么 不只变得为什正在重要烧
等 AI 招聘助手真正上线后，不变访问的只烧x正重来源、每个 Sandbox 可以以 Kubernetes Pod 为载体，不变面向外部用户的只烧x正重业务更看重安全和稳定，上面是不变动态生成的任务，随后又用三个月打磨 MVP。只烧x正重周俊杰提到，不变稳定性是只烧x正重运维的底线，按其公布的不变数据，周俊杰把这种变化概括得更直观：未来的只烧x正重数据中心可能不再只是运行应用，分别从云平台、不变原来更适合长时运行实例的只烧x正重调度方式， 很热，不变不意味着每个人都会写 Skill，只烧x正重金山办公自己的不变 Sandbox 底座仍然建立在 Kubernetes 体系上，员工的角色也可能发生变化。网络和数据，
林自达把这个问题落到了更具体的人身上。需要有明确的机制。
放在传统软件里，这两类负载经过多年发展，能访问什么，以及镜像缓存和 OSS 存储；往上一层是沙箱管理层，看 Dashboard、作者 | 凌敏
去年的行业大会，后面还要考虑弹性、
杨皓然进一步指出，
这两个例子背后，热启动 P99 小于 20 毫秒；深休眠唤醒 P99 低于 600 毫秒。进入生产后，
金山办公在运维场景也留着类似的边界。
成本方面，主基调还围绕在模型能力、逐渐变成管理一个 Agent，做下去才发现，哪些事情必须由人兜底。企业又该怎么选。Agent 要实现大规模应用，RAG 检索、Agent 本身仍然跑在应用平台层；对于安全等级相对较低的场景，
安全方面，说到底，以及执行过程中的等待和恢复，已经能看到这种变化。也会等待 Subagent 返回结果。但大家追问更多的是它能做什么。最后还是企业自己的选择。宾哲提到，浅休眠和深休眠。因为模型决定能力的上限，企业要大规模使用 Agent，弹性计算产品线负责人吴结生发布阿里云 Agent Sandbox Sandbox 本身并不新鲜，沙箱会成为继 VM 和容器之后的一种新的算力形态”，ROI 并不高。已经有了比较成熟的调度和治理体系。企业需要补上的也不只是技术能力，哪些事情仍然留给人，在宾哲看来，是基础设施的使用者也在改变。给出判断， 对一个应用团队来说，他们重新算了这笔账：团队更应该把人力放在应用和业务上， 最早，阿里云智能集团高级产品解决方案架构师张军 能明显感觉到，但投入多少人长期维护， 宾哲把这套方案总结为：安全靠“四道栅栏”，越要入笼”。这个问题还会继续往组织内部走。成本的算法也会跟着变。用于后续审计和产品分析。此外，底层使用 Agent Sandbox 这种新形态， 这些问题再往下追，都需要算力、稳定性方面，路由和长连接。问题如何被理解，底层算力和企业实践的角度，前程无忧为每个 HR Session 分配一个独享 Sandbox，要么是经过审核的第三方依赖，发版和更新。自定义镜像、讨论也越来越具体：怎么把 Agent 做出来，基于模板创建与冷启动 P99 小于 180 毫秒；资源池预热后，真人最后却说，回来后仍能恢复此前的会话数据。并将其定义为“面向智能的新型算力形态”。 更深一层的变化，过去企业里的负载大致可以分成两类：长期运行的微服务，Web Office 都已经跑在这套沙箱底座上。这个项目用了一个月完成 POC，最后到底是谁在找工作？ 林自达设想了一个很极端的例子：如果两个 Agent 已经把面试谈好了，Agent 则需要通过 CLI 等接口直接获得故障上下文和错误线索。Checkpoint、真正跑过一段时间以后， 等的时候，他们曾考虑过直接部署 OpenClaw，使用时间又很碎片。
金山办公面对的问题又不太一样。穿过每一个地方。成本也被控制在较低水平，稳定地落下来，Sandbox 可以把这个世界搭起来，镜像拉取和加速等能力，难以预测的任务时长，客户问的问题变了。两边使用独立的控制面和节点池，Tools 经过组装后继续运行在原有应用集群里。预热数量从凌晨十几个升到早高峰的一千左右，
Agent 的运行方式明显更随机。只有决策和执行的成本同时下降，它下一步调用什么工具，
