开源项目 HART OS 发布：以本地优先的 AI 原生操作系统

HART OS 是一款定位为「AI 原生」的本地优先操作系统，于 Hacker News 以 Show HN 形式公开亮相。项目仓库为 hertz-ai/HARTOS，核心定位是把推理能力做成操作系统提供的基础服务，像文件系统、网络栈一样被任意应用调用，而不是让每个应用各自打包模型或持有 API Key。当前仓库处于公开 Alpha 阶段，运行时、Model Bus 与通道适配器已进入日常使用，但 API 仍在调整。

项目架构与核心组件

HART OS 的栈由三层构成：HART 是底层引擎，可通过 pip install hart-backend 安装并监听本地 :6777 端口；HART OS 是完整操作系统形态，能在笔记本、服务器、边缘节点甚至机器人上启动，并内置 Liquid Shell、Model Bus、模型目录、通道配对、Agent 面板与 Hive 视图；Nunba 是面向消费者的跨平台桌面客户端（Windows / macOS / Linux）。整套系统基于同一份 Python 代码库，可在三种拓扑形态下运行：单机扁平模式、区域 LAN 模式、中央云端网格模式。

Model Bus 是关键抽象。它统一通过 socket、D-Bus 或 HTTP 把 LLM、视觉、语音能力暴露给上层应用，并兼容 OpenAI 协议，地址为 :6777/v1/chat/completions，因此 OpenAI SDK、LangChain、LiteLLM、Aider、Continue 等生态工具可直接对接。

本地多模态与自演化机制

HART OS 强调「设备自适配」：启动时探测硬件能力，本地集成 llama.cpp、Whisper、六套 TTS 与视觉语言模型（VLM），支持纯离线运行，也允许将 API Key 配置走外部服务。项目同时引入了 Auto-Evolve 循环，节点会在本地从自身行为中学习并悄悄改进模型，但这一能力默认以开关形式存在，每个节点都可被独立关闭，并设有 300 秒一次的引导期 guardrail 哈希校验以及 Ed25519 发布签名以维持人类对系统的可控性。

「Recipe Replay」是另一项关键能力：首次执行任务时调用 LLM 生成执行轨迹并缓存，复用时跳过已缓存步骤，官方称可将平均耗时降低 90%。

联邦协作与节点拓扑

节点之间通过 PeerLink（基于 WebSocket 的点对直连通道，无需中间代理）联邦协作，每节点可广播自身能力、共享任务并互相校验哈希。在比较表中，HART OS 自我标注为在以下能力上与 OpenAI Agents、LangChain、AutoGen 存在差异：

• 运行时自演化 + RSI-2 gate
• 相对历史快照的持续基线
• 内置 7 类注册式基准适配器
• 31 个开箱即用的通道适配器
• 本地优先的多模态支持
• 一套代码覆盖扁平 / 区域 / 中央三种拓扑

需要指出的是，上述比较来自项目自身 README，并非第三方评测。

开放问题与项目状态

项目在仓库中专门列出「Open problems」清单，明确提出九项尚未解决的难题，包括：没有全局视角时收敛如何定义、自我改写的系统如何被验证、自动升级到更强模型后为何无法自主判断「问题值得用一小时和三台机器来处理」等。这些议题被定位为「比 patch 更欢迎的讨论入口」。

按官方给出的 60 秒上手流程，开发者可执行 git clone 后创建 venv、安装依赖、写入 .env，再运行 python hart_intelligence_entry.py 即可让服务监听 :6777 端口。该项目面向开发者与 AI Agent 双重受众，README 中每个能力都标注了对应源文件位置，方便直接定位代码。