08:16Harrison Chase@hwchase17LangSmith 推出 Harbor 功能,用于在沙箱环境中运行评估(evals)。Harbor 支持需要隔离的评估任务。自托管沙箱即将上线。该功能回应了用户对 LangSmith 沙箱自托管的询问。AI产品LangSmithHarbor沙箱评估推荐理由:想跑沙箱评估?LangSmith 的 Harbor 帮你搞定,还能自托管。原文
00:50LangChain@LangChainAI精选LangChain指出,AI代理执行沙箱需满足两个关键要求:启动速度接近无服务器函数(避免代理等待2分钟VM启动),以及具备完整机器状态(支持安装依赖、编辑文件和断点续传)。代理本质上是会话中的工作进程,而非无状态请求处理器。技巧LangChain沙箱智能体无服务器函数推荐理由:LangChain讲清楚了代理沙箱的设计关键——既要快得像无服务器函数,又要能像全功能机器一样保存状态。做AI代理的人该看看。原文
00:49Philipp Schmid@_philschmid72°Phil Schmid 发布了一篇交互式博客,深入解析 Gemini Managed Agents 的内部工作原理。该代理通过一次 API 调用即可启动一个隔离沙箱,在其中进行推理、调用工具、执行代码并读取输出,直至任务完成。博客包含一个可点击的实时模拟器,展示了执行循环、沙箱内部运作以及 API 与沙箱之间的通信过程。AI产品Gemini智能体沙箱API交互式博客推荐理由:想理解 Gemini 代理如何自动完成复杂任务的开发者,这篇博客用交互式模拟器把执行循环讲透了,建议点开动手试试。原文
23:49LangChain@LangChainAILangSmith Sandboxes 现已正式发布(GA),这是一个专为智能体代码执行设计的安全、可扩展环境。它与 Deep Agents SDK 和 LangSmith 平台深度集成,为开发者提供隔离的代码运行沙箱。该功能解决了智能体执行代码时的安全性和资源管理问题,适合构建和测试复杂智能体应用的团队。AI产品智能体LangSmith沙箱代码执行安全推荐理由:做智能体开发的团队终于有了官方集成的安全沙箱——LangSmith Sandboxes 解决了代码执行的安全和扩展痛点,用 LangChain 的可以直接集成使用。原文
02:12LangChain@LangChainAI精选LangChain 提出每个智能体都需要一台“计算机”,关键在于如何安全地提供。他们推出了 LangSmith Sandboxes,作为解决方案,旨在为 AI 智能体提供隔离、可控的执行环境。这解决了智能体在运行代码或访问资源时的安全风险问题,让开发者能更放心地部署自主代理。该功能目前已在 LangSmith 平台上线,值得关注。AI产品智能体安全LangChainLangSmith沙箱推荐理由:LangChain 解决了智能体安全执行的核心痛点,做自主代理开发的团队可以直接用 Sandboxes 隔离风险,建议点开看看具体实现。原文
21:50LangChain@LangChainAILangSmith Sandboxes 正式发布 GA 版本,新增 Sandbox CLI 工具。该 CLI 支持从 Dockerfile 构建快照、管理沙箱、打开交互式控制台、隧道原始 TCP,以及使用 ssh、scp、rsync、sftp 等标准工具像操作 Linux 机器一样操作沙箱。这为开发者提供了更灵活、更强大的隔离测试环境,简化了 AI 应用的调试与部署流程。AI产品LangSmith沙箱CLIDocker测试工具推荐理由:做 AI 应用开发和测试的团队终于有了一个像 Linux 机器一样可操作的沙箱 CLI,从 Dockerfile 构建快照到标准工具全支持,建议直接试试。原文
08:38LangChain@LangChainAI精选LangSmith Sandboxes 正式发布 GA 版本,新增快照和低成本分支功能。用户可以捕获运行中的沙箱状态,并以接近单个沙箱的成本创建最多 10 个并行分支。当智能体走向错误路径时,可快速恢复快照并尝试不同分支,大幅提升调试和实验效率。该功能旨在帮助开发者更灵活地管理 AI 智能体的开发与测试流程。AI产品LangSmith沙箱快照分支智能体调试推荐理由:做 AI 智能体开发和测试的团队,终于可以低成本并行实验不同路径了——快照恢复功能让试错成本降到最低,建议直接上手体验。原文
