當 AI 從「按提示回答問題」的助手，演進為能長期運行、會調用工具、還能不斷學習新技能的自治型智能體後，安全問題就不再是附屬議題，而是整個系統是否可被信任的前提。NVIDIA 在這篇文章中重點介紹了 OpenShell，這是一套專門面向長期運行、自進化智能體的安全運行時，目標是把關鍵控制點從智能體內部移到外部環境層。
文章指出，傳統 agent 框架雖然越來越強大，但很多安全機制仍然停留在提示詞、內置規則或應用級限制層面。一旦智能體擁有持續 shell 訪問、長期上下文、在線工具調用和憑證使用能力，僅依賴同一進程內部的「自我約束」並不足夠。OpenShell 的核心思路正是採用 out-of-process policy enforcement，也就是讓真正的權限控制、網路限制和行為審計發生在智能體自身無法繞過的運行時之外。
從架構上看，OpenShell 主要由沙箱、策略引擎和隱私路由三部分組成。沙箱為長期運行的智能體提供隔離環境，使其可以安裝技能、生成代碼、調用工具而不直接影響宿主系統；策略引擎在文件系統、網路和進程層面對每次動作進行細粒度審查，按二進制、目標地址、HTTP 方法和路徑級別做放行或拒絕；隱私路由則根據成本與隱私策略，把敏感上下文保留在本地模型側，僅在允許時才路由到外部前沿模型。
與一般容器隔離方案不同，OpenShell 不是為通用工作負載設計的，而是明確針對自進化 agent 的行為模式優化。文章強調，它支援 live policy updates、deny-by-default 和全量審計軌跡，這意味著開發者既可以讓智能體保持較高 автономy，又能在其觸碰敏感邊界時要求顯式授權。換句話說，OpenShell 試圖解決的不是「完全限制 agent」，而是讓 agent 在被約束的前提下持續高效工作。
這套機制與 NemoClaw、OpenClaw 以及其他主流 coding agent 的相容性，也是文章反復強調的重點。NVIDIA 給出的定位並不是重新發明每一種 agent，而是提供一個可復用的底層環境，讓 OpenClaw、Claude Code、Codex 等現有 harness 無需大改即可遷入同一套受控執行邊界。對於企業來說，這樣的價值在於：安全能力不再依附某個單一模型或單一產品，而是可以作為長期基礎設施復用。
從更長遠的角度看，OpenShell 代表的是智能體基礎設施的一次範式轉向。隨著 agent 越來越像持續運行的軟體系統，而不只是交互式界面，企業需要的就不只是更強模型，而是完整的環境級控制、策略治理和隱私分流機制。對準備把自治型智能體真正接入生產環境的團隊來說，OpenShell 補上的正是這塊過去長期缺失、但現在已經無法繞開的安全底座。
WeChat
Profile