NexusRun：把 AI 智能体打包成可移植的单一文件

NexusRun 是一个面向本地部署场景的开源 AI 智能体打包与运行框架，核心思路是把模型引用、提示词、工具调用与凭据声明统一封装进一个可移植文件，让智能体在任意目标机器上「开箱即用」，同时保持数据不出本地网络。

项目概览

NexusRun 的二进制仅约 11 MB，使用 Go 编写，需要 Go 1.26 及以上版本即可编译，除自身外不依赖任何外部运行时。它建立在 llama.cpp 或 Ollama 等已有本地推理引擎之上，不替代这些引擎，而是补齐「打包、分发、如实反馈」这一层能力。项目仓库为 verdictlayer/nexusrun，已在 GitHub 开源。

使用方式被简化为三条命令：

• nexus init my-agent --model llama3.1:8b 生成一个 YAML 配置文件，用户可在其中编辑提示词与工具配置。
• nexus run ./my-agent -p "hello" 直接从本地目录运行该智能体，方便迭代提示词。
• nexus push my-agent:0.1.0 ghcr.io/you/my-agent:0.1.0 把智能体推送到任意容器镜像仓库；若目标环境无网络，可用 nexus build --seal 把模型一并封进文件，通过 U 盘等方式物理搬运。

单文件描述智能体

NexusRun 用一份可读的 YAML 文件（nexus.yaml）完整描述一个智能体的行为，结构大致如下：

• models：仅引用外部模型（如 ollama:llama3.1:8b），不把模型权重本身写进文件，使配置保持在 KB 级别而非 GB 级别。
• entrypoint：声明入口类型与系统提示词。
• mcp_servers：声明智能体依赖的 MCP 工具服务器，可指定来源（如 GitHub 仓库）、版本与启动命令，并配合 sandbox.allowed_paths 由内核对工具可访问路径进行约束——「未声明即拒绝」。
• secrets：只声明所需密钥名称，密钥值加密保存在运行机器本地，不会写入可分发的文件本身。

这种设计让智能体既「安全可提交」（不含明文凭据、不含模型权重），又「安全可分享」（读者可直接阅读文件了解它能做什么、不能做什么）。

面向不可控的运行环境

NexusRun 把重点放在「别人的笔记本、混合硬件机架、门店里的 kiosk、从没联网过的设备」这一类目标机器上，认为这才是智能体真正需要工作的场景。为此它做了三件事：

• 数据留在本地：完全离线运行，模型可被打包封进文件随智能体一同搬运，运行成本不会随调用次数增长。
• 硬件感知选模：当目标机器没有合适的 GPU 时，NexusRun 会显式提示回退到 CPU，并基于该机器实际表现给智能体打分；当一个模型得分过低时（例如某机器上得分 0/3），框架会自动拒绝该模型并挑选替代者，因为「答案取决于硬件与模型，而不只取决于提示词」。
• 沙箱隔离执行：MCP 工具服务器在沙箱内运行，文件写入与对外网络访问均受限于 YAML 中声明的范围，验证显示沙箱外没有出现未声明的文件写入或外向连接。

实际运行示例

项目给出了一段终端演示：在断网、无 API Key 的笔记本上，使用 nexus run notes-agent -p "When does the launch window open?" 运行一个内置智能体。智能体通过 llama.cpp 在 CPU 上启动一个 MCP 笔记服务器，调用 notes__list_notes 与 notes__read_note 两个工具，从 launch.txt 中读到「The launch window opens on 14 March 2027.」并输出结果。本次运行共消耗 54 tokens，速度约 7.0 tok/s，跨 3 轮完成 2 次工具调用。

小结

NexusRun 并非要取代 llama.cpp 或 Ollama，而是在它们之上补一层「让智能体可以被打包、被分享、被如实描述并被安全运行」的中间件。对于需要在隔离环境、共享设备或离线场景中分发 AI 智能体的开发者而言，它提供了一种结构化的打包与沙箱方案；但作为来源不广的开源新项目，其生态成熟度、长期维护与社区采纳情况仍有待观察。