Summary
面向 agent sandbox 的语义感知 checkpoint/restore runtime：用 eBPF 追踪 turn 级”净变化”跳过 ~75-87% 不必要的检查点、把检查点执行重叠进 LLM 等待窗口，p50 0.1s / p95 0.7s；把 rollback 暴露为 agent 可调用工具 sbx.rollback(ckpt)，并实证支撑 proactive recovery、speculative execution、spot 迁移、RL 树分支四类场景。
Problem & Motivation
核心诊断是 agent–OS 语义鸿沟：agent 框架看得见 tool call 看不见其 OS 效果；OS 看得见状态变化但没有 turn 级上下文判断恢复相关性。四个需要 C/R 的场景：(1) 长程任务容错（数百 turn 崩溃即全部重跑）；(2) spot/可抢占实例执行；(3) RL 树分支（Tree-GRPO 类算法从中间状态 fork，免重放共享前缀）；(4) 安全回滚（恢复到已知良好状态）。通用工具（CRIU/容器 commit）逐 turn 全量快照太慢（参见 2510-AgenticExplorationSystems 的六机制实测）。
Method
三组件架构：
- Coordinator（控制面）：HTTP 反向代理拦截 agent↔LLM 通信，识别 turn 边界，把检查点工作异步调度进 LLM 推理等待窗口，检查点未完成时 gate agent 进度。
- Inspector（状态追踪）：eBPF 内核监控 + 用户态 daemon，“净变化”语义——瞬态效果忽略，只报告持久状态：文件系统（syscall tracepoint）、进程（cgroups）、内存（soft-dirty page）。
- C/R Engine（数据面）：双优先级队列；文件系统走 ZFS snapshot、进程走 CRIU；versioned manifest 配对最新进程/文件系统 artifact。按 Inspector 分类做粒度化检查点：跳过 / 仅文件系统 / 仅进程 / 全量。
快于 CRIU 的来源不是单次 dump 优化，而是跳过 ~75% 的 turn + 与 LLM 推理重叠。
Key Results
- 延迟：checkpoint p50/p95/p99 = 0.1/0.7/1.0s（文件系统-only 20-100ms）；Coordinator 开销 18-40μs/turn @96 沙盒密度；p95 暴露延迟 0.44%。
- 恢复正确性：Terminal-Bench 100%（chat-only/chat+FS baseline 仅 8-28%）；SWE-Bench 100% vs 9%。
- 稀疏性：多达 87% 的 turn 无需检查点（Claude-code on Terminal-Bench：仅 5% 需 FS、8% 需全量）。
- Agent-facing 案例：
- Proactive rollback（agent 自调
sbx.rollback）：QEMU 启动任务 wall-clock -29%（52→36 步）；金融文档分类省 36% rollback token。 - Speculative execution：10× 快的 draft model ~50% 接受率，SWE-Bench 任务时间中位数 -7.9%；58% fork 请求复用先前检查点。
- RL 树分支：branching factor 1-5 下免前缀重放，token 消耗 -40~64%。
- Spot 迁移：迁移 <1s，每任务 1-5 次抢占下开销 <1.9%。
- Proactive rollback（agent 自调
Strengths & Weaknesses
亮点：(1) 第一个把 rollback 做成 agent 可自主调用 API 并给出端到端收益数字的系统——“agent-facing 暴露”从设想变成已实现的先例；(2) 语义感知稀疏化是对”逐 turn 全量快照”的正确否定，思路可直接迁移到浏览器（DOM diff 决定是否快照）；(3) 四场景统一在一个 runtime 上，推理/训练两侧通吃。
局限：(1) 域是 shell/代码沙盒（Terminal-Bench/SWE-Bench），不含浏览器/GUI——web 的状态在 browser session + 后端 DB，超出其 FS+process 捕获范围；(2) agent-facing 案例测的是效率（步数/token/时间），没有测 task success rate 的因果增益，也无 prompt-only 对照；(3) 评估用录制轨迹确定性重放，去除了模型随机性；(4) agent 进程本身不在追踪范围（需 fast-forward 调和）。
对本方向的意义：AFE 假设的最强先例 + 最清晰的差异化边界——Crab 证明了 agent-facing rollback 在 sandbox 域的工程可行与效率收益，留下的正是 (a) web/browser 全栈状态域、(b) success/recovery 因果增益与 prompt-only 强对照、(c) affordance 组合（observe/verify/fork 协同）三块空白，与 AgentFacing-WebRuntime 的 C0-C7 设计精确互补。
Mind Map
mindmap root((Crab)) Problem agent-OS 语义鸿沟 逐 turn 快照太慢 Method turn 净变化追踪 eBPF LLM 等待窗口重叠 ZFS+CRIU 粒度化 Results p50 0.1s 跳过 87% agent 自调 rollback -29% 步数 RL 分支 token -40~64%
Notes
- 四场景中 speculative execution 与 2606-SRC 的 speculative branch review 是同名异物：Crab 是 draft model 抢跑执行，SRC 是学生策略试探分支——但都依赖”可廉价撤销”这一底座能力。
- Crab + WebServ 拼起来 ≈ AFE 需要的引擎全栈（进程/FS + 容器/网络），缺的只是浏览器语义层（DOM/session/后端 DB）与 agent 侧接口协议。