forkd 快照 Hub 指南一行 forkd pull 拉取预热 AI 沙箱跳过全部 rootfs 构建【免费下载链接】forkd高性能Agent沙箱预热虚拟机可以在约 100 毫秒内派生出 100 个独立实例运行过程中约 150 毫秒“分叉”出一个新的运行环境。底层使用 KVM 隔离并利用快照写时复制降低资源开销。项目地址: https://gitcode.com/deeplethe/forkdforkd 快照 Hub是 forkd 项目自带的预构建沙箱注册表一条forkd pull命令即可下载别人提前烘焙好的预热虚拟机快照自动完成 sha256 校验与 rootfs 落盘让你完全跳过从 Docker 镜像构建 rootfs、启动、预热、暂停快照这一整套繁琐流程几秒后就能fork出毫秒级响应的 AI Agent 沙箱。什么是 forkd 快照 Hubforkd 的核心玩法是「一个预热父 VM N 个写时复制子 VM」父虚拟机提前把 Python 解释器、依赖库、Jupyter 内核甚至 PostgreSQL 进程全部加载进内存后暂停成快照之后的每个子沙箱都只是mmap一份父内存镜像派生成本接近fork(2)而不是冷启动虚拟机。问题在于——谁来构建这个预热父快照传统做法需要自己拉 Docker 镜像、烤 ext4、启动、预热、暂停动辄 2~3 分钟且对硬件有要求。快照 Hub 把这个 10 步流程压缩成了一行命令。它的架构刻意做到极简没有中心服务、没有账号、没有费用只有三块仓库根目录的 registry.json把owner/name映射到下载 URL sha256 包大小.forkd-snapshot.tar.zst快照包zstd 压缩的 tar 包内含内存镜像、Firecracker vmstate 和 TOML 清单forkd pull命令解析注册表 → 下载 → 校验 → 解压到$XDG_DATA_HOME/forkd/snapshots/tag/还会自动补齐 rootfs 旁路文件sidecar保证快照在任何主机上都能恢复。注册表与包格式的细节可参考官方文档 docs/HUB.md。一行命令拉取预热快照forkd pull 快速上手前提是一台 x86_64 LinuxUbuntu 22.04带 KVM并按官方安装方式装好 forkd 二进制。然后只需两行# 拉取 14.5 MiB 的 LangGraph 预热快照Python 3.12 requests forkd pull deeplethe/langgraph-react # 从中 fork 出 3 个共享父内存的子沙箱每个约 10 ms sudo -E forkd fork --tag langgraph -n 3 --per-child-netnsforkd pull支持三种目标格式写法说明deeplethe/python-numpy短名形式自动解析latest版本deeplethe/python-numpyv1锁定具体版本适合可复现构建https://.../pyagent.forkd-snapshot.tar.zst直接指定任意 HTTPS 包 URL拉取过程中的每一步都有回显下载进度MiB/s、sha256 校验、解压落盘。校验失败会直接中止而不是静默解压——这是 crates/forkd-cli/src/hub.rs 中完整性校验的核心行为。拉取后如何确认快照已就绪forkd images # 列出本地所有快照tag、大小、内存占用、创建时间 forkd where # 打印快照存储根目录免 rootfs 构建拉取即用的关键机制forkd pull之所以能「跳过全部 rootfs 构建」靠的是一个内容寻址的 rootfs 旁路文件issue #242 引入父快照的 vmstate 里固化了 rootfs 的绝对路径恢复时 Firecracker 必须原样重开该路径因此 rootfs 必须随包一起分发pack时 rootfs 被单独压缩成sha256.rootfs.zst旁路文件与快照包放在同一发布目录pull时自动从包 URL 的同级位置拉取它解压回 vmstate 记录的原始路径若本机已有相同 sha 的缓存则直接跳过下载——一串共享同一 base rootfs 的快照包只需下载一次磁盘镜像。落盘位置还经过安全校验只允许写入 forkd 管理的目录树恶意包无法借机把文件写到/etc之类的路径。