Runtime extension
让 eBPF 不只停留在内核工作流里
通过 userspace execution、GPU paths、JIT/AOT 支持和部署模型，把 eBPF 扩展到生产工具链可以直接使用的系统路径。
Eunomia 提供什么
Eunomia 的工作集中在 runtime infrastructure、公开资源和 AI agent systems。
Resources
发布可复用的教程、文档、博客和论文
面向 eBPF 开发者维护可执行教程、文档入口、技术文章和研究产物。
AI Agents
在系统层观测并约束 AI agent
零插桩、框架无关地看清 agent 真正做了什么，并对它能做什么执行运行时策略。
项目
按使用方式组织的开源平台项目和公开资源。
平台
执行引擎、工具链、runtime 组件和底层扩展路径。
AI Agents
面向 AI agent 系统的 tracing、observability 和安全研究。
资源
面向 eBPF 开发者的教程、文档、博客和研究论文。
最新文章
全部文章用语义 Flamegraph 分析 AI Agent
你的 AI agent 这个月花了 $3000。哪些活动消耗了这些预算？agentpprof 将 flamegraph 范式应用于 AI agent trace，把自然语言 prompt 映射为语义标签，像 CPU profiler 一样聚合。本文解释为什么现有可观测工具无法回答预算归因问题，以及语义 flamegraph 如何为 agent 工作负载恢复聚合能力。
ActPlane: 把 Agent Harness Enforcement 下沉到内核 eBPF
ActPlane 是一个基于 eBPF 的 AI Agent 策略引擎，在操作系统内核层面对 Agent 行为做观测和强制执行。本文分析 prompt、工具层、沙箱三层约束各自的系统性盲区，说明 ActPlane 如何通过标签传播和时序谓词实现确定性的 Agent harness。
基于 eBPF 的不透明 AI Agent 运行时可观测与执行控制：超越沙箱与审批
AI 编程 Agent 在平台方可能并不拥有的 Harness 与沙箱中自主运行数小时，基于审批的管控随之失效。本文主张将 Agent 安全拆分为三层（意图授权、执行隔离、副作用验证），并用基于 eBPF 的可观测（AgentSight）与执行控制（ActPlane）在 Harness 之下提供独立的运行时可观测与执行控制。