企业官网建设流程全解析

forkd快速入门教程：一条命令fork出你的前10个microVM沙箱（附quickstart与doctor自检）

【免费下载链接】forkdFork() for AI agent microVMs. Spawn 100 children in ~100ms from a warm parent; BRANCH a live VM in ~150ms. KVM-isolated, snapshot CoW.项目地址: https://gitcode.com/gh_mirrors/fo/forkd

forkd 是一款面向 AI Agent 扇出场景的microVM 沙箱运行时：它能从一个"暖启动"的父快照 fork 出 100 个 KVM 隔离的 microVM 沙箱，总耗时仅约 101 ms，还能在 ~150 ms 内 BRANCH 一个运行中的 VM。本教程带你用一条命令完成首次 fork，并附上forkd doctor自检方法。

为什么选择 forkd

传统上，给每个 AI Agent 启动一个虚拟机要经历"冷启动"：加载内核、初始化系统、导入依赖，动辄数秒到数十秒。forkd 换了一种思路：

• 父 VM 只启动一次：把 Python 运行时、依赖库、甚至 ML 模型全部预热到内存，然后暂停并落盘成快照
• 子 VM 共享内存：每个 child 通过mmap MAP_PRIVATE映射父快照，内核在页级别做写时复制（CoW），子 VM 之间的内存增量实测只有0.12 MiB/child
• 每个 child 仍是独立 microVM：KVM 硬件隔离、独立网络 namespace、独立 cgroup 内存配额，安全边界不妥协

环境要求与安装

forkd 快速入门只需要满足以下条件：

无需 Rust 工具链，下载预编译二进制即可：

git clone https://gitcode.com/gh_mirrors/fo/forkd cd forkd # 或使用官方 release tarball 直接解压到 /usr/local/bin/

一条命令完成首次 fork：quickstart

这是整个入门流程中最关键的一条命令：

sudo -E forkd quickstart

quickstart子命令实现了"零到首次 fork"的全自动流程，等价于把主机自检、环境修补、快照构建、扇出四步串成一条命令。它会依次完成：

1. 主机预检：检查 KVM、Firecracker、内核镜像等前置条件
2. 自动修补：缺什么补什么（下载 guest 内核、创建 tap 设备、准备 N 个 per-child netns），每一步都需要你确认，加--yes可跳过交互
3. 构建父快照：优先用本机 Docker 从python:3.12-slim现场烘焙（保证 vmstate 与本机 Firecracker 版本匹配）；没有 Docker 时自动从 Hub 拉取预烘焙快照
4. fork 出 10 个 microVM：默认-n 10，每个 child 约 10 ms，并打印逐 child 计时

常用参数：

• -n <N>：fork 多少个 child（默认 10）
• --image <image>：父快照的 Docker 镜像（默认python:3.12-slim）
• --yes/-y：非交互场景自动确认所有修补步骤

流程结束后，quickstart 会直接告诉你下一步可以玩什么：扩大到 100 个、在 child 里执行命令、查看本地快照列表。

forkd doctor 自检：出问题时先跑它

任何一步觉得不对劲，先跑：

forkd doctor

doctor 会执行 17 项检查（KVM、硬件虚拟化、cgroup v2、IP 转发、tap 设备、netns、Firecracker 二进制及版本、Docker daemon、快照目录与磁盘空间、内核镜像、controller 可达性，以及 live-fork 所需的uffd_wp、memfd_create、hugepages），每一项不通过都会附带具体修复提示，而不是给你一个模糊的错误码。

进阶操作：验证速度与继续扇出

用 bench 探测本机真实延迟

forkd bench --tag quickstart --n 5

输出包括 spawn、exec 往返、branch、fanout 各项耗时，一眼看清 forkd 在你自己的硬件上跑出了什么速度。

继续扇出与和 child 对话

# 一次 fork 100 个，每个限制 256 MiB 内存 sudo -E forkd fork --tag quickstart -n 100 --per-child-netns --memory-limit-mib 256 # 和其中一个 child 里的暖 Python 直接对话（~1 ms 往返） sudo forkd eval --child forkd-child-42 -- "numpy.zeros(100).sum()"

官方实测性能参考

同一台主机上 spawn 100 个沙箱（每个跑import numpy并执行一次计算）：

下一步学习路径

• 完整快速开始与手动分步流程：README.md 的 Quick start 章节
• 快照 Hub（forkd pull / pack / push）：docs/HUB.md
• REST API 参考：docs/API.md
• 框架集成示例（CrewAI、AutoGen、Swarm 等）：recipes/
• quickstart 命令实现源码：crates/forkd-cli/src/main.rs
• doctor 自检实现：crates/forkd-cli/src/doctor.rs
• 压测方法论与完整数据：bench/

一条sudo -E forkd quickstart，十来个 KVM 隔离的 microVM 沙箱就都热起来了——这就是 forkd 快速入门的全部核心。

【免费下载链接】forkdFork() for AI agent microVMs. Spawn 100 children in ~100ms from a warm parent; BRANCH a live VM in ~150ms. KVM-isolated, snapshot CoW.项目地址: https://gitcode.com/gh_mirrors/fo/forkd