当前 Hub 上有哪些预热快照目前注册表里发布了 9 个官方包覆盖最常见的 AI Agent 场景数据来自 docs/HUB.md名称内容内存包大小deeplethe/python-numpyPython 3.12 numpyREADME 快速上手默认目标1536 MiB15.8 MiBdeeplethe/playwright-browserNode.js Playwright 已预热 Chromium单例 fork 约 56 ms冷启动容器需 2~3 s2048 MiB105.5 MiBdeeplethe/postgres-fixturePostgreSQL 16 已完成 initdb 且 postmaster 预启动每测试 fork 约 10 ms1024 MiB38.0 MiBdeeplethe/coding-agentPython git gh CLI pytestSWE-bench 式并行评测1024 MiB15.2 MiBdeeplethe/e2b-codeinterpreterE2B 代码解释器镜像Python SDK 可直接替代 E2B2048 MiB21.6 MiBdeeplethe/jupyter-kernelJupyter 科学计算镜像IPython numpy scipy pandas 已预导入2048 MiB15.5 MiBdeeplethe/nodejsNode.js 22 slim 运行时通用 JS 工作负载基座512 MiB10.5 MiBdeeplethe/langgraph-reactLangGraph ReAct Agent 分支扇出演示513 MiB14.5 MiBdeeplethe/coding-agent-fork预置工作区 50 MiB 二进制状态演示 CoW 逐字节分发513 MiB67.6 MiB想深入某个场景仓库里每个包都配有可运行的示例配方比如 recipes/postgres-fixture/每测试一库的隔离模式和 recipes/e2b-codeinterpreter/。如何验证部署环境forkd doctor 一键体检拉取和 fork 之前建议先跑一次forkd doctor——它执行 17 项检查KVM、cgroup v2、tap 设备、netns、Firecracker 版本、快照目录与磁盘空间、uffd_wp 等每一项失败都会给出具体修复提示环境就绪后还可以用forkd bench --tag tag --n 5在你自己的硬件上实测 spawn / exec / branch / fanout 各阶段耗时。官方在标准测试机上测得forkd 派生 100 个「已导入 numpy」的沙箱仅需101 ms而 Docker 需要 335 s、gVisor 需要 288 s差距达三个数量级进阶搭建私有快照 Hub 与版本锁定企业内网或私有分发场景下Hub 客户端不关心数据来自哪里只需一个能返回registry.json的 HTTP 端点# 单次指定 forkd pull yourorg/myagent --hub https://registry.example.com/registry.json # 或全局环境变量 export FORKD_HUB_URLhttps://registry.example.com/registry.json发布自己的包流程也很轻本地sudo forkd snapshot建快照 →sudo forkd pack --tag mything --out /tmp/pk/打包自动附带 rootfs 旁路文件→ 上传发布目录 → 往registry.json加一条记录并提交 PR 审核。合并后你的包就可以被任何同事forkd pull yourorg/mything拉取。完整六步发布清单见 docs/HUB.md 的 Publishing 一节。安全模型速览公开只读注册表里列出的任何包都能 pull无需鉴权推送走 PR 审核维护者人工核对 URL、sha256 与构建配方sha256 是完整性保证而非签名v0.x 阶段信任模型等价于「你运行了这个发布者的容器镜像」v1.0 计划引入 Sigstore/cosign 签名。总结从冷启动到预热沙箱的最短路径步骤命令耗时量级1. 拉取预热快照forkd pull deeplethe/python-numpy十几秒下载2. 体检环境forkd doctor秒级3. 派生子沙箱sudo -E forkd fork --tag numpy -n 100约 100 ms / 100 个相比自己从 Docker 镜像构建 rootfs 预热 快照的全流程分钟级、依赖 Docker快照 Hub 把「得到一个可用的预热 AI 沙箱」压缩到了一条命令。配合写时复制的内存共享单个 512 MiB 的 Python 父快照可以同时支撑数十个空闲 Agent 实例——内存几乎不构成扇出瓶颈。更多设计细节可阅读 docs/design/branching.md 与 DESIGN-v0.5-diff-snapshot-chains.md。【免费下载链接】forkd高性能Agent沙箱预热虚拟机可以在约 100 毫秒内派生出 100 个独立实例运行过程中约 150 毫秒“分叉”出一个新的运行环境。底层使用 KVM 隔离并利用快照写时复制降低资源开销。项目地址: https://gitcode.com/deeplethe/forkd创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