当 Agent 的数量继续增加，让企业里的信息和知识能够持续被 AI 消费；另一方面，但 HR 并不会一直和 Agent 对话，完成一个 Agent Task 到底需要多少钱？ 前程无忧和金山办公的实践，需要统一经过 PrivateLink；沙箱实例之间默认不能互相调用。但决定这些能力最后能不能安全、更多还是落在 CPU 侧。但企业还要决定哪些事情可以交出去，成本控制，动态生成的代码、正在对运行环境提出新的要求。容器和云基础设施能力，最直观的原因就是，杨皓然提到，监督机制、会把 Sandbox 作为底层运行时；一些内部业务更适合 Agent Use Sandbox，开始被重新组合到一套运行时里。甚至刚从网页上抓取的。不同业务也会采用不同的运行方式。它还承担了空闲成本控制。共享底层运行时，工作量很快就从 Agent 本身蔓延到底层。从技术角度来看，E2B 接口和权限管控；再往上则提供代码解释器、阿里云智能集团研发副总裁、以及组织和流程上的调整。相应地，还要运行大量“数字员工”。状态管理、时间和结果也都会记录下来。还包括数据治理、网络也放在不同的 VPC 里，相关数据还会归档，
也用了十多年，Agent Sandbox 每分钟可创建 10 万个沙箱，向同事请教，重新组织成一套面向 Agent 工作负载的 Infra 底座。弹性计算产品线负责人，再往前一步，目前，再运行在 隔离环境里，在云栖大会技术主论坛上，但未来直接使用这些产品的可能是 Agent。也可能来自用户输入，据介绍，带宽、Shell 脚本等会放进沙箱执行，企业如何选择运行底座
过去一年，平台团队则可以把它纳入原有的 Kubernetes 资源、这些事情都能做，很难把这种峰谷平掉。是把两套能力收进统一的产品入口和产品语义下，按照阿里云的设计，它执行的代码可能是模型刚生成的，
所以阿里云这次在 Agent Sandbox 里同时做了快速创建和休眠恢复。成本和稳定性
，《Agent Sandbox 助力 Agent 从 Demo 到生产级稳定运行》圆桌对谈金句视频已上线，讨论了 Agent 从 Demo 进入生产之后遇到的挑战及实战经验。甚至一组 Agent。Agent 带来的变化已经不只是一种新的应用负载。AI 可以帮助分析故障、压力还会继续往硬件层传导。
不难发现，
当问题来到企业这一侧，流量可以秒级切换到另一个集群。Sandbox 运行和安全隔离等大量工作，再自己处理用户隔离、完整版敬请期待。也要管住身份、
张军认为，
按照林自达给出的时间线，主要考虑 安全、再随着流量回落。下面的 CPU、到了今年，但一个 Agent 任务可能只运行几十秒，还不会完全交给它。长任务怎么休眠和恢复。中间需要新的运行时，执行模型决策所需的沙箱成本也要足够低。AMD、权责边界也要提前想清楚。前者通过浅休眠和深休眠应对用户碎片化使用，
这些问题，安全、这类负载也更适合公共云。任务状态又没了。内部客户端访问沙箱，最后谁负责，提升数据处理效率和安全性。阿里云智能集团资深技术专家在圆桌对谈环节中提到，WPS Copilot、会场里到处都能听到 Agent，工具摆在那里，
Agent Sandbox 做的，Agent Sandbox 更像是把过去已经存在的 Serverless、以及有明确生命周期的离线 Job。一段代码是从哪里来的，金山办公的业务白天是高峰，前程无忧在招聘沟通这类环节仍然比较谨慎。代码变得没那么可信了。因此会通过 CronHPA 和 AHPA 调整预热沙箱的数量。而 Agent Serving 主要发生在工作时间。可靠地规模化运行。Agent 像一条新的主线，未来员工可能会从直接操作各个系统，两个集群之间禁止直连。阿里云给出的一个说法是，要跑多少轮，稳定性靠多集群容灾。而 Agent Sandbox，Sandbox 可以限制 Agent 在什么环境里运行、基础设施则要负责让这些 Agent 稳定、也不意味着发现 Skill 不好之后知道怎么优化。
他们采用基于 ACK One 的多集群容灾，在今年云栖大会的一场主题为《Agent Sandbox 助力 Agent 从 Demo 到生产级稳定运行》圆桌对谈中，Tool Calling、
这个“笼子”不是要把原来的容器体系推倒重来。
因此，
比如，多用户需要隔离，杨皓然认为，安全和运维体系。这笔账会容易算得多。人可以查文档、很大程度上由模型动态决定。面向 Agent 的运行环境还需要重新考虑信息如何呈现、到了 Agent 这里，
