openEuler 26.09创新版本发布，深化全场景创新

openEuler完成面向Agentic AI的技术升级，打造生产级AI操作系统底座。全新Agent Infra实现Agent调用全链路可观测、推理TTFT性能优化，兼顾安全可信、开箱即用、降本增效三大核心能力，为各行业AI智能体应用提供操作系统层面原生支撑。

● Agent语义感知的KV Cache协同调度 ram-a-kv： 

openEuler 26.09创新版本通过ram-a-kv将 Agent 上下文映射到KV Cache，预测重用关系，在下一次推理之前主动编排prefetch / evict，并通过全局引用计数保护跨会话共享的chunk，最终把TTFT压回毫秒级。

● KV Cache聚合传输 MemFabric：

本次版本实现了 decode 阶段 KV Cache 在节点内DDR+HBM 协同，在实际阶段按需加载，并聚合传输数据，有效缓解在高并发场景中由于HBM 内存不足，导致部分请求阻塞的情况，有效缓解高并发场景降低时延，提升BS及TPOT。

● KV Cache多级缓存 LMCache-Ascend：

本次版本构筑异构融合多级KV缓存池，不仅增强了自研KVC池化及PD传输能力，同时提供storagebackend生态接口，兼容mooncake、元戎datasystem等高性能分布式存储后端，端到端性能再度提升。

● ModelFS用户态模型加载优化：

ModelFS在内核中设计了一个非侵入式、灵活且轻量级的可编程页缓存框架，允许用户自定义文件系统的页缓存策略。 

● Agent可观测和治理 AgentCensor：

AgentCensor 是一套面向 Agent 的治理底座，在 Agent 与运行环境之间插入一层可管控的执行面——无需改动 Agent、不干扰其推理过程，即可让每一步操作都落在可观测、可裁决、可回滚的轨道上。

● 数据引用减少上下文 SCCS：

Agent 执行长任务时，消息历史中会持续占用上下文窗口并推高 token 成本，openEuler 26.09创新版本通过压缩替换，按需取回等处理方式，给 Agent 的上下文装了一个"外部内存 + 换页机制"，让数据本体按需换入。

● SkillHub：

通过SkillHub把分散在各类代码托管平台上的 AI 技能统一汇聚、自动评估并公开分发，让开发者能够放心地发现、评估、使用和贡献 AI 能力。

在服务器领域，openEuler 26.09创新版本通过编排元技能、数据采集、场景化瓶颈分析、场景化调优执行四个核心skill的协同，将参数调优过程转化为由大模型推理驱动、可远程执行、可灰度回滚的自动化调优流水线。该能力适用于数据库、缓存、消息队列、大数据等业务在操作系统层的性能调优场景，能够快速定位瓶颈并落地可回滚的调优脚本。

DevStation是基于openEuler打造的智能开发者工作站，致力于为开发者提供开箱即用、高效、安全的开发环境。在openEuler 26.09创新版本中，DevStation进一步增强安装、AI Agent和软件包管理能力。

● 全新安装工具heolleo

DevStation新增全新安装工具heolleo，采用 SquashFS 安装方案，显著压缩标准镜像体积，有效降低开发者镜像下载成本。同时，DevStation提供本地ISO安装模式，该模式可充分复用现有系统镜像文件，带来高速、可靠且完全离线的安装体验。

● 预装PolyMind，完善AI开发体验

PolyMind是一个原生集成agentd服务的自托管AI Agent交互平台，已预装至DevStation。它将AI对话、Agent工作流编排与多模型管理融为一体，通过Agentd服务统一调度LLM、MCP 服务与Agent，实现多模态认知协作与自主决策。

● 集成epkg，简化软件环境管理

DevStation集成epkg软件包机制，该机制采用用户态安装模式，软件包、环境及缓存均可存放于用户目录，实现宿主操作系统与项目软件环境的解耦，使软件依赖不再受制于宿主系统原生包管理器，能快速实现包括Agent等应用在openEuler环境上的安装部署体验。