我在无头Linux上为codex构建了一个计算机使用沙箱框架。GPU直通、计算机使用和codex的sudo权限全部工作。这是一个完美的开发沙箱，可以在最小化"rm -rf /"风险的同时实现全自动工作。

我已经使用代理好几个月了，一直没找到能“开箱即用”的沙箱环境，所以我干脆自己搭建了一个！我的需求如下：1. 代理无法破坏我的主机操作系统，但可以安装软件和运行sudo命令。2. 代理能够自主浏览网页并验证它创建的UI。3. GPU访问正常工作（即使在无法直通GPU的DGX Spark上也能用）。4. Docker正常工作。5. 持久化环境，我可以一次性设置好，登录我希望代理访问的互联网账户，复制我的.env文件，安装自定义软件等。6. 同时支持多个并行的浏览器使用/开发会话。7. 能轻松登录每个代理的桌面，查看其工作进度，或通过桌面界面手动设置代理环境。 这个项目的灵感来源于我想要一个能让代理自由运行的沙箱，同时限制其可能造成的损害。我希望它能够浏览网页，在我的GPU上进行自动化AI研究，在沙箱中测试我的Docker容器，全自动开发我的Web应用，或完成其他任何我需要它做的任务，同时仍然安全地待在沙箱中，无法擦除或修改我的主机系统。我觉得我只有两个选择：要么在我的主机上全速YOLO模式，冒着灾难性失败的风险；要么让我的代理在极其难用的默认codex沙箱中工作。 我的代码在这里：[https://github.com/fieryWaters/ai-sandbox-manager](https://github.com/fieryWaters/ai-sandbox-manager) 它是在DGX Spark上开发和测试的，因为在这种统一架构上很难实现GPU直通到虚拟机，但只需少量修改，它应该也能在macOS或Windows WSL上运行。沙箱的核心概念基本上是一个虚拟机。你为代理设置虚拟机，就像为你的桌面操作系统进行开发设置一样。设置完成后，将镜像保存为模板，然后你可以随意生成多个副本，让代理拥有完整的sudo权限自由运行。由于真正的虚拟机无法共享GPU等资源，我选择将镜像创建为LXC。这样多个虚拟机实例可以共享一个GPU，因此你可以运行多个代理，在小模型上进行冒烟测试训练，自主并行构建不同的功能，类似于Karpathy的autogpt项目。 关于计算机使用功能，我要感谢[https://github.com/trycua/cua](https://github.com/trycua/cua)这个项目。这个项目效果惊人，因为目前在Linux上默认不支持计算机使用功能。我为codex设置了一个钩子来阻止git push，但在后续版本中，我可能会优化为只阻止强制推送。目的是让代理无法执行任何严重破坏性的操作，比如重写git历史。你可以自己定期验证后推送更改。 我不会说这个ai-sandbox-manager仓库已经完善了，它更像是一个概念验证，但我发现它对我的个人工作非常有用，解决了我面临的一个实际问题，所以我想分享出来。如果有人想帮助将其扩展到macOS、Windows或WSL，欢迎提交PR。否则，请随意克隆并根据你的个人工作流程进行调整。