Skip to content

02 Agent 沙盒与执行环境 ​

学习问题 ​

工具调用既是 Agent 能力的来源,也是不可控副作用的来源。沙盒把“模型提出动作”与“动作是否获准执行、执行后留下什么证据”分开处理,使训练、数据生产和评测可以在同一环境契约下复现。

模型动作怎样经过受控执行层 ​

层负责什么常见约束要保存的证据
工具接口schema、参数类型与返回格式参数校验、允许工具列表tool name、args、schema version
执行隔离运行命令、访问文件与网络容器、用户权限、网络策略image、依赖锁定、资源配额
资源控制限制任务消耗与异常扩散timeout、CPU/GPU、内存、并发预算、开始/结束时间、终止原因
状态与日志记录可回放结果临时目录、快照、结构化 traceobservation、exit code、状态差异

Agent 工具调用经过沙盒并产生可回放证据

哪些条件决定环境能否复现 ​

字段必须明确的内容学习者需要检查什么
镜像与依赖image、包版本、模型/工具版本同一任务能否重新运行
权限边界文件挂载、网络、密钥与写入范围工具是否获得了不必要权限
资源预算超时、CPU、GPU、内存、磁盘与并发失败是否来自资源耗尽
重置策略每任务新环境、快照恢复或持久状态上一个任务是否污染当前结果
日志与回放trace、标准输出、错误、状态快照是否能定位并复现失败步骤

沙盒结果需要哪些外部证据 ​

需要补的能力入口在本页中的作用
部署、资源与异构环境部署与异构理解运行资源、设备和服务契约
环境、配置与 I/OPart 00 · 04 配置与 I/O管理路径、配置和临时结果
可观测性性能优化将工具等待、资源耗尽和模型耗时写入同一条 trace

什么记录可以证明工具真实执行 ​

一个可复查的沙盒合同至少包含允许的工具、镜像与依赖、资源预算、超时、重置方式、日志字段和成功条件。只有这些条件一致,调度策略和任务质量的差异才可以归因于候选行为,而不是环境变化。

Released under the MIT License.