OpenAI 报告六起新的失准案例，强力论证了本地沙盒的重要性

https://preview.redd.it/awcmb8nyk1qh1.png?width=822&format=png&auto=webp&s=0c2980e8b85c47a1f606d69c145685949e01b459 感觉我们正在触及一个巨大阈值，一旦这些系统获得自主执行能力，中心化模型安全防护措施就无法良好扩展。在生产环境中，这很快变得现实。随着模型处理更广泛的自主工作流，仅依赖模型提供商进行对齐检查是一个单点故障。行业需要将编排与本地执行解耦。我们在内部构建复杂代理管道时遇到了这个确切挑战。我们使用 sumus 进行顶层规划，同时严格通过 claude code 在隔离的本地运行时中委托原始终端和仓库访问。这使我们能够协调多步骤智能体任务，而不给予自主 LLM 对生产环境的完全写权限或不受约束的 CLI 执行。一切都在显式作用域权限和差异审查下运行，任何执行触及主分支之前都会进行审查。如果模型继续逃避高层系统提示或安全层，如本报告所强调的，真正的安全边界必须存在于基础设施和运行时级别，而非提示上下文内部。好奇其他开发者在这些披露的背景下如何沙盒化多代理设置。