如果你已经习惯让 Claude Code、Codex 或 Cursor 在本地仓库里改代码,有一个问题迟早会冒出来:我到底是在授权一个助手,还是在把整台开发机交给一个会运行命令的黑盒?

我不是说 AI 编程 Agent 不能用。恰恰相反,过去一年最明显的变化是,Agent 已经从“帮我补函数”的编辑器功能,变成了会 npm install、跑测试、改配置、访问 MCP 工具、甚至读写凭证附近文件的半自动工程同事。问题在于,我们给它的工作环境通常很粗糙:要么放在本机裸跑,靠权限弹窗拦一下;要么塞进普通容器,默认网络和凭证边界又不够细;要么继续加系统提示词,祈祷模型“不要乱来”。

所以 Docker Sandboxes 这次在 HN 上拿到 600+ points,我觉得不是偶然。它戳中的不是“Docker 又发了一个 AI 产品”的新闻点,而是一个很具体的工程搜索意图:AI coding agent 能不能在生产团队里安全地跑?如果能,隔离边界应该长什么样?

这不是把 Docker 换个壳,而是把 Agent 当成不可信进程处理

Docker 官方文档对 Sandboxes 的定义很直接:它用 sbx 把 AI coding agent 跑在隔离的 microVM 里,每个 sandbox 都有自己的 Docker daemon、文件系统和网络,Agent 可以构建容器、安装包、修改文件,但不会直接触碰宿主机系统1。

这句话里有两个关键词:microVM 和 自己的 Docker daemon。

普通 Docker 容器的问题在于,它仍然共享宿主机内核;一旦你还把 Docker socket、SSH key、全量 $HOME 或项目根目录粗暴挂进去,容器边界就很容易从“隔离”变成“心理安慰”。Docker Sandboxes 的设计更接近“每个 Agent 任务开一台轻量临时开发机”:独立 Linux kernel,独立进程空间,独立网络,删除 sandbox 时 VM 内部状态一起清掉2。

用人话说就是:不要再把 Agent 当成可信插件,而是按一个外包开发者、一个 CI job、甚至一个潜在被 prompt injection 控制的进程来对待。

这和我之前写 Statewright:用状态机给 AI 编程 Agent 加护栏 时的判断是一致的:Agent 可靠性不能只靠“模型自觉”。Statewright 把流程变成状态机,Docker Sandboxes 则把运行环境变成临时隔离区。一个管“能做什么步骤”,一个管“出事时能碰到哪里”。两者不是替代关系,反而应该叠起来用。

五层隔离真正有价值的地方:不是防模型犯傻,而是限制犯傻的半径

Docker 文档把安全模型拆成五层:hypervisor、network、Docker Engine、workspace 和 credential proxy2。这几个词看起来很基础,但放到 Agent 场景里,含义会变得更具体。

第一层是 hypervisor。每个 sandbox 跑在自己的轻量 microVM 中,有独立 Linux kernel。宿主机和其他 sandbox 看不到它里面的进程,它也不能随便读宿主机文件。注意,这不是说 VM 内部绝对安全;文档也明说 Agent 在 VM 里是带 sudo 的非 root 用户,真正的隔离控制来自 hypervisor 边界,而不是 VM 内部权限。换句话说,sandbox 内部可以“脏”,宿主机不能被拖下水。

第二层是网络。Sandboxes 之间不能互通,也不能访问宿主机的 localhost;出站 HTTP/HTTPS 会经过宿主机侧代理并应用网络访问策略,raw TCP、UDP、ICMP 在网络层被阻断,私网、loopback、link-local 地址也会被拦住2。这点比很多“容器里跑 Agent”的方案更关键。真实事故里,Agent 未必会主动恶意攻击,但它可能被网页、issue、README 或测试日志里的恶意提示诱导去访问内网地址、上传文件、探测元数据服务。

第三层是 workspace。Agent 只应该看到当前任务需要的工作区,而不是整个 ~/。Docker 文档还提到,指向 workspace 外部的 symlink 不会被跟随2。这个细节很不起眼,但工程上很重要:很多本地开发机的风险不是代码本身,而是仓库旁边那堆 .env、历史备份、SSH 配置和临时导出的生产数据。

第四层是独立 Docker Engine。Agent 在 sandbox 里可以继续 build image、跑 compose、装依赖,但它操作的是 sandbox 自己的 daemon,不是宿主机 Docker daemon。说白了就是:你可以给 Agent 足够大的“工地”,但不要把公司机房钥匙也塞给它。

第五层是 credential proxy。Docker 的做法是把真实 API key 留在宿主机,sandbox 出站请求经过代理时再按服务注入认证头;在代理管理模式下,Agent 看到的只是类似 proxy-managed 的哨兵值3。这比把 ANTHROPIC_API_KEY 或 OPENAI_API_KEY 直接塞进环境变量要稳得多。当然,文档也提醒某些 kit 可以选择 OAuth passthrough,真实 token 会进入 sandbox,这会降低凭证隔离强度。生产团队不要把这个差异当实现细节,它应该进入安全评审清单。

“YOLO mode”并没有消失,只是被关进笼子里

最有意思的反差在 Agent 适配页。Claude Code 在 sandbox 里默认启动命令是:

claude --dangerously-skip-permissions

Codex 对应的默认命令也很刺激:

codex --dangerously-bypass-approvals-and-sandbox

如果只看这两个 flag,你可能会觉得这不是更危险了吗?我的理解正好相反:Docker Sandboxes 承认了一个现实——频繁权限确认会让 Agent 工作流变得很难用,最后大家不是关掉提示,就是随手点同意。与其在宿主机上假装“每一步都审批”,不如把 Agent 放进边界明确的 microVM,再允许它在笼子里高自治运行45。

