1
00:00:11,044 --> 00:00:29,708
今天我們要深度解析 GitHub 上的一個熱門專案：computer， 由 Cloudflare 推出， 目標是給你的 AI Agent 或雲端應用程式 一台完整的虛擬電腦。 它讓應用能無縫地在高效能的容器與低延遲的 Worker 之間切換， 賦予邊緣運算前所未有的檔案與程式執行能力。 有一個開源專案，

2
00:00:29,708 --> 00:00:48,628
它宣稱要給 AI Agent 一台真正的「電腦」， 而不是一個小小的「容器」。 但有趣的是， 它的底層卻同時用了容器和 Cloudflare Workers。 這個設計聽起來有點矛盾，對吧？ 但它在 GitHub 上線不久， 就吸引了將近三千顆星， 甚至有一天就暴增了快九百顆。 這背後可不是什麼行銷話術，

3
00:00:48,628 --> 00:01:08,667
而是一場對無伺服器架構邊界的深刻探索。 今天我們要聊的這個專案，叫做 computer， 它到底藏了什麼樣的技術權衡與設計哲學呢？ computer 這個專案，是由 Cloudflare 發起的一項實驗。 它的目標很明確， 就是要解決一個根本問題： AI Agent 或雲端應用程式，

4
00:01:08,667 --> 00:01:28,467
在無伺服器 Serverless 環境中， 沒有自己的檔案系統， 也沒辦法執行複雜的程式。 簡單來說， computer 為每一個運算任務， 都提供了一台功能完整的虛擬電腦。 這個專案是用 TypeScript 寫的， 目前已經累積了二千八百五十四顆星， 其中有八百九十一顆是在一天之內衝上來的，

5
00:01:28,467 --> 00:01:47,427
Fork 數也達到一百三十。 從這些數字可以看出， 它的概念在開發者社群裡， 確實引發了高度的關注和好奇。 我們來談談傳統的 Serverless 架構， 也就是無伺服器。 它最大的特點就是「無狀態」 而且「生命週期很短」。 這代表什麼呢？ 意思就是，一個函數跑完，

6
00:01:47,427 --> 00:02:07,028
它所有的執行環境、 所有的資料，就通通消失了， 船過水無痕。 但這對於需要「記憶」和「工作空間」的 AI Agent 來說， 簡直是個天大的限制。 你想想，一個沒有記憶的智慧體，要怎麼工作？ 過去的解法， 通常是把狀態存到外部的 S3 或資料庫，

7
00:02:07,028 --> 00:02:26,868
每次執行再重新讀取， 這過程不但麻煩，效率也很差。 那如果要處理更複雜的任務， 像是編譯程式碼、或是轉檔影片呢？ 那就更麻煩了， 還得額外啟動笨重的容器或虛擬機。 而 computer 這個專案的切入點， 就是要解決這個痛點。 它試圖在 Serverless 的輕量和彈性之上，

8
00:02:26,868 --> 00:02:45,827
嫁接一個可以永久保存、又能互動的運算環境。 目標，就是讓 AI Agent 真正擁有一個屬於自己的工作台。 好，那 computer 的核心架構是怎麼做到的呢？ 關鍵在於，它把「狀態」跟「執行」這兩件事，切得一乾二淨。 你可以把它想像成一台很特別的雲端筆電。

9
00:02:45,827 --> 00:03:03,947
首先，這台筆電的「硬碟」，其實是一個 Cloudflare Durable Object。 它裡面用了一個 SQLite 資料庫， 來儲存整個檔案系統的結構和內容。 Durable Object 這個技術， 確保了你的資料可以永久保存， 而且維持一致性。 再來，這台筆電的「CPU」更酷，

10
00:03:03,947 --> 00:03:22,467
它有兩種模式可以隨時切換。 第一種，是重量級的 Container 後端。 它可以啟動一個完整的 Linux 環境， 讓你能執行任何二進位檔案。 比方說用 pandoc 來轉檔，或用 ffmpeg 處理影片。 而筆電硬碟裡的資料， 會透過 FUSE 技術掛載到容器裡面， 讓程式讀寫檔案時，

11
00:03:22,467 --> 00:03:41,307
就跟在操作本機檔案一樣自然。 第二種模式，是輕量級的 Isolate 後端。 它能在非常非常短的時間內， 啟動一個 Cloudflare Worker， 專門用來跑一些簡單的 shell 指令或 JavaScript 程式碼， 延遲超級低。 最棒的是， 開發者只要透過一個統一的 API，