07:58GitHub@githubGitHub 宣布为 Copilot 引入云端和本地沙箱功能,旨在为日益增多的 Agent 工作流提供更强的代码安全、隔离和控制保障。企业团队可以通过这些沙箱安全地实验 Agent 工作流,并集中管理安全策略。此举回应了 AI 编程助手在自动化任务中可能带来的安全风险,让开发者能在受控环境中放心使用 Agent。该功能尤其适合需要严格合规的企业开发团队。AI产品GitHub CopilotAgent 工作流沙箱企业安全编程助手推荐理由:GitHub 终于给 Copilot 的 Agent 模式上了安全锁,做企业级开发的团队可以直接用沙箱隔离实验,不用再担心 Agent 乱改代码。原文
00:51LangChain@LangChainAILangChain 宣布 Fleet 提供最安全的计算机使用体验,允许智能体访问私有资源而无需担心泄露秘密。通过 Fleet 的访问配置文件,在沙箱中运行的智能体可以使用敏感凭证,而无需将凭证设置在沙箱内部。请求会被拦截,秘密会被注入,智能体可以调用受保护的服务而无需看到秘密本身。这一方案解决了智能体访问敏感系统时的安全痛点,适合需要让 AI 代理操作私有数据的团队。AI产品智能体安全凭证管理沙箱Fleet推荐理由:Fleet 解决了智能体访问敏感系统时的核心安全矛盾——既要授权又要保密,做 AI 代理安全部署的团队可以直接用这个方案,省去自己设计凭证注入的麻烦。原文
10:05Harrison Chase@hwchase17精选LangChain 宣布 LangSmith Sandboxes 正式可用,这是一个让智能体安全编写和执行代码的沙箱环境。该沙箱与运行时隔离,支持网络控制、持久化状态,并在出错时提供快照/恢复功能。LangChain 创始人认为未来所有智能体都需要具备写代码和执行代码的能力。开发者可在 20 分钟内学会如何安全运行智能体代码。AI产品智能体沙箱LangSmith代码执行安全推荐理由:智能体安全执行代码是构建可靠 AI 系统的关键,做智能体开发的团队可以直接用这个沙箱来隔离风险,建议试试。原文
09:55LangChain@LangChainAI精选LangChain 的 MukilLoganathan 在 Interrupt 大会上发表了关于沙箱(Sandboxes)的主题演讲。演讲在 20 分钟内展示了如何安全运行智能体代码,包括与运行时隔离、网络控制、持久化状态,以及在出错时进行快照和恢复。这对于需要部署 AI 智能体的开发者来说,是保障安全性和可靠性的关键实践。视频已在 YouTube 上线,值得相关从业者观看。AI产品LangChain智能体沙箱安全部署推荐理由:LangChain 官方教你如何安全运行智能体代码,做 AI 智能体部署的开发者可以直接看视频学习,20 分钟掌握沙箱隔离、网络控制和快照恢复等关键技巧。原文
23:20Philipp Schmid@_philschmid精选Google 在 Gemini API 中推出了 Managed Agents 功能,旨在简化 AI 智能体的构建。开发者只需一次 API 调用,即可创建一个能在托管 Linux 沙箱中推理、编写和运行代码、管理文件的智能体。该服务将循环和环境管理移至平台端,让开发者专注于产品构建而非基础设施。团队表示将快速迭代并欢迎反馈。AI产品智能体Gemini API托管服务沙箱API推荐理由:做 AI 智能体开发的团队终于可以省去环境搭建的麻烦——单次 API 调用就能跑起一个完整智能体,建议直接试试。原文
22:44Philipp Schmid@_philschmidGoogle 发布了 Gemini Managed Agents 开发指南,允许开发者通过一次 API 调用即可获得 Gemini 3.5 Flash 模型、反重力工具集和远程 Linux 沙箱环境,无需自行管理基础设施或编排流程。该指南涵盖了快速启动(代码/文件/浏览)、持久多轮对话与流式输出、自定义代理(通过 AGENTS.md 和挂载配置)以及运维功能(快照、白名单、出口凭证)。这大幅降低了构建和部署 AI 代理的门槛,尤其适合需要快速原型验证或生产级代理的团队。AI产品GeminiManaged AgentsAI 代理沙箱开发指南推荐理由:做 AI 代理开发的团队终于可以省去基础设施和编排的麻烦——一次 API 调用就能拿到模型+沙箱+工具,建议直接看指南里的快速启动部分。原文