forkd 快照 Hub 指南：一行 forkd pull 拉取预热 AI 沙箱，跳过全部 rootfs 构建
forkd 快照 Hub 指南一行 forkd pull 拉取预热 AI 沙箱跳过全部 rootfs 构建【免费下载链接】forkd高性能Agent沙箱预热虚拟机可以在约 100 毫秒内派生出 100 个独立实例运行过程中约 150 毫秒“分叉”出一个新的运行环境。底层使用 KVM 隔离并利用快照写时复制降低资源开销。项目地址: https://gitcode.com/deeplethe/forkdforkd 快照 Hub是 forkd 项目自带的预构建沙箱注册表一条forkd pull命令即可下载别人提前烘焙好的预热虚拟机快照自动完成 sha256 校验与 rootfs 落盘让你完全跳过从 Docker 镜像构建 rootfs、启动、预热、暂停快照这一整套繁琐流程几秒后就能fork出毫秒级响应的 AI Agent 沙箱。什么是 forkd 快照 Hubforkd 的核心玩法是「一个预热父 VM N 个写时复制子 VM」父虚拟机提前把 Python 解释器、依赖库、Jupyter 内核甚至 PostgreSQL 进程全部加载进内存后暂停成快照之后的每个子沙箱都只是mmap一份父内存镜像派生成本接近fork(2)而不是冷启动虚拟机。问题在于——谁来构建这个预热父快照传统做法需要自己拉 Docker 镜像、烤 ext4、启动、预热、暂停动辄 2~3 分钟且对硬件有要求。快照 Hub 把这个 10 步流程压缩成了一行命令。它的架构刻意做到极简没有中心服务、没有账号、没有费用只有三块仓库根目录的 registry.json把owner/name映射到下载 URL sha256 包大小.forkd-snapshot.tar.zst快照包zstd 压缩的 tar 包内含内存镜像、Firecracker vmstate 和 TOML 清单forkd pull命令解析注册表 → 下载 → 校验 → 解压到$XDG_DATA_HOME/forkd/snapshots/tag/还会自动补齐 rootfs 旁路文件sidecar保证快照在任何主机上都能恢复。注册表与包格式的细节可参考官方文档 docs/HUB.md。一行命令拉取预热快照forkd pull 快速上手前提是一台 x86_64 LinuxUbuntu 22.04带 KVM并按官方安装方式装好 forkd 二进制。然后只需两行# 拉取 14.5 MiB 的 LangGraph 预热快照Python 3.12 requests forkd pull deeplethe/langgraph-react # 从中 fork 出 3 个共享父内存的子沙箱每个约 10 ms sudo -E forkd fork --tag langgraph -n 3 --per-child-netnsforkd pull支持三种目标格式写法说明deeplethe/python-numpy短名形式自动解析latest版本deeplethe/python-numpyv1锁定具体版本适合可复现构建https://.../pyagent.forkd-snapshot.tar.zst直接指定任意 HTTPS 包 URL拉取过程中的每一步都有回显下载进度MiB/s、sha256 校验、解压落盘。校验失败会直接中止而不是静默解压——这是 crates/forkd-cli/src/hub.rs 中完整性校验的核心行为。拉取后如何确认快照已就绪forkd images # 列出本地所有快照tag、大小、内存占用、创建时间 forkd where # 打印快照存储根目录免 rootfs 构建拉取即用的关键机制forkd pull之所以能「跳过全部 rootfs 构建」靠的是一个内容寻址的 rootfs 旁路文件issue #242 引入父快照的 vmstate 里固化了 rootfs 的绝对路径恢复时 Firecracker 必须原样重开该路径因此 rootfs 必须随包一起分发pack时 rootfs 被单独压缩成sha256.rootfs.zst旁路文件与快照包放在同一发布目录pull时自动从包 URL 的同级位置拉取它解压回 vmstate 记录的原始路径若本机已有相同 sha 的缓存则直接跳过下载——一串共享同一 base rootfs 的快照包只需下载一次磁盘镜像。落盘位置还经过安全校验只允许写入 forkd 管理的目录树恶意包无法借机把文件写到/etc之类的路径。