AI 智能代理框架制作者推动在沙盒外执行

在沙盒外执行的理由

OmoiOS 和 Broccoli 等 AI 智能代理框架的制作者正在推动在沙盒外执行。这种方法有望提高性能和可靠性。OmoiOS 是一个开源的编排运行时，它使用隔离的沙盒中的并行代理群集将规范转换为 PR。

OmoiOS 系统包括一个处理合并并保持一切正常运行的监管代理。它根据现有的代码库生成规范，构建具有真实依赖关系的任务 DAG。系统在隔离的沙盒中运行代理群集，直到工作完成。

Broccoli 是一款将 Linear 工单转变为已交付 PR 的 AI 智能代理框架，由 Claude 和 Codex 驱动，在 Google Cloud 上运行。该系统作为两个 Cloud Run 工作负载运行，共享一个 Postgres 数据库。

要部署 Broccoli，用户需要一个 Google Cloud 项目、一个 GitHub 应用以及来自 GitHub、Linear、OpenAI 和 Anthropic 账户的特定机密。部署过程从零开始，解释了值的来源，并指出了出于安全原因仍需要手动执行的步骤。

在沙盒外运行代理提供了多种益处，包括更好的依赖关系感知、并行执行以及任务之间的结构化交接。然而，这种方法也引发了有关安全性和控制权的问题。

OmoiOS 和 Broccoli 系统通过隔离的沙盒和监管代理解决了这些问题。然而，用户仍需要权衡在沙盒外执行的益处和风险。

OmoiOS 旨在自动将规范转换为 PR 的过程。它使用监管代理来管理过程，确保一切正常运行。该系统旨在处理复杂的任务和依赖关系，使其成为开发人员的强大工具。

OmoiOS 的一个关键功能是能够根据现有的代码库生成规范。这允许开发人员在已有基础上进行构建，而不是从头开始。系统还包括具有真实依赖关系的任务 DAG，有助于确保任务按正确顺序完成。

Broccoli 的架构旨在利用 AI 代理的强大功能。该系统使用两个 Cloud Run 工作负载，共享一个 Postgres 数据库，从而可以扩展并处理大量工作负载。

Broccoli 的部署过程旨在简单明了，具有清晰的说明和简单的设置过程。但是，用户仍需要注意安全问题，并确保拥有必要的权限和访问权限。

在沙盒外执行的推动反映了 AI 开发的更广泛趋势。随着 AI 代理变得更加强大，开发人员正在寻找扩展其使用和提高可靠性的途径。

例如，AI 代理在软件开发中的使用越来越普遍。AI 代理可以自动化诸如编码和测试等任务，让开发人员专注于更高层次的工作。

然而，AI 代理的使用也引发了有关工作岗位流失和对新技能的需求的问题。随着 AI 代理变得更加普遍，开发人员将需要适应新的工作方式。

AI 智能代理框架的概念已经存在了几年。早期的实现往往受到其扩展和处理复杂任务的能力的限制。然而，AI 和机器学习的最新进展使得构建更强大、更复杂的框架成为可能。

OmoiOS 和 Broccoli 只是目前可用的众多 AI 智能代理框架中的两个。每个框架都有其优缺点，开发人员在选择框架之前需要仔细评估其选项。

AI 智能代理框架的技术机制复杂且多面。从高层次来看，框架使用 AI 代理来自动化任务和工作流程。然而，具体实现细节可能会因实现方式而有很大差异。

在 OmoiOS 的情况下，系统使用并行代理群集和隔离的沙盒来完成工作。这种方法允许更大程度的可扩展性和灵活性，同时确保任务安全可靠地完成。

AI 智能代理框架的开发具有重要的下游影响。随着这些系统变得更加普遍，它们可能会对软件的开发和部署方式产生重大影响。

其中一个关键影响是生产力提高的潜力。通过自动化任务和工作流程，开发人员可以专注于更高层次的工作，更快速地交付软件。

然而，AI 智能代理框架也存在潜在风险和挑战。例如，这些系统可能会取代人类工人或加剧现有的偏见。

AI 智能代理框架的开发及其在沙盒外部署是一个值得关注的领域。诸如 OmoiOS 和 Broccoli 的采用以及监管行动（例如 AI 代理开发指南）将塑造 AI 代理使用的未来。

下一个值得关注的数据点是这些系统在现实世界部署中的表现。它们能否实现其承诺的性能和可靠性？只有时间才能告诉我们。

随着 AI 代理变得更加普遍，跟踪其开发和部署至关重要。现在做出的决定将塑造 AI 代理使用的未来及其对行业和社会的影响。

AI 智能代理框架的未来可能会受到多种因素的影响，包括 AI 和机器学习的进展、监管要求的变化和市场需求的转变。

有一点是肯定的：AI 智能代理框架将继续存在。随着这些系统变得更加普遍，了解其潜在益处和风险并跟踪其开发和部署至关重要。