给 Agent 一台电脑，也给文档一条管道：后端视角的今日热榜

后端同学今天刷 GitHub Trending，会看到两条很硬的信号：

1. cloudflare/computer——给 Agent 一台电脑；
2. firecrawl/pdf-inspector——用 Rust 做 PDF 检测、分类与文本抽取，并区分扫描件与文本型 PDF。

再配上常青的 system-design-primer，话题其实很统一：后端正在同时服务“人用的 API”和“agent 用的运行时与数据管道”。

Agent 要电脑，后端要什么

图：Agent Computer 分层：Policy / Quota / Sandbox / Event log / Handoff

cloudflare/computer 的一句话是 “Give your agent a computer”。落到系统里，它逼你回答：

• 文件系统、网络、密钥的边界在哪？
• 长任务如何配额、如何唤醒、如何交接？（同日热榜 loopx 也在做 loop 状态内核）
• 审计日志记到什么粒度，出事能不能回放？

这和传统“给用户一个容器沙箱”很像，但调用方是 agent，失败模式是高频、自动化、可能被 prompt 诱导越权。后端设计要默认：

Agent Runtime
  ├─ Policy (allowlist tools, network, paths)
  ├─ Quota (CPU / 时间 / token / 并发)
  ├─ Sandbox (FS + net + secret injection)
  ├─ Event log (tool call, egress, result hash)
  └─ Handoff store (goal, todo, evidence)

如果你已经在用 Open API、webhook、cron 驱动 agent，优先把 policy + event log 做实，再谈花哨编排。

PDF 管道：为什么又是 Rust

图：PDF 智能路由：classify → text/OCR/人工，而不是一律丢多模态

企业知识库、合同、发票、研报，入口经常是 PDF。firecrawl/pdf-inspector 强调两件事：

• 快：Rust 原生库，适合放在接入层做预分类；
• 聪明路由：先判断扫描件 vs 文本 PDF，再决定走 OCR 还是直接抽文本。

这比“全部丢给多模态模型”便宜一个数量级。一个务实的接入层：

# 伪代码：上传后的路由
kind = pdf_inspector.classify(path)  # text | scanned | mixed | encrypted
if kind == "encrypted":
    return queue_manual_review(path)
if kind == "text":
    text = pdf_inspector.extract_text(path)
    return index_chunks(text)
if kind in {"scanned", "mixed"}:
    return ocr_pipeline.submit(path)  # 更贵、异步

后端这里的关键指标不是“识别有多炫”，而是：

• p95 分类延迟；
• OCR 队列积压与成本；
• 抽取出的文本是否带页码/bbox，方便引用溯源。

把两条线合成一套后端能力

很多团队会拆成两个项目：Agent 平台一组，文档中台一组。2026 年更划算的做法是共享同一套平台能力：

API 形状也可以统一成“作业”模型：

POST /v1/jobs
{ "type": "agent.run" | "doc.ingest", "input": {...}, "policy_id": "..." }

GET /v1/jobs/{id}
{ "status": "running", "events": [...], "artifacts": [...] }

这样网关、限流、告警、计费只维护一套。

设计面试题在真实系统里的用法

system-design-primer 今天还在热榜上涨星，不偶然。Agent 与文档管道把经典题重新变难：

• 限流：用户 QPS vs agent 自激循环；
• 幂等：同一 PDF 重复上传、同一 goal 重复唤醒；
• 一致性：记忆写入与代码部署的先后；
• 降级：模型供应商挂了时，管道是否还能完成“只抽取不总结”。

建议把 primer 里的题，改写成你们自己的 ADR（Architecture Decision Record）：选队列还是 workflow 引擎、sandbox 用 gVisor 还是微虚机、PDF 预分类放同步还是异步。写下来比再刷一遍题有用。

小结

今天热榜给后端的作业很明确：

1. 为 agent 准备可策略化的执行环境，而不是裸进程；
2. 为非结构化输入准备便宜的预分类与路由，别一切都喂大模型；
3. 用统一的 job/事件模型把两者接进现有可观测与权限体系。

先把边界和账算清楚，再追新框架，系统才撑得住下一波 star。