PysolateExplained
打开文档导航
本科生解释查看 Markdown 源文件

Prepared Family 到底共享什么

一句话

Prepared Family 先共享一份 Host 已验证的 NumPy 输入；只有 private-COW（写入时才复制内存页）进一步共享 sealed image/page lineage，private-copy 会为每个 fresh consumer 重新准备私有数组。

先看一个例子

四个分析 Agent 都要读取同一张 NumPy 矩阵，但执行不同代码。让每个 Agent 重新传输和构造矩阵会重复工作；让它们共用同一个 Python interpreter 和 ndarray，则一个 Agent 的 array[0] = 0 可能污染其他 Agent。

Prepared Family 把共享点放在更低一层。Host 先复制并验证矩阵，封存一份输入身份。每个 Agent 再获得自己的 fresh module 和私有数组。Linux worker 可以让这些 module 从同一个 sealed COW image 建立 MAP_PRIVATE mapping；其他平台走 private-copy，把同一份 Host-owned body 分别送入每个 fresh Guest。

真实机制

NewPreparedNumpyInput 接受 numpycodec descriptor 和 body，先验证 dtype、shape、C-order、长度与 digest，再复制 body 和 shape。调用者之后修改原 slice，不会改变 family 输入。Guest 或模型输出不能自行创建这个对象。

PrepareNumpyFamily 用一个不带 Broker、grant 或 workspace 的 ImageConfig 建立 family。pysolate.prepared-family-image.v1 identity 绑定 artifact、manifest、execution profile、qualified imports、deterministic profile、memory limit、Guest preparation ABI，以及 ndarray descriptor/body identity。Consumer 自己的 timeout、capability、workspace 与 Invocation 不属于 image。

Acceptance/control vocabulary 区分三种物理处置；family member 实际使用前两种：

  • private_cow：Experimental/Linux-only；exact artifact 通过 COW eligibility 时，多个 fresh module 从一个 sealed image 建私有 mapping；
  • private_copy：Host 保留 immutable body，每个 fresh Guest 通过 binary preparation ABI 得到自己的 Python-owned bytearray 和 C-contiguous ndarray；
  • ordinary_fresh：机制关闭时的对照路径，不附着 family，也不是 family 自动生成的 fallback member。

auto 只有在资格完整时选择 private-COW，否则选择 private-copy；显式要求 private_cow 而条件不满足时会失败，不会静默降级。两条 family lane 都执行受约束的 _initialize → runtime_init({}) → runtime_prepare_numpy_ndarray 准备关系，但 COW consumer 恢复 sealed memory 后不会再次注入 body。

共享对象不进入 RunRequest、Broker JSON、trusted Python source、日志或 evidence。Family 也不负责安排 child、重试、选择 workspace root 或发布结果；这些仍由 Host/Harness 或 subagent orchestrator 决定。

为什么重要

技术上： 多个 consumer 可以复用同一份受验证输入；Linux COW lane 还能复用 sealed image/page lineage，同时让 Python mutation、Host context 和执行失败保持隔离。Portable private-copy 与 Linux private-COW 使用同一套 family/member 合同，但复制行为不同。

产品和业务上： 这适合多个 Agent 针对同一 bounded dataset 做不同分析的场景。平台可以按 worker 能力选择物理实现，而不用把共享 mutable interpreter 作为 fan-out 前提。

不能推出什么

  • Prepared Family v1 只接收 bounded numpycodec ndarray；不是任意 Python object、pandas、pickle 或 distributed dataset service。
  • private_cow 仍是 Linux-only substrate，private_copy 也不是 zero-copy。
  • Family 没有自动 scheduler、retry policy、winner selection 或 workspace publication。
  • 当前证据证明 bounded correctness 与 isolation，不证明 fan-out 更快或更省钱。

术语卡

  • Prepared Family：拥有一份 immutable prepared input/image，并创建有限个 single-use runner 的 Host 对象。
  • PreparedNumpyInput：经过 descriptor/body 验证且已复制的 immutable NumPy 输入。
  • Private copy：把 family 保留的 body 分别注入每个 fresh Guest。
  • Private COW：从 sealed image 建立每个 consumer 的 MAP_PRIVATE mapping。
  • Image identity：绑定 artifact/profile/ABI 与 prepared input 的 canonical family 身份。
  • NumPy codec：描述 ndarray 的 dtype、shape、order、长度与 digest 的受限编码合同。

继续阅读