这就是它的工程价值:把交互式权限疲劳,转化为环境级的最小权限。

当然,这不是免死金牌。一个被越狱的 Agent 仍然可能在工作区里删文件、写后门、污染依赖、生成错误代码,或者把允许访问域名里的数据发出去。Sandbox 只能缩小爆炸半径,不能替你做代码审查。真正该上线的流程应该是:sandbox 里让 Agent 放手跑,出 sandbox 前用 diff、测试、静态扫描、人工 review 和 CI gate 接住。

这也解释了为什么我不太赞成把 Sandboxes 理解为“AI 安全终局方案”。它更像一个必要但不充分的底座。就像我在 AgentArmor 八层安全框架 里强调过的,Agent 安全不是单点工具,而是身份、权限、数据、工具、审计、回滚一起工作。

网络策略才是企业落地的分水岭

个人开发者最关心的是“别把我电脑搞坏”。企业团队更麻烦:Agent 能不能访问 GitHub?能不能访问 Jira?能不能访问内部 package registry?能不能访问生产 API?这些问题如果靠开发者自己配 .env 和代理,迟早会乱。

Docker Sandboxes 的 network access policy 提供了一个方向:用本地策略或组织策略声明允许/拒绝的域名、CIDR、端口,例如 api.example.com、*.example.com、example.com:443,并且在组织治理开启时,由组织 allow rule 决定网络访问,本地 deny 仍可叠加6。

这块我认为比 microVM 更有商业价值。因为企业真正需要的不是“每个开发者都懂 sandbox”,而是平台团队能定义一套默认边界:

  • 编程 Agent 默认只能访问 GitHub、包管理源、模型 API 和内部只读文档;
  • 生产数据库、云元数据服务、内网管理后台默认拒绝;
  • 特定项目需要访问 staging API 时,通过团队策略显式放行;
  • 所有例外能被审计,而不是散落在个人机器配置里。

人话翻译:安全团队不可能 review 每一次 Agent 思考,但可以 review Agent 的出口。

这也是为什么 Sandboxes 比“在本机开一个更聪明的确认弹窗”更有前途。确认弹窗是把风险推给用户当场判断,策略治理是把风险前置到团队规则里。

它适合什么场景?我会这样选

如果你只是让 AI 改一个玩具脚本,Docker Sandboxes 可能有点重。它需要虚拟化能力:macOS 要 Apple silicon,Windows 要 Windows 11 和 Hypervisor Platform,Linux 要 KVM,VDI 还得支持 nested virtualization1。这意味着它不一定适合所有云桌面、老机器或受限企业终端。

但下面几类场景,我会优先考虑这种方案:

  1. 让 Agent 跑测试和安装依赖。 依赖安装是风险高发区,尤其是 npm、pip、postinstall script、动态下载二进制。放进一次性 VM,至少不会污染宿主机。
  2. 让 Agent 处理陌生开源仓库。 你不知道仓库脚本里有什么,也不知道 Agent 会被 README 里的提示诱导做什么。
  3. 让 Agent 使用高权限 CLI。 比如 cloud CLI、GitHub CLI、内部 MCP 工具。凭证代理和网络 allowlist 会比裸环境变量安全得多。
  4. 团队要规模化推广 coding agent。 单人可以靠自律,团队只能靠默认边界、策略和审计。

不适合的场景也要说清楚:如果你的任务必须访问复杂内网、依赖 GPU、本地大型数据库、特殊 USB 设备,或者需要与宿主机 GUI 深度交互,microVM sandbox 可能会带来额外摩擦。还有一个现实问题:Docker Sandboxes 目前更像早期但方向明确的产品,生态适配、性能开销、策略可观测性还需要在真实团队里打磨。生产落地性我看好,但不建议一上来就把所有开发流量切过去。

真正的架构判断:把 Agent 从“工具”升级成“工作负载”

我对 Docker Sandboxes 的最大评价是,它把 AI coding agent 从编辑器插件重新定义成了一类工作负载。

工作负载就应该有隔离、网络策略、凭证管理、审计、生命周期和清理机制。过去我们对 CI job、容器服务、批处理任务都是这么做的;只是在 Agent 刚出现时,大家被“聊天界面”和“开发助手”这个包装骗了,以为它只是一个更聪明的 autocomplete。

不是的。一个能运行 shell、改文件、调用工具、读网页、写代码的 Agent,本质上已经是自动化执行主体。你可以喜欢它,也可以怀疑它,但不能继续把它放在没有边界的本机环境里,然后靠一句“please be careful”保平安。

所以我的建议很简单:

  • 个人开发者:先把陌生仓库、依赖安装、批量重构这三类任务放进 sandbox;
  • 小团队:把 Claude Code/Codex 的默认运行方式改为 sandbox + diff/apply + CI;
  • 企业平台团队:把网络 allowlist、凭证代理、审计日志和 MCP 权限作为 Agent 平台能力,而不是让每个业务组自己摸索;
  • 安全团队:不要只问“模型会不会作恶”,要问“它作恶时能碰到哪些资源”。

最后补一句不完美的判断:Docker Sandboxes 不会解决所有 Agent 安全问题,甚至可能让一些人误以为“进了 VM 就安全了”。这很危险。但如果把它当成最小权限运行环境,而不是万能护身符,它确实代表了 AI 编程 Agent 工程化的下一步。

把 Agent 关进笼子,不是为了限制它的价值。

是为了让我们敢把更真实的工作交给它。