12
00:03:41,307 --> 00:04:01,868
叫做 workspace.runtime.exec， 就能根據任務的需求， 自由選擇要派出重量級的 Container， 還是輕快又省錢的 Isolate。 這樣一來，就在成本和效能之間， 達到了最佳的平衡。 那這個專案在真實世界有哪些應用呢？ 最直接的場景， 就是讓 AI Agent 有能力自己搞定複雜的任務。

13
00:04:01,868 --> 00:04:20,387
舉個例子， 你可以叫一個 Agent 幫你寫一份報告。 它會先在自己的虛擬電腦裡， 建立一個工作目錄， 接著用輕量的 Isolate 後端， 快速把 Markdown 文件寫好。 最後，再呼叫重量級的 Container 後端， 啟動 pandoc 這個工具， 把文件轉成漂亮的 PDF 檔存起來。 整個過程一氣呵成。

14
00:04:20,387 --> 00:04:39,428
另一個應用， 是把它當成一個用 API 來操作的 輕量級雲端開發環境。 開發者可以透過 API， 在這台虛擬電腦裡跑 build script， 或是把專案發佈到 Cloudflare Artifacts。 不過，也因為這項技術， 跟 Cloudflare 的生態綁得很深， 所以對於已經在用 Cloudflare 平台的開發者來說，

15
00:04:39,428 --> 00:04:59,468
上手會比較容易。 但如果你是生態系外的使用者， 就需要先花點時間， 去熟悉 Durable Objects 這類相關服務了。 社群對於 computer 這個專案的反應， 可以說是「審慎樂觀」。 一方面， 大多數開發者都非常欣賞它創新的架構理念。 用 Durable Object 加上 SQLite，

16
00:04:59,468 --> 00:05:19,507
來打造一個永久的工作區， 還能在輕量的 Isolate 和功能完整的 Container 之間動態切換。 這個設計，被認為是替未來自主 AI Agent 打下了非常有潛力的基礎。 但另一方面， 質疑的聲音也不少。 有人就直接指出 Cloudflare 的宣傳口號是 「Agent 需要電腦，而不是容器」

17
00:05:19,507 --> 00:05:38,468
但專案本身還在非常早期的預覽階段， 根本不適合用在 production 環境。 這代表它的行銷說法跟技術的成熟度 其實有段差距。 而且目前專案的效能和穩定性 都還沒有經過大規模的實戰驗證。 從另一個角度來看， computer 專案的價值， 不只是它的功能而已， 更重要的是，

18
00:05:38,468 --> 00:05:57,827
它對整個產業拋出了一個全新的命題， 叫做：Serverless Personal Computer。 它模糊了無伺服器函數、 容器和虛擬機之間的界線， 也挑戰了 Serverless 一定要無狀態的傳統觀念。 不過，潛在的風險也相當明顯。 首先，就是深度的「廠商鎖定」。

19
00:05:57,827 --> 00:06:18,947
它的整個架構都高度依賴 Cloudflare 的 Durable Objects 和 Workers， 想搬家？幾乎不可能。 其次，這是一個橫跨了 FUSE、RPC、 再到 Durable Object 等好幾個抽象層的複雜系統， 這代表萬一出了什麼問題， 光是 debug 就會是一場惡夢。 所以說，這個專案最後是成是敗， 關鍵就看 Cloudflare 能不能在提供強大能力的同時，

20
00:06:18,947 --> 00:06:39,748
也有效地控制住系統的複雜度和效能瓶頸。 總結來說， Cloudflare 的 computer 不單單只是一個工具， 它更像是一套完整的世界觀， 是用來解決 Serverless 核心限制的一種解答。 它想做的，就是賦予那些來去匆匆的雲端運算任務， 一個持久的「記憶」和一個靈活的「工作台」。

21
00:06:39,748 --> 00:06:59,308
雖然專案現在還在實驗階段， 但它確實為我們指出了一個極具想像力的方向， 讓我們去思考，未來要如何打造出更強大、 更有能力的 AI Agent 和自動化流程。 這也就是為什麼，所有關注雲端原生和 AI 技術的開發者， 都應該花點時間來了解、 並且持續追蹤這個專案的後續發展。