23:05Philipp Schmid@_philschmid精选83°Google I/O 上,Phil Schmid 展示了 Gemini Managed Agents 的新 Interactions API,允许开发者通过一次 API 调用为 AI 提供一个安全托管的 Linux 沙箱环境。这个沙箱让 AI 可以执行代码、管理自己的内存,相当于拥有了一个独立的“电脑”。这大大简化了构建复杂智能体的流程,降低了开发门槛。对于需要让 AI 自主操作环境的场景,这是一个重要的基础设施更新。AI产品智能体GeminiAPI沙箱Google I/O推荐理由:做智能体开发的团队终于可以省去自己搭建沙箱的麻烦——一次 API 调用就能给 AI 一个安全 Linux 环境,建议直接看演示。原文
08:05LangChain@LangChainAI精选LangChain 发布了 Context Hub,这是一个集中管理 AI 应用上下文(包括 Prompt、Memory 技能和子智能体定义)的工具,所有内容都支持版本控制。同时,它还提供了沙箱环境,每个线程有独立的持久化文件系统,支持安全代码执行、Shell 访问和文件 I/O,并带有认证代理和快照功能。这解决了多智能体系统中上下文碎片化和版本混乱的问题,让开发者能更高效地构建和调试复杂 AI 工作流。AI产品LangChainContext Hub智能体沙箱版本控制推荐理由:做多智能体或复杂 AI 应用的团队终于有了上下文管理利器——版本化 Prompt 和 Memory 技能,配合安全沙箱,调试和迭代效率会明显提升,建议直接体验。原文
08:05Latent.Space@latentspacepod精选72°Daytona 发布专为 AI 智能体设计的计算平台,提供 60 毫秒启动的沙箱环境,能在 75 秒内创建 5 万个独立实例,日均运行 85 万次。该平台从人类开发环境转向智能体沙箱,支持裸金属、有状态快照,并针对强化学习(RL)和评估(evals)工作负载优化。Daytona 认为 Kubernetes 在智能体规模下失效,AI 云应更像 Stripe 而非 AWS。CEO Ivan Burazin 解释了为何智能体需要可组合计算机,以及 RL 工作负载占比从 0% 增长到约 50% 的趋势。AI产品智能体计算平台沙箱强化学习Daytona推荐理由:Daytona 解决了智能体大规模并发运行时的基础设施瓶颈,做 AI 智能体开发、RL 训练或大规模评估的团队可以直接用这个平台替代传统云方案,值得关注。原文
16:57阿里云 Alibaba Cloud@alibaba_cloud精选阿里巴巴云发布了 AgentScope Java 1.1 版本,主要新增工作区驱动的持久化、可插拔文件系统、自动上下文管理以及安全沙箱编排功能。这些特性旨在支持可扩展的企业级智能体应用,提升开发效率和运行稳定性。该版本对 Java 生态下的 AI 智能体开发具有重要意义,尤其适合需要高可靠性和安全性的企业场景。AI产品智能体JavaAgentScope企业级沙箱推荐理由:企业级 Java 智能体开发终于有了更成熟的持久化和沙箱方案,做企业 AI 应用的团队可以直接升级试试。原文
07:18NVIDIA AI@NVIDIAAIOpenShell 发布 v0.0.41 版本,新增智能体驱动的策略管理功能,允许用户通过 shell 直接控制策略和资源。CLI 中增加了沙箱资源标志,支持自定义 CA 用于 OIDC TLS 验证,并改进了沙箱下载的工作区边界检查。该版本还包含多项错误修复和稳定性改进,旨在提升开发者在安全策略和资源管理方面的效率。AI产品智能体策略管理沙箱CLI安全推荐理由:对于需要精细控制沙箱资源和策略的开发者,OpenShell 这次更新直接把管理权交到了 shell 里,省去繁琐配置,值得一试。原文
07:26Perplexity@perplexity_aiPerplexity AI 宣布其计算机默认安全,每个任务都在独立的硬件隔离沙箱中运行,并采用 VPC 级别的存储和计算分离。代理通过短期代理令牌进行身份验证,而非原始 API 密钥。这一设计旨在提升 AI 代理执行任务时的安全性和隔离性,防止数据泄露和权限滥用。对于需要运行敏感任务的开发者或企业用户,这提供了一种更安全的执行环境。AI产品安全沙箱Perplexity AI代理VPC推荐理由:Perplexity 的硬件隔离沙箱解决了 AI 代理执行任务时的安全痛点,做自动化或敏感数据处理的团队可以直接用,建议点开了解具体实现。原文