AFS

新站上线之后，ARC 接下来会怎样走进社区、数据空间与日常应用？聊聊迁移、Aside、ArcSphere、ArcWallet，以及与 builder 一起展开的发布过程。

OpenAI 的 Agents API 把 Codex 的循环做成了托管 API：会话、上下文压缩、工具、sandbox、plugin。这层有真实价值。它仍然不是一台有身份、有状态、能被所有者带走的计算机。ARC 接在他们已经拆开的那道接口上。

不是从 blockchain 转向 AI。更硬的判断是：路和水电可以先修好，但城市真正活起来，要等能日夜干活的居民进城。我们早年搭的是底座；agent 才是迟到的居民。

多数人不会去管 API Key，他们会雇 agent。真正要问的不是哪个模型更强，而是工人在谁的地上干活，以及队伍走了以后，地契还在不在你手里。

arc skill 现在提供内置 how-to booklet 目录，并能写进宿主 agent 的 skill 文件夹。这有用——但相对 gh skill 或 AFS 的 .skills，还远不完整。下面用一张表、一套可跟做命令，和公开的设计缺口说明白。

现在不少公司在给 agent 做「计算」：sandbox、虚拟机、甚至一台数字员工。它们解决的是不可信代码在哪里跑。但 agent 真正缺的是另一件事：长期存在、有身份与状态、权限可约束、历史可核验、整机可迁走的计算机。我们把这台机器叫 ARC。

Blocklet 的运行时。它给开发者一个地方来运行以 Blocklet 描述的应用，连同那个 Blocklet 声明自己需要的资源。

面向真实 LLM 应用的 agent 框架：函数式、可组合、TypeScript 优先。

ARC 是 Blocklet 的运行时。它让开发者把应用、运行位置和所需资源分别说清楚：Blocklet 描述应用，ARC 运行它，AFS 表达它要接触的资源。

AUP（Agentic UI Protocol）先表达应用要呈现什么、可以做什么；运行时再根据设备能力呈现合适的部分。重点不是复刻同一张屏幕，而是让同一项应用保留自己的内容和动作。

每个 agent、每个应用、每个进程，看到的都不是全局世界，而是专门为它投影出来的一个小世界。不在这个世界里的东西，对它来说不是「没权限」，而是根本不存在。

一项任务的 context 包括相关资料、可用工具和允许的操作。它们被放进清楚的范围里，agent 才知道该从哪里找信息、能用什么完成工作。