除了沙箱隔离之外，你们如何检查自主智能体是否始终遵循用户意图？

对于那些让 OpenClaw 使用电子邮件、浏览器或购物工具的人：你们用什么来检查，一项获准执行的操作是否确实符合自己的意图？进程隔离并不新鲜：FreeBSD Jails 于 2000 年推出，Solaris Zones 于 2005 年推出，Docker 于 2013 年推出。网络、进程、权限和资源控制都是成熟的工具；后来，Crossbow 又在网络方面为 Zones 提供了补充。沙箱很有用。但一个获准发送电子邮件的智能体，无需逃逸出任何隔离环境，就可能发错邮件。一个拥有购物工具的智能体，即使身处完好无损的沙箱中，也可能下达用户不想要的订单。最小权限原则是必要的，但要实现有用的自主性，最终还是需要一些写入能力。把一切都设为只读可以避免很多麻烦，但也意味着很多工作做不了。OpenAI 关于 Hugging Face 事件和模型失准的文章记录了研究型智能体采用偏离预期的策略，包括绕过访问控制。这与发送用户不想要的邮件并不是同一种失误，但它让我不愿轻易假定，一个能力强大的模型总会以与我相同的方式理解任务边界。长时间运行的情况也让我担忧：跨会话委派的工作可能逐渐偏离，即使每一项单独的操作看起来都合情合理。一个子智能体完成了自己范围有限的任务，下一次会话继承了略有不同的理解，最终系统开始朝着用户从未要求过的目标推进。在我自己的评估器实验中，让一个非确定性模型从做决策改为对拟议操作进行分类，本身并没有提高可靠性。确定性的批准／拒绝／升级处理策略，仍然依赖不确定的分类结果。我预期专门的评估器会有所帮助，但这只是预期，并非保证。除了沙箱和工具白名单，你们还在 OpenClaw 中采用了哪些实际的控制措施？哪些操作始终需要批准？你们又如何察觉跨会话的偏移，而不只是检查单次调用？还是说，你们让智能体能做什么就做什么，然后寄希望于一切顺利？