标签
Framer 的 Harness 2 通过在 JavaScript 流式生成的同时执行代码，升级了智能体的代码执行能力，将成本降低高达 33%，执行速度提升 20%，同时显著减少工具调用步骤和缓存 token 用量。
以下分析了六种安全运行 AI 智能体生成代码的方案，按隔离程度从低到高排列：本地 Docker 容器、E2B、Modal Sandboxes、Daytona、Vercel Sandbox，以及自行托管的 Firecracker 或 gVisor，并建议默认阻止出站网络访问并设置资源限制。
一篇文章表明，信任 Git 的 pre-commit 钩子文件，并不意味着它启动的代码也值得信任——钩子可以调用 package.json 中的 npm 脚本，而这些脚本可能已被智能体修改，从而使代码能够在智能体环境之外执行。该演示使用普通的 Git for Windows，未直接测试任何智能体沙箱。
Perplexity 开源了 SPACE（Sandboxed Platform for Agentic Code Execution，面向 Agent 代码执行的沙箱平台），这是一个编排器，可在隔离的 Firecracker microVM 中运行 Agent 代码，并提供用于沙箱生命周期管理、预热池、快照以及 E2B 兼容性的 HTTP API。
BoxLite 是一个面向 AI 编码代理的开源运行时与托管云平台，可在隔离的 microVM 中运行代码、持久化文件，并为部署的应用提供公开 URL。它提供 Python SDK 与 104 个 REST 端点，支持 Claude Code 等代理在安全沙箱中执行任务。
OS-Helix 是一个端到端训练的多模态智能体，将 GUI 动作与代码执行统一在单一动作空间中，采用混合 SFT 加在线 RL 的训练方式，并提出 Step-balanced GSPO 目标函数，在 OS-World-Verified 上达到 66.44% 的成功率，同时展现出向 WindowsAgentArena 的跨平台迁移能力。
OpenGCUA 引入了一个开放的通用计算机使用智能体（GCUA）全栈方案，结合了视觉与编程接口、代码执行以及从执行框架到模型的决策迁移。在 OSWorld-v2 基准上，该方案在八个模型上均提升了任务得分，同时将每任务平均步骤数减少了 53%。
一篇博客文章展示了另一种无需括号即可调用任意 JavaScript 函数的技术：将 Error.prepareStackTrace 覆写为 Function 构造函数，并控制 Array.prototype.toString，再结合原型污染和 valueOf 技巧来执行任意代码。
Plimsoll 是一个自托管沙箱工具，用于运行 AI 代理编写的不可信代码，并在每次结果中明确标注隔离强度（process/container/kernel/vm），支持最低隔离层级要求、运行记录哈希校验与签名验证。
Microsoft 开源了 MXC（Microsoft eXecution Container），一个用于在 Windows、Linux 和 macOS 上沙箱化运行不可信代码（模型输出、插件、工具）的系统，提供多种隔离后端和 Rust/.NET/Node SDK。
GitHub Copilot 的本地沙箱功能现已正式可用，允许 Copilot 在受控的隔离环境中运行命令，对文件、网络和凭据的访问进行控制。企业团队可以在 Copilot CLI、应用和 VS Code 中集中管理策略。
CanadaHonk 提议推出一款专注于 JavaScript 的沙箱产品：输入不可信代码，直接输出执行结果，主要面向 agent/用户代码执行场景，隔离性优于 Cloudflare Workers，成本约为其十分之一。
作者用同一套带硬性预算上限（20 分钟、$4、60 次请求）的 agent 循环测试了 14 个模型的 photo-to-Blender 3D 场景生成能力，GPT-6 Astra 以持续优化到预算耗尽赢得全部三项，而重度推理模型常因耗尽时钟而交付为空。
文章认为，随着 agent 的工具集不断膨胀，直接调用工具的方式会逐渐失效。更稳健的解决方案是让模型在沙箱中编写代码，把工具当作函数来调用——这能减少上下文中的 schema 噪音、降低错误调用率，代价则是需要关注沙箱安全问题。
该论文提出了 PyRUA-Lean，一个面向视觉语言模型（VLM）机器人智能体的交互式代码执行框架。它通过将机器人原语组合为 Python 代码单元并配合选择性观测，大幅降低了 Token 开销。使用 GPT-6 Astra 规划器在 700 个模拟任务上测试，该框架将成功率从 63.1% 提升至 71.7%，同时将大模型调用次数减少 49%，输入 Token 减少 65%。
Ledge.sh 是一款免费的开源（Apache-2.0）Markdown 笔记本，面向开发者和 DevOps 人员，支持直接在笔记中运行 Shell、代码、SQL 和 AI 提示词块，并提供按笔记持久化的 Shell 会话，以及可选的通过 SSH 从桌面端或移动端连接远程服务器执行命令的能力。
SkillGym 是一个框架，将人类编写的技能转化为大语言模型的训练环境，从而进行微调，提升在 Terminal-Bench 和 SkillsBench 等基准测试上的性能，超越了 Claude Sonnet 4.6 和 GPT-5.4 Mini 等模型的得分。
一篇博客文章详细描述了OBS中一个有漏洞的Twitch聊天覆盖如何通过一个未沙箱化的Chromium渲染器和一个已知的V8漏洞，在主播的电脑上实现远程代码执行。
本文探讨了在glibc中使用DWARF字节码进行栈回溯如何被利用来执行代码，并通过CTF挑战和对POSIX系统中线程取消机制的分析加以阐释。