当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > CNCF OpenShell 进入 Sandbox 关注哪些治理边界

CNCF OpenShell 进入 Sandbox 关注哪些治理边界

来源:17golang原创 2026-11-18 00:28:11 0浏览 收藏

我第一次把 OpenShell 的新闻和技术文档放在一起看时,最容易混淆的是两个“边界”:一个是项目交给 CNCF 后由谁来决定方向,另一个是 agent 运行时到底被允许碰哪些资源。CNCF 在 2026 年 11 月 10 日宣布接收 OpenShell 为 Sandbox 项目;这意味着治理方式更开放,并不等于某个部署已经获得生产安全认证。

官方资料入口:https://docs.nvidia.com/openshell/about/overview

判断 OpenShell 是否值得试点,重点不是“它能不能让 agent 自动做更多事”,而是能否把策略、隔离、凭据和审计分别交给可复查的控制点,并让部署方保留审批、回滚和应急责任。

OpenShell 的治理边界要分成两层看

官方公告给出的变化,首先发生在项目层:OpenShell 采用 CNCF 的社区治理方式,使用公开 RFC,并承诺供应商中立;项目方还计划把代码迁移到中立的 ai-openshell 组织,围绕驱动、可观测性等主题形成工作组。Sandbox 是 CNCF 的项目阶段,后续仍要通过更成熟的维护者结构、发布纪律和安全实践走向 Incubation,所以不能把“进入 Sandbox”理解成“功能已经稳定”或“部署天然合规”。

运行时层则解决另一件事:让 agent 保留读取资料、调用工具和访问模型端点的能力,同时把文件、网络、进程和凭据访问限制在明确范围内。Cedar 被选作策略语言,Gateway、Supervisor、隔离后端和凭据驱动器分别承担接入、执行约束、工作负载隔离和秘密管理的连接点。

OpenShell 项目治理与运行时控制边界说明图
图1:OpenShell 治理与运行时边界说明图,不是产品截图或运行证据。

从请求到审计,控制点应该怎样排

我会把一次 agent 动作拆成四段来审查。第一段是请求进入 Gateway:这里要确认调用方身份、目标工作空间和是否需要人工批准。第二段是 Supervisor 依据声明策略做判断:策略描述的是允许访问什么,而不是让模型“记住不要做什么”。第三段才是隔离沙箱中的执行,文件系统和进程限制在创建时锁定,网络规则可以按运行期策略调整。第四段是事件留痕,OCSF 事件流让团队能回看谁发起了动作、命中了哪条策略以及结果是否需要回滚。

这个顺序很重要:提示词可以表达意图,但不能替代内核级隔离、网络出口限制或凭据代理。OpenShell 的价值是把这些控制点放在 agent 之外;部署方仍要定义谁能批准例外、哪类动作必须人工复核,以及审计记录保存多久。

OpenShell 文件网络进程凭据策略与审计关系图
图2:OpenShell 策略生命周期结构图,展示控制点关系而非真实执行截图。

四类策略不要混成一个“安全开关”

文件系统边界回答“agent 能读写哪些路径”;网络边界回答“它能把请求发到哪些目的地”;进程边界限制提权和危险系统调用;provider 凭据则决定某个沙箱能否使用已授权的模型或外部服务。四者的生命周期也不完全相同:文档说明文件与进程约束在沙箱创建时锁定,网络规则支持运行时更新,凭据附件可以轮换或撤销,但新环境变量通常需要新进程才能生效。

因此,试点时不要只测“任务成功率”。至少要记录允许路径、允许域名、凭据作用域、策略变更人、审计事件和回滚动作。若业务为了方便把网络出口、共享目录和长期凭据全部放开,沙箱仍可能只是一个更复杂的执行容器,治理目标并没有兑现。

进入 Sandbox 后,团队适合怎样开始

比较稳妥的路径是先选一个低风险、可重放的内部任务,把策略文件纳入版本管理,给每次例外审批设置过期时间,再用独立的审计查询复盘动作链。平台团队可以优先关注隔离后端、Kubernetes 或本地环境覆盖;安全团队可以关注策略评审、对抗测试、SBOM、签名和漏洞响应;业务团队则应提供清晰的资源清单,而不是只说“让 agent 自由完成”。

我对这次加入 CNCF 的判断是:它把 OpenShell 从单一厂商主导的工具,推进成更适合生态协作的运行时项目,但真正的治理能力要等接口、策略库、审计规范和多方维护实践逐步沉淀。适合现在试点的是有明确资源边界、能够接受失败回滚的团队;不适合的是希望用一个 Sandbox 标签替代身份治理、密钥管理和应急响应的团队。

相关问题

OpenShell 进入 CNCF Sandbox 是否代表已经适合所有生产环境?

不是。Sandbox 表示项目进入 CNCF 的早期社区阶段,治理和生态正在展开;是否适合生产,还要看版本、隔离后端、策略覆盖、审计能力和组织自身的风险要求。

为什么不能只靠 agent 的系统提示词限制行为?

提示词属于模型输入,无法提供确定性的文件、网络、进程和凭据边界。运行时策略、隔离机制与审计记录应在模型之外建立,并由部署方负责审批和复查。

资料来源

CNCF 项目公告:https://www.cncf.io/blog/2026/11/10/welcoming-openshell-to-the-cncf-open-governance-to-secure-agentic-ai/

CNCF 项目页:https://www.cncf.io/projects/openshell/

OpenShell 项目说明:https://nvidia.github.io/OpenShell-Research/dev-notes/posts/2026-11-09-donated-openshell-to-cncf/

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
FAISS 向量索引选择与召回精度的对比方法FAISS 向量索引选择与召回精度的对比方法
上一篇
FAISS 向量索引选择与召回精度的对比方法
KubeCon 2026 的 AI 推理议题反映了哪些工程变化
下一篇
KubeCon 2026 的 AI 推理议题反映了哪些工程变化
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1084次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1084次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1247次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1191次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1037次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码