今天选择两篇 2026 年 11 月 5 日发布的原创工程实践,分别处理 Agent 执行权的两个层面:Dropbox 将能运行任意现有软件的文件操作 Agent 放进与凭证隔离的工作空间,并在外部授权、追踪和撤销;Tobias Zimmergren 把编程代理的命令规范从模型可忽略的文字,升级为由 Harness 检查的权限和 Hook。共同问题不是「怎样提示 Agent 更听话」,而是:当它真的发起操作时,谁有能力拒绝、记录并恢复?

1. How two engineer side projects became the agent taking action inside Dropbox

推荐理由: 这是把 Coding Agent 从「修改代码」扩展到「修改用户真实文件」的具体产品架构,而非概念性演示。作者交代了工具运行环境、界面事件协议、凭证隔离、授权通道、启动开销和跨会话撤销的实际设计取舍;对于具备文件读写能力的 AI-native 产品,最值得研究的是独立于 Agent 的执行边界。

3 条核心要点:

  1. 解耦 Agent Harness、界面和授权层。 界面消费 Codex App Server 的结构化 JSON-RPC/JSONL 事件,按 thread / turn / item 组织对话、命令、计划和文件变更;Pi 可通过适配器映射到同一协议。面对模糊请求,先让用户批准计划,再按文件夹申请 Allow / Deny 访问权。即使更换 Agent Harness,真正授予文件访问权限的仍是外部可信宿主,而非模型自行决定。
  2. 让沙箱拥有工具,但不拥有凭证。 Dropbox 借用 Riviera 的 QEMU 内存快照,为每段会话启动 Ubuntu VM;使用 rclone 提供文件操作视图。VM 不具备通用互联网访问;请求经代理转发到 VM 外的 host_tools,先检查目标、操作和用户授权,再附加服务凭证。这条检查链覆盖工具调用与 VM 内软件产生的文件访问。作者报告,在其测试中 75% 的工作空间在启动请求后 300 毫秒内已连接 Dropbox、可发送第一条模型请求;该数字不是端到端任务时延。
  3. 把撤销单位从时间点缩小到 Agent 会话。 文件的每个修改版本关联对应会话,用户能从版本历史回溯到引发更改的请求,并按会话撤销,而不必倒退整个共享文件夹;若其他人或 Agent 后续改过同一文件,恢复结果存为另一个重命名副本,避免覆盖后来的工作。它提供可归属、可审阅、可恢复的产品机制,而不是声称模型不会犯错。

核心启示: User Intent → Plan Approval → Isolated VM → Host-side Authorization → File Revisions → Conversation-scoped Undo。模型与文件系统的距离越短,越需要把凭证、许可、版本归属移出模型可控制的执行环境。文章披露产品架构与局部启动测试,但没有给出端到端安全对抗评测或大规模用户成效。

2. Agentic AI engineering: Why instructions aren’t enough for coding agents

推荐理由: 同样是控制 Agent 的操作权限,个人或团队的 Coding Agent 项目通常没有 Dropbox 那样的虚拟机平台。这篇实战给出仓库内可复现的最小治理结构,包括权限配置、命令解析、构建 Hook、例外审批和 Hook 本身的回归测试;尤其重要的是它揭示了防护 Hook 自身失效时可能放行命令的故障模式。

3 条核心要点:

  1. 文字约束与执行约束必须分工。 CLAUDE.md 解释允许做什么、为什么,帮助 Agent 预先规划、减少无效工具调用;.claude/settings.json 配置敏感文件的拒读或写入前审批,PreToolUse Hook 在命令运行前作出允许、拒绝或请求批准的决定。关键规则在提示与强制层保留双份,但只有后两者可用于执行时拦截;Agent 不得直接修改自己的指令文件,只能提交修改提议。
  2. 命令审查应覆盖完整表达式而非首个词。 作者的 PowerShell Hook 解析整条命令,防止 git -C . push、带路径的 git.exe push、cmd /c "git push"、管道串接等绕过「第一词匹配」的检查;PostToolUse Hook 则在编辑后编译受影响项目。约 250 条命令输入及预期决策构成 Hook 回归规格,拒绝与审批路径和普通测试一起维护。
  3. 安全检查器本身也必须被验证。 作者发现,在其使用的 Hook 行为下,脚本语法错误、超时或异常退出可能没有产生预期的拒绝结果,使原本受限的命令继续执行。因此测试不只检查拦截分类,还检查 Hook 是否正常退出、标准错误是否干净。子 Agent 还需显式收到约束清单。此经验属于作者的具体 Harness 配置,不能把命令字符串解析当成普适沙箱或完整的安全证明。

核心启示: Readable Rules → Harness Permissions → Pre-execution Hook → Command → Post-edit Build + Hook Tests。让模型读懂规则是效率优化;让模型无法越过规则则需要可执行、可测试的外部控制,并确认失败时如何处理。

今日思考

两篇案例的架构规模差距很大,却都把权限从 Agent 的「自我约束」转移到独立检查点:

  • Dropbox: VM 外的可信宿主掌握访问凭证和文件授权,另外保留会话级修改证据与撤销。
  • Coding Agent: Harness 权限配置与命令 Hook 拦截操作,测试检查拦截器自己是否仍然有效。

一个可供复用的设计顺序是:

Describe Constraints → Restrict Capabilities → Authorize Effects → Attribute Changes → Verify Enforcement → Recover

需要区分三个保证:Prompt / Skill 引导计划,权限与沙箱限制可执行行为,审计与撤销处理已发生的修改。没有一个环节可以简单替代其他环节;两篇文章也都不构成整套防护无漏洞的独立证明。