---
title: Experimentell implementiertes Dateisystem nutzt Sprachmodelle zur Generierung fiktiver Inhalte
url: https://www.elseif.net/de/experimentell-implementiertes-dateisystem-nutzt-sprachmodelle-zur-generierung-fiktiver-inhalte
published: 2026-11-18T09:05:42+00:00
language: de
section: Modelle
source: https://habr.com/ru/companies/selectel/articles/1107570/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1107570
organizations: FUSE
publisher: elseif
---

# Experimentell implementiertes Dateisystem nutzt Sprachmodelle zur Generierung fiktiver Inhalte

Ein Experiment hat ein Dateisystem geschaffen, das keine echten Dateien enthält, sondern Ordner und Inhalte in Echtzeit durch ein Sprachmodell erfindet, sobald auf sie zugegriffen wird. Das System nutzt die Schnittstelle FUSE, um das Modell wie ein gewöhnliches Laufwerk in das Betriebssystem einzubinden. Dadurch können Standardprogramme wie find, grep oder Dateimanager mit den generierten Daten interagieren, ohne dass spezielle Schnittstellen oder Programmieroberflächen erforderlich sind.

Die technische Umsetzung erfolgte mit der Programmiersprache Python und der Bibliothek mfusepy, welche mit libfuse3 arbeitet. Das System verwendet zwei Hauptmethoden: eine für das Auslesen von Verzeichnissen und eine für das Öffnen von Dateien. Um eine konsistente Welt zu schaffen, sieht das Modell den Pfad zur Datei sowie die Namen benachbarter Dateien. Die erzeugten Inhalte werden in JSON-Dateien gespeichert, sodass bei einem erneuten Zugriff dieselben Informationen erscheinen. Solange ein Ordner nicht aufgerufen wird, existieren seine Inhalte weder auf der Festplatte noch im Arbeitsspeicher.

Das System ist so konfiguriert, dass jeder angefragte Pfad existiert. Ob ein Pfad als Ordner oder Datei interpretiert wird, hängt davon ab, ob der Name einen Punkt enthält. Die Dateigröße wird erst in dem Moment festgelegt, in dem die Datei geöffnet wird, weshalb Programme wie ls -l zunächst eine Größe von null anzeigen. Um Leseabbrüche zu vermeiden, werden Dateien mit direct_io geöffnet und der Attributcache im Kernel deaktiviert.

Für den Betrieb wurde das Modell Qwen3-4B-Instruct-2507 in einer Q4_K_M Quantisierung verwendet, welches 2,3 Gigabyte Speicher belegt. Die Hardware bestand aus einer GTX 1660 Super mit 6 Gigabyte Grafikspeicher, einem Ryzen 5 2600 und 8 Gigabyte Arbeitsspeicher unter Windows 11 und Ubuntu 24.04 in WSL2. Das Modell wurde über llama.cpp mittels Vulkan betrieben und erreichte eine Geschwindigkeit von etwa 57 Token pro Sekunde.

Um die notwendigen fiktiven Inhalte zu erzwingen, wurde ein spezifischer System-Prompt verwendet. Dieser weist das Modell an, als Festplatte eines gewöhnlichen russischen Familiencomputers zu agieren und glaubwürdige Details zu erfinden, ohne dies zu erklären oder Ablehnungen auszusprechen. In Tests generierte das Modell unter anderem Ordner für vertrauliche Daten sowie fiktive Passwörter und Schlüssel, die erst nach dem Öffnen eine tatsächliche Dateigröße aufwiesen.
