第 5 次会议纪要¶

摘要¶

与 XK 讨论选题，最终聚焦用户意图预测方向，同时论证了动作总线、Agent Cgroup、类 Docker 沙盒等方案的可行性。否掉了分布式和 OS4AI 方向。

会议信息¶

• 日期：2026-03-28
• 参会人：XK, lsy, srh, ljs, wxz, sdd
• 议题：与 XK 讨论选题，确定方向
• 决议：聚焦用户意图预测，先离线收集数据、获得初始 skills，再移植到 Android

讨论内容¶

用户意图预测（主方向）¶

• 平台：Android
• AI 通过用户行为习得 skill，利用 memory 提前对系统资源（如内存）进行预安排
• 整体思路参考 MEMO，具体实现上 XK 建议将动作抽象为结构化数据，充分利用 LLM 的细粒度语义理解能力
• MEMO 项目准确率一般；常见算法的 top-3 预测 baseline 约 80%（引用待确认），可缩短所需训练周期
• 意图理解分两层：预测 App + 预测具体意图（如打开浏览器 → 访问某网站）
• 语义理解在行为序列中的应用，本地小模型可满足细粒度意图理解

动作总线（Action Bus）¶

• 将 Agent 动作行为抽象为新的 syscall，进行文件读取等系统级操作
• XK 认为与用户意图预测内容高度相似，建议合并

Agent Cgroup¶

• 属于"进阶"功能，可放入 minimal viable plan
• 目前在 Android 上落地困难：论文基于 bash 子任务 + bash wrapper，Android 缺乏等价机制

类 Docker 容器/沙盒¶

• 同样属于进阶功能，未具体展开

被否掉的方向¶

• 分布式系统：不合适
• OS4AI：利用传统 OS 算法对 GPU 上多 AI 任务的资源/进程调度进行优化——XK 认为当前电脑架构本就不适合 AI 负载，软件层面优化空间有限，不如优化硬件

后续路径¶

XK 建议：先离线收集用户行为数据，完成 skills 的初始获取，验证后再移植到 Android 端。