Agent 正在把 AI 从"回答问题"推向"完成任务",存储也随之从"提供容量、承载文件"的资源层,升级为贯穿 Agent 运行、协作与持续优化的关键底座。火山引擎存储团队以 Storage Agent Infra 为载体,围绕 Sandbox Store、Artifact Store、Agent 观测 & 评测三大能力方向,重新组织存储能力,支撑 Agent 时代的真实业务。

过去几年,AI 应用的形态正在快速变化。从早期的模型调用,到对话式助手,再到具备工具调用、任务执行、环境交互和长期记忆能力的 Agent,AI 系统正在从"回答问题"走向"完成任务"。这种变化不仅改变了上层应用的交互方式,也对底层基础设施提出了新的要求。

结合 AI Agent 场景的快速成熟和发展,AI 驱动的数据 Workload 也在快速发生着演变。可划分为三个阶段:

基于上述 AI Workload 的变化,也驱动了存储范式的演进:

上述两种范式的变化,并非简单的数据规模差异,而是在数据形态(文件 vs 数百 MB~数十 GB 的短生命周期状态块)、IO 模式(带宽敏感的顺序批扫 vs 延迟敏感的随机流转)、SLO 要求(秒级可用 vs 毫秒/微秒级不可失)与成本结构(可冷热分层 vs 无"冷"态可退)四个维度上的数据范式进化。

存储的角色因此从"数据底座"升级为"状态底座",从 Data Lake 走向 State Lake。

火山存储围绕 AI Workload 的驱动变化,已布局了从 Training 到 Inference 到 Agent,从 Data Lake 走向 State Lake 完整的产品能力规划和落地。

本文重点围绕火山存储在 Agent 应用领域,从 Data Lake 走向 State Lake 的落地之路。

一、Agent 应用生态整体架构

从工程视角看,Agent 应用可以抽象为多个层次:底层是算力、控制面和环境接入面,中间是运行时引擎、工具路由、记忆管理和控制循环,上层则是具体的 Agent 应用、工作流和产品封装。

在这个体系中,存储能力贯穿多个关键环节。

围绕火山引擎客户各类 Agent 应用的运行特点,火山引擎存储团队将 Storage Agent Infra 的重点方向归纳为三类:

  1. Sandbox Store:面向 Agent 沙箱运行环境,提供本地环境 rootfs 挂载、快照、启动恢复、状态保存等能力;
  2. Artifact Store:面向 Agent 执行过程中的镜像、程序包、脚本、模型、输入输出文件和任务产物,提供持久化、共享、分发和访问能力;
  3. Agent 观测 & 评测:面向 Agent 执行过程中的日志、Trace、Session、评测数据和实验结果,支撑观测、评测和持续优化闭环。

这三个方向分别对应 Agent 生命周期中的不同阶段。Sandbox Store 关注的是 Agent "在哪里运行"以及"如何快速、稳定地恢复运行环境";Artifact Store 关注的是 Agent "读写什么数据"以及"任务产物如何保存、共享和分发";Agent 观测 & 评测则关注 Agent "运行得怎么样"以及"如何基于数据持续改进"。它们共同构成了 Storage Agent Infra 的基本框架:

二、Storage Agent Infra 的三大能力方向和存储智能化

2.1 Sandbox Store:让 Agent 沙箱更快启动、更好恢复

Agent 的一个重要特点,是需要在受控环境中执行任务。在代码生成、数据处理、模型评估、多模态任务等场景中,Agent 往往需要一个相对完整的运行环境:它要能够安装依赖、执行脚本、读取输入、生成输出,并在必要时进行回滚、恢复或并行探索。这使得沙箱不只是一个"计算环境",其背后的状态保存、数据共享与会话通信,共同构成了 Agent Infra 中非常关键的一层。

同时沙箱在多种业务状态下的数据 Workload 变化,也推动 Sandbox Store 增加对各种 Data State 的支持,Sandbox Store 也逐步扮演为沙箱视角下的 State Lake。

在业务需求上,Sandbox Store 面临几类典型诉求:

围绕这些需求,Storage Agent Infra 在 Sandbox Store 方向上重点规划了基于 EBS、EFS 和 MQ 的能力组合。

通用沙箱 rootfs 场景

多 Agent 并行实验、共享工作区和弹性容量等场景

通信中枢需求

这套组合的本质,不是…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/LargeLanguageModel/2026071690314.html