LinxuAI

MOSS

MOSS

面向模型的操作系统 Shell——实时、代码驱动的 AI 执行架构。

MOSS(Model-oriented Operating System Shell)是一套面向大模型的运行时系统。它让大模型以代码的方式理解和实时控制系统能力,并在连续不断的运行时中运转。

MOSS runtime visualization

Why MOSS

为什么需要 MOSS

模型已经很强,缺的是让它活在真实世界里的那一层。

大模型已经很强,但大部分系统交互方式仍停留在回合制:输入一轮,等待输出,再调用工具,再进入下一轮。这种范式适合网页与聊天窗口,却不适合真实世界。

真实世界中的 AI 需要一边接收视觉、听觉与环境变化,一边输出语言、动作与控制,并在过程中持续被反馈影响。MOSS 就是为了让大模型进入这种“持续运行”的系统状态而设计的。

核心思想——它得同时是这四件事,少一件都跑不起来。

CAPABILITIES / COORDINATION点选节点,查看关联
01 / 04

代码即提示

系统能力直接以代码接口暴露给模型,而不是只通过 JSON Schema 翻译。

MOSS 解决什么问题

要满足这五条,才算能把模型接进真实世界:

  1. 实时动作执行

    说到就动,不等整段说完

  2. 上下文学习优先

    从当下的现场学,不用重新训练

  3. 代码暴露系统能力

    能力以代码接口暴露,模型直接写

  4. 动态命令接口

    命令随时能加,不用重启

  5. CTML / 流式命令令牌

    一条令牌流,边写边执行

给模型

让模型不只会回答,还会运行与控制。

给开发者

降低具身系统开发复杂度,让系统能力更容易被接入与组织。

给产品

让 AI 从聊天工具走向持续运行的交互系统。

在 GhostInShells 中的位置

MOSS position in GhostInShells
模型
→
MOSS 运行时
→
设备 / GUI / 工具 / 记忆

如果说 GhostInShells 定义的是整个系统架构,那么 MOSS 定义的是大模型如何真正进入系统、理解系统并驱动系统的运行方式。它是 GhostInShells 能够“活起来”的关键运行时。

CTML 长什么样

模型不调「接口」,写一段带时间的计划:什么先动、什么同时动、什么时候开口。指令流进去,身体和声音一起出来。

CTML / STREAMING EXECUTION代码与动作同步示意
interaction.ctml通道名为示意
mindflow / CTML 解释器调度通道间并行
表情face
动作arm
声音speech
01

表情先接住回应

表情命令开始执行,模型仍可继续输出后续指令。

相对时序示意,不代表设备实测耗时。

CTML 长什么样
  • 同一个 channel 里排队:靠的、抓的、举的,一条线走完。
  • 不同 channel 并行:表情和手臂同时动,说话和动作叠在一起。
  • scope 定生死:<_> 等这一串跑完就收;<any> 谁先到谁赢。
  • 写完就在跑:CTML 是流式的,最后一个字还没写完,第一个动作已经发生了。

一句话,走到世界里

CAPABILITIES / COORDINATION点选节点,查看关联
01 / 05

你说一句话

声音进来,判停、断句、转成文字。

OPEN SOURCE

开源,可以直接去看代码

MOSShell 已开源,当前公开版本为 Beta3。先准备 uv 与模型服务配置,再按仓库 README 启动;moss start 是项目的认知入口,不是完成全部应用配置的替代步骤。

01git clone https://github.com/GhostInShells/MOSShell && cd MOSShell
02uv sync --all-extras
03moss project env-init