当前 Hub 上有哪些预热快照目前注册表里发布了 9 个官方包覆盖最常见的 AI Agent 场景数据来自 docs/HUB.md名称内容内存包大小deeplethe/python-numpyPython 3.12 numpyREADME 快速上手默认目标1536 MiB15.8 MiBdeeplethe/playwright-browserNode.js Playwright 已预热 Chromium单例 fork 约 56 ms冷启动容器需 2~3 s2048 MiB105.5 MiBdeeplethe/postgres-fixturePostgreSQL 16 已完成 initdb 且 postmaster 预启动每测试 fork 约 10 ms1024 MiB38.0 MiBdeeplethe/coding-agentPython git gh CLI pytestSWE-bench 式并行评测1024 MiB15.2 MiBdeeplethe/e2b-codeinterpreterE2B 代码解释器镜像Python SDK 可直接替代 E2B2048 MiB21.6 MiBdeeplethe/jupyter-kernelJupyter 科学计算镜像IPython numpy scipy pandas 已预导入2048 MiB15.5 MiBdeeplethe/nodejsNode.js 22 slim 运行时通用 JS 工作负载基座512 MiB10.5 MiBdeeplethe/langgraph-reactLangGraph ReAct Agent 分支扇出演示513 MiB14.5 MiBdeeplethe/coding-agent-fork预置工作区 50 MiB 二进制状态演示 CoW 逐字节分发513 MiB67.6 MiB想深入某个场景仓库里每个包都配有可运行的示例配方比如 recipes/postgres-fixture/每测试一库的隔离模式和 recipes/e2b-codeinterpreter/。如何验证部署环境forkd doctor 一键体检拉取和 fork 之前建议先跑一次forkd doctor——它执行 17 项检查KVM、cgroup v2、tap 设备、netns、Firecracker 版本、快照目录与磁盘空间、uffd_wp 等每一项失败都会给出具体修复提示环境就绪后还可以用forkd bench --tag tag --n 5在你自己的硬件上实测 spawn / exec / branch / fanout 各阶段耗时。官方在标准测试机上测得forkd 派生 100 个「已导入 numpy」的沙箱仅需101 ms而 Docker 需要 335 s、gVisor 需要 288 s差距达三个数量级进阶搭建私有快照 Hub 与版本锁定企业内网或私有分发场景下Hub 客户端不关心数据来自哪里只需一个能返回registry.json的 HTTP 端点# 单次指定 forkd pull yourorg/myagent --hub https://registry.example.com/registry.json # 或全局环境变量 export FORKD_HUB_URLhttps://registry.example.com/registry.json发布自己的包流程也很轻本地sudo forkd snapshot建快照 →sudo forkd pack --tag mything --out /tmp/pk/打包自动附带 rootfs 旁路文件→ 上传发布目录 → 往registry.json加一条记录并提交 PR 审核。合并后你的包就可以被任何同事forkd pull yourorg/mything拉取。完整六步发布清单见 docs/HUB.md 的 Publishing 一节。安全模型速览公开只读注册表里列出的任何包都能 pull无需鉴权推送走 PR 审核维护者人工核对 URL、sha256 与构建配方sha256 是完整性保证而非签名v0.x 阶段信任模型等价于「你运行了这个发布者的容器镜像」v1.0 计划引入 Sigstore/cosign 签名。总结从冷启动到预热沙箱的最短路径步骤命令耗时量级1. 拉取预热快照forkd pull deeplethe/python-numpy十几秒下载2. 体检环境forkd doctor秒级3. 派生子沙箱sudo -E forkd fork --tag numpy -n 100约 100 ms / 100 个相比自己从 Docker 镜像构建 rootfs 预热 快照的全流程分钟级、依赖 Docker快照 Hub 把「得到一个可用的预热 AI 沙箱」压缩到了一条命令。配合写时复制的内存共享单个 512 MiB 的 Python 父快照可以同时支撑数十个空闲 Agent 实例——内存几乎不构成扇出瓶颈。更多设计细节可阅读 docs/design/branching.md 与 DESIGN-v0.5-diff-snapshot-chains.md。【免费下载链接】forkd高性能Agent沙箱预热虚拟机可以在约 100 毫秒内派生出 100 个独立实例运行过程中约 150 毫秒“分叉”出一个新的运行环境。底层使用 KVM 隔离并利用快照写时复制降低资源开销。项目地址: https://gitcode.com/deeplethe/forkd创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
