- 博客(8)
- 收藏
- 关注
RSS订阅原创 沙箱管理套件:让 AI Agent 拥有可观测的代码执行环境
一套「Agent 干活,人类围观」的完整沙箱生态 —— SDK 负责创建和操作,Console 负责观察和管理,两者通过共享历史数据库无缝协作。传统方案要么让 Agent 自说自话(黑盒),要么让人手动翻日志(痛苦)。更棘手的是,如果出了问题——文件被覆盖了、命令跑飞了、沙箱挂了——你连现场都看不到。—— 给 Agent 用的 SDK,一条命令创建沙箱、执行操作、自动记录完整历史—— 给人用的 Web 控制台,浏览器里查看文件、执行命令、回溯操作历史两者不直接通信,而是通过协作。
2026-07-27 12:29:59
530
原创 破局多AI协作开发痛点，我发现了loopmarshal这个神器
文章摘要：loopmarshal是一个专为开发者设计的本地运行时环境，解决多AI工具（如Trae、Cursor、Claude等）协作时的手动同步和上下文丢失问题。它通过角色分工（Host统筹、Worker执行、KnowledgeKeeper维护知识库）、三层知识库（L1项目宪章、L2领域规则、L3字段对齐）和等待链机制实现自动化协作，显著提升开发效率。本地优先设计保障隐私安全，可视化后台便于监控。适用场景包括前后端分离开发、分模块并行开发等，让开发者从"人肉中间件"转变为"AI指挥官"。
2026-07-21 17:49:50
389
原创 从零搭建一套 AI Agent 可观测沙箱环境：OpenSandbox + Deep Agents + Web 控制台，完整实战
这是一篇手把手教程。读完你能做到：本地跑起沙箱服务 → Agent 在沙箱里干活 → 浏览器里看 Agent 的每一步操作。
2026-07-21 17:16:13
592
原创 我让多个 AI 一起开发一个功能，全程没有复制粘贴提示词
最近我在项目里增加一个“用户登录”功能。它不算复杂，却同时涉及数据库、后端接口、认证逻辑、前端页面、错误处理和测试。以前我会把整个需求交给一个 AI，然后在越来越长的上下文里反复纠正：前端把字段写成了token，后端返回的却是实现做到一半，AI 忘了项目已有的错误响应格式测试、日志和临时讨论混在一起，很难判断哪些结论仍然有效换一个模型做 review 时，又要重新解释项目背景这一次，我没有让一个 AI 从头做到尾。我让一个 AI 负责统筹，另外几个 AI 分别负责后端、前端、测试和知识整理。
2026-07-20 22:48:20
200
原创 一套 AI Agent 沙箱基础设施：SDK + 自托管 Web 控制台，让 Agent 的每一步操作都可观测、可追溯、可回放
本文介绍了一套开源解决方案，旨在解决 AI Agent 在沙箱环境中执行命令、读写文件时缺乏可观测性的问题。方案包含两个核心组件：Agent Sandbox Backend SDK（一行代码适配 Deep Agents，内置沙箱内操作历史数据库、并发控制和安全上传）和 Sandbox Explorer（自托管 Web 控制台，提供文件管理、命令执行、终端和统一操作历史时间线）。通过将操作历史存储在沙箱内的 SQLite 数据库中，实现了 SDK 与 Console 的松耦合协作，确保沙箱删除时历史数据同步清
2026-07-20 22:28:52
544
原创 AI Coding 的下一阶段不是 Prompt，而是 Coding Loop
《AI编程的下一阶段：从Prompt到CodingLoop》指出当前AI编程讨论过度聚焦提示词技巧，而未来关键在于构建工程化的多AI协作体系。作者开发的LoopMarshal尝试通过本地协作中枢实现：1）由Host角色统筹架构设计，根据任务类型调用不同特长的AI模型（前端/后端/审查等）；2）通过KnowledgeKeeper持久化项目知识，避免上下文混乱；3）采用MCP机制实现任务异步执行，形成"规划-执行-审查-返工"的完整开发闭环。这种分层协作模式能实现上下文隔离、成本优化和职责明
2026-07-19 19:47:35
287
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人