让AI代理在自己机器上执行代码,最怕的不是它写错,而是它"手滑"——一次失误或一次提示注入攻击,就可能对机器做出破坏性操作。围绕这个痛点,有人把"外部沙箱"模式做成了可落地的方案。

打开网易新闻 查看精彩图片

这套思路的核心是:代理本身待在沙箱外面,被执行的代码跑在专门的沙箱里面。两者分离,代码再怎么折腾,也碰不到代理所在的环境。这个项目与Prime Radiant合作推进,后者是Superpowers等项目背后的AI研究实验室。

为了让这个模式能被直接上手,团队放出了三个沙箱服务器实现:

  • external-sandbox-v86:跑一个Node.js服务器,再用v86在WebAssembly里运行Alpine Linux。
  • external-sandbox-container:一个Python Web服务器,在Apple Containers实例里运行Alpine Linux沙箱。
  • external-sandbox-quicksand:同样是Python Web服务器,用的是微软的Quicksand沙箱库,把QEMU和Alpine Linux打包进一个Python包。

三个实现对外提供同一套localhost API。配置好之后,Pi、Claude Code或Codex在需要执行代码时,把API调用发到这个沙箱即可,代理和代码各归各位。

沙箱还带一个可选的HTTP/HTTPS白名单代理,能精确控制代理代码可以访问哪些主机。另有一套凭证替换机制,让代码发起带认证的API调用时,不必把密钥直接交给代理。代理配置在沙箱运行期间也能通过界面随时调整。

安全运行不可信代码这件事,一直是个有嚼头的难题。外部沙箱模式的价值在于,它给不同方案提供了一个干净的试验场——想试哪种隔离思路,换个实现就行,API那一层不用动。