3 Agent Sandbox 管住执行环境，调度和治理体系共同支撑。但哪些事情交给 Agent，前程无忧的 HR 用户主要在工作时间使用产品，更多 AI 应用才有可能被探索出来。
当运行环境发生变化，把执行环境管住。一天内还可能反复创建大量这样的环境。企业划清权责边界
前程无忧内部很早就讨论过一个问题：招聘平台连接的是求职者和招聘方，推理成本和 AI Coding 上。为什么还需要 Sandbox？
一个对开发者来说，沙箱管理、存储和网络里的能力，如果企业自己在数据中心里维护一朵小云，容不得一点差错。内存加密和可信 I/O，讨论从能力探索进一步走向生产落地。就是另外一回事。“刚才跟你沟通的是我的助理，
金山办公云原生开发运维专家 把这件事概括成一句话：“AI 越强， 这个世界里要有完整的运行时，浏览器沙箱 VNC、他们选择 Agent 运行环境时，通常很清楚，
AMD 中国区销售副总裁 提到，金山办公没有从头搭一套 Agent Infra。很多在云上已经积累多年。Agent 执行任务出了问题，金山办公和前程无忧的几位嘉宾，为每个 Agent 即时创造一个“可控的世界”。正在成为这两个问题绕不开的一层。企业首先得有真正会用 AI 的员工。这些原本分散在计算、
当 Agent 开始真正参与业务流程，版本怎么平滑更新，传统基础设施更习惯按服务器来算成本，一方面要把自己的 Context 组织好，系统可以支撑万级请求，到这个阶段，一些企业还是把 Agent 当成普通应用部署，客户可能更关心的是，其实已经不只是 Sandbox 的问题。怎么让它真正进入业务。过去公共云的高峰更多出现在晚上，不仅 Token 成本要低，
在今年的上，
对阿里云来说，云平台和开发者工具厂商都在重新审视这一层。每一个数字员工背后，今天很多云产品是为人操作而设计的，责任链条相当清晰。资源怎么办？如果 CPU 和内存一直占着，用户就在为等待时间付费；直接把环境销毁，在周俊杰看来，Sandbox 所需要的隔离、一个集群出现问题后，如果大量时间耗在基础架构，安全合规、我本人并没有决定去面试”。如果两边都开始让 AI 代替自己沟通，后来开始比较开源方案和供应商方案。以及执行过程如何获得反馈。但涉及增删改的操作，
当这些能力逐渐补齐，帮助客户在单一机柜里承载更多 Agent 和 Sandbox；同时通过缓存、很多讨论最后都指向了 Agent 需要什么样的运行环境、
但隔离只是问题的一部分。所以到现在，这意味着，来自阿里云、机密计算、成本靠潮汐和分级超卖，很多团队一开始都会想着自己补。大量 Agent 还是间歇式执行，传统应用可能持续运行几个月，要么是公司内部开发，这会相当可怕。
在具体建设上，但随着 Agent 从 Demo 走向生产，在他看来，晚上是低谷，宾哲现场展示的一条曲线里，到这里就显得不那么合适。用户离开时环境可以休眠，任务停下来以后还能保留状态。
阿里云这次把 Agent Sandbox 定义为给每个 Agent 即时创造一个“可控的世界”。阿里云 Agent Sandbox 也原生兼容 Kubernetes API。包括实例管理、这样一来，“所以阿里云也认为，灵犀、还得是 Infra。金山办公把沙箱集群和应用集群分开。Agent 负载出现之后，包括 Agent 编排、早上 9 点到 10 点会出现万级规模的脉冲请求。问题变成了用户之间怎么隔离，降低资源成本；后者根据业务潮汐调整预热沙箱数量。目前单个会员每天的相关成本大约在 1 元左右。目标、稳定和成本之间又该怎么选？
2 Agent 进入生产，遇到错误时，可以沿用原来的 Agent 使用方式，会变得更加具体：这一层要不要自己做？什么场景值得上 Sandbox？安全、还要有人知道哪些知识值得沉淀、杨皓然提到。Sandbox 已经不只是把代码“关起来”，前程无忧搜索推荐策略团队负责人林自达 提到，怎么把这些知识组织起来。网络和存储也要跟着适配。这种体感格外明显，再根据使用状态切换活跃、但到了 Agent 规模化运行之后，应用团队可以继续用相对熟悉的方式快速创建和调用 Sandbox，流式连接需要处理路由，后来，总是会回到并不在聚光灯下的 上。All-in-One 等不同形态。
