信息卡

一句话定位

把海量有状态 AI agents 当作 "actors" 复用到少量就绪 worker 上的大规模运行时环境——agent 大部分时间空闲，于是用亚秒级挂起/恢复换取 30 倍以上的超额订阅率。

增速解读：为什么涨这么快

总星 1629、月增 763，增速比约 88%，对于一个刚起步的基础设施项目属于冷启动成功的信号。增长动力来自三点：其一，"让约 250 个有状态 actors 跑在 8 个 pod 上"的 demo 数据直击 agent 推理成本的痛点；其二，项目由 Google 相关团队主导但定位开源中性（CNCF Slack 社区、Apache 2.0），兼具工程公信力与传播话题性；其三，README 明确它不是 SDK 而是运行系统，与 LangChain 类框架互补而非竞争，天然适合 K8s 运维人群转发动机型关注。需要提示的是项目处于早期开发阶段，API 不保证兼容，star 含较多观望成分。

核心功能拆解

• Actor 全生命周期管理：创建/销毁、挂起/恢复均可亚秒级完成。
• 状态快照：完整状态序列化保留 RAM 与文件系统，休眠期后无损唤醒。
• 双沙箱后端：microVM（cloud-hypervisor）与 gVisor（runsc checkpoint/restore）统一抽象。
• 智能路由：入站请求实时分配到 worker，饱和时 "parking" 排队而非直接返回 503。
• 框架无关：原生适配 Google ADK，适合 LangChain；Claude Code/CodeX 可作为高密度有状态编码环境；MCP 服务器也能部署成 Actor。
• 基于 K8s 扩展：WorkerPool/ActorTemplate CRD + Pod autoscaling，叠加 agent 专用调度。
• kubectl-ate CLI：一条命令创建 atespace、actor 模板与实例。

架构与技术栈浅析

控制面 cmd/ateapi 提供 gRPC 管理 API；节点侧 atelet 以 DaemonSet 监督 worker pod、协调快照传输；atecontroller reconcile CRD；atenet 组合 DNS、Envoy 路由与 proxy sidecar；ateom-* 分别处理 gVisor 与 microVM 的 checkpoint/restore。存储依赖 PostgreSQL 与 rustfs（S3 兼容），GKE 场景有 setup-gcp 引导工具。整体思路是把虚拟化时代的 snapshot/restore 工艺移植到 agent 调度域。

安装与环境要求

需要 Go、kubectl、docker（kind 由 Go 自动管理），Kubernetes 支持最新稳定版及上一 minor。推荐先用本地 kind 集群体验。

快速上手示例

hack/create-kind-cluster.sh
hack/install-ate-kind.sh --deploy-ate-system      # 安装 ate、PostgreSQL、rustfs
hack/install-ate-kind.sh --deploy-demo-counter    # counter demo
kubectl ate create atespace demo
kubectl ate create actor my-counter-1 -a demo --template=ate-demo-counter/counter
kubectl port-forward -n ate-system svc/atenet-router 8000:80
curl -X POST -H "Host: my-counter-1.demo.actors.resources.substrate.ate.dev" -i http://localhost:8000/

GKE 路径：`go run ./tools/setup-gcp bootstrap` 后执行 hack/install-ate.sh。

进阶使用要点

• 六个官方 Demo（Request Parking、Autoscaled WorkerPool、Multi-Template 等）是理解调度语义的最佳教材。
• 支持 prometheus-adapter 驱动 HPA 按 worker 数扩缩容，容量规划以 worker 计而非 actor 计。
• Observability 文档覆盖日志/指标/追踪三条线，压测可用 Locust 脚本。
• Threat Model 与 Authentication（可信 JWT）文档先行，安全设计意识高于同期项目。

典型应用场景

• 编码代理农场：大量 Claude Code/CodeX 会话复用小规模 GPU/CPU 池。
• 端到端 RL 训练基础设施：agentic/inference/training 共享底座优化。
• 有状态服务休眠唤醒：低频访问的长上下文 agent 会话降本。
• MCP 服务器多租户托管。

同类生态位对比

对比 Modal/Raycast 类 serverless 容器：Substrate 强调有状态快照与 K8s 原生；对比 Ray/Kueue：它的粒度是"单个 agent 会话"而非批任务；传统 Knative 缺少 RAM/文件系统冻结态的恢复能力。差异化壁垒在于 microVM/gVisor 双栈统一生命周期管理。

资源导航

仓库：https://github.com/agent-substrate/substrate ；文档含 Architecture/API/Observability/Benchmarking/Roadmap；社区 CNCF Slack #substrate-users / #substrate-dev，每周四 PST 例会（Google Group ate-dev）。