AOHP: An Open-Source OS-Level Agent Harness for Personalized, Efficient and Secure Interaction
AOHP：面向个性化、高效、安全交互的开源OS级代理框架
🧭 OS级代理原生支持
Tsinghua University · Peking University · The University of Hong Kong
将AI代理视为一等OS角色，通过个性化服务组合、高效接口与安全信息流，提升任务完成率21.12%，降低51.55% token成本
📌 工作参考价值
- 移动端Agent架构设计：将Agent作为OS一等公民的思路可直接用于电商/购物助手App，实现跨应用（如搜索、商品详情、支付）的无缝服务组合，提升用户转化。
- 降低LLM调用成本：高效代理接口通过系统级能力暴露减少对LLM的频繁调用，在需要多步推理的推荐场景（如对比商品、下单建议）中可显著节省token消耗。
- 敏感数据安全控制：细粒度信息流隔离机制适用于处理用户支付、地址等隐私数据，在推荐系统集成支付或用户画像查询时可借鉴其权限分级策略。
- 真实环境评测基准：开源的AOHP平台可作为移动端Agent能力评测的测试床，用于验证搜索推荐Agent在Android系统中的实际表现与安全合规性。
动机：现有消费级操作系统（如Android）以应用为中心，缺乏对AI Agent的原生支持，导致执行开销大、安全风险高，阻碍了Agent的广泛部署。随着Agent从单一对话界面走向系统级任务编排，业界急需一个开放的OS级Agent研究平台。
方法：基于Android开源项目（AOSP）构建AOHP，将Agent设计为OS的一等角色。核心包括三个机制：(1) 个性化服务组合：根据用户上下文动态链接多个应用能力，实现跨应用的无缝任务流；(2) 高效Agent接口：提供标准化的系统服务访问接口，大幅减少Agent对LLM的反复询问，降低token消耗与延迟；(3) 安全信息流：引入基于标签的访问控制，确保Agent操作始终符合用户隐私策略，防止敏感数据泄漏。
结果：在覆盖OS核心能力的挑战性任务上，相比传统应用内Agent方案，AOHP实现任务完成率提升21.12%，执行成本（token消耗）降低51.55%，安全策略合规性也显著优于基线。