Cloudflare Computer：给每个AI Agent配一台虚拟电脑，7K Star，支持持久化Workspace与分层执行
最近几个月AI编程Agent赛道卷得非常厉害，Claude Code、Codex、Cursor一个比一个强。但很少有人想一个问题：这些Agent是在什么样的机器上运行的？答案是每个人一个容器，每一个Agent启动时后面就有一个完整的Linux环境。
听上去合理，但算一算：如果公司给每个员工的Agent都配一个容器，全世界的算力加起来也不够。Cloudflare认为这不合理，于是开源了computer项目，在GitHub上有7000多个Star。
它给每个AI Agent配备一台虚拟电脑，文件系统、shell、包管理器等一应俱全。
它关注的不是"如何让Agent更聪明"，而是"如何让Agent更像一个真正的数字员工"。
真实场景：Agent如何拥有自己的电脑
假设公司有一个Agent处理GitHub上的Bug，每天要分析Issue、拉取代码、定位问题、修改代码、运行测试、提交Pull Request。传统做法是准备一个固定容器，预先安装好Node.js、Python、Git等依赖。简单明了，但问题明显：上午修好bug后，下午没任务时容器仍占用资源，几千个Agent同时运行成本越来越高。
computer的想法不是给每个Agent配一台永久机器，而是提供一个工作空间。它把代码、文件和状态都存储在Workspace里，Agent在轻量环境中做简单任务，只有需要安装依赖、编译项目、运行复杂程序时才启动完整容器。任务完成后Container被释放，但Agent的工作状态会被保留下来。这个设计符合未来Agent作为长期协作者的角色，而不是一次性脚本。
核心设计
01 虚拟文件系统
computer最有价值的设计之一是没有把Agent当临时工，而是为它配备了一个长期存在的文件系统。Workspace运行在Durable Object中，用SQLite存储状态，Agent的操作就像在本地文件上一样：读、写、建目录、搜索都很方便。如果每次启动都要从头做起，哪来的连续工作能力？比如Bug Agent今天只改了一半代码，第二天重启就可以继续之前的进度。这一步是从聊天助手变成工程助手的关键。
02 三套执行后端
它没有搞"万物容器化"，而是设计了三种运行环境：第一种是Isolate Shell，只做搜索代码、查看文件、修改文本等简单操作，不需要启动整个Linux系统；第二种是Isolate JavaScript，只运行JS模块和脚本；第三种是Container，包含完整的Linux环境，用来安装npm包、编译程序、调用系统工具。查函数调用关系根本不需要启动容器，只有真正跑测试、编译项目时才需要。分层之后，容器只做它应该做的事。
03 双向文件同步
没有把整个目录都复制过来，而是增量同步，只传输发生变化的部分。几个GB的大项目，Agent只修改了一行代码，同步时不需要重新拷贝整个工程。还支持分块传输、断点续传，自动跳过无效文件。Agent的工作方式就是读很多文件、改很多文件、产生很多文件，底层同步跟不上的话，再好的模型也没用。
04 AI SDK工具集
computer给Agent一套直接能用的工具：read、write、edit、ls、exec，Agent拿这些操作自己的Workspace。特别是exec会根据任务选择环境：用Isolate看代码，装依赖切到Container。这种自动选择能力以后会是Agent基础设施的重要部分。
安装方式
computer不是下载安装的桌面软件，更像是给AI Agent准备工作电脑的开发工具。安装很简单：
npm install @cloudflare/computer
然后在Agent项目中创建工作区：
const workspace = new Workspace({
storage: this.ctx.storage
});
创建完成后Agent就有了类似电脑的能力，可以读取项目代码、修改文件、执行命令、生成测试结果，整个过程就像一个程序员的工作流程。
注意事项
- computer目前不是普通用户打开就能用的软件，更适用于开发者创建自己的Agent，需要自己写代码
- Container后端需要使用Docker，目前只支持Linux x64环境
- 目前更像一种AI Agent基础设施和方向验证，不是成熟的商业方案
小结
computer最大的价值不是提供了一个新的文件系统，而是提出了一个值得思考的问题：AI Agent时代，我们到底应该如何给Agent配一台电脑？过去是一个应用需要一台服务器，后来是一个服务对应一个容器，未来是一个Agent要有一个Workspace。
项目地址：https://github.com/cloudflare/computer