为什么 AI 代理需要持久存储

Source: Dev.to

问题概述

在构建 AI 代理两年后，我意识到最大的问题不是大语言模型（LLM），而是沙箱。大多数 AI 代理沙箱（E2B、Modal 等）都是 无状态 的。每次会话重置都会导致记忆丢失，代理无法学习、记住或进化。

想象一下每次重启电脑都忘记所有内容——这就是当前 AI 代理的状态。

当前沙箱问题

• 没有持久状态 – 代理无法从错误中学习。
• 秘密存放在沙箱内部 – API 密钥暴露在可能被攻破的沙箱中。
• 缺乏访问控制 – 代理拥有完整权限运行。

根据最近的一项研究（beam.ai，2026），88 % 的组织遭遇了 AI 代理安全事件。根本原因？秘密存放在可能被攻破的沙箱内部。

Sandbox0 解决方案

我构建了 Sandbox0，具备以下特性：

• 跨会话记忆
• 快照/恢复代理状态
• 分叉：克隆代理并保留记忆
• 在基础设施层面注入 API 密钥
• 声明式出站身份验证规则
• 支持 HTTP 头、gRPC 元数据、TLS 证书
• 零信任安全：即使沙箱被攻破，秘密仍然安全
• 可在任何地方运行（本地、云端、混合）
• 横向扩展
• 企业级准备

工作原理

egressAuth:
  - destination: "api.openai.com"
    authRef: "openai-api-key"
    # Key is injected at infrastructure level
    # Sandbox never sees the actual key

代理可以调用 OpenAI API，但密钥 永不 进入沙箱。

使用案例：客户支持代理

如果没有持久存储，每天都会重置回 第 1 天。

为什么持久存储很重要

AI 代理正成为基础设施。它们需要：

• 记忆 – 学习和改进
• 审计 – 确保安全与合规
• 规模 – 支撑生产工作负载

无状态沙箱无法满足这些需求。

开源与可用性

Sandbox0 将以开源和云服务的形式提供（即将上线）：

github.com/sandbox0-ai/sandbox0

你对 AI 代理沙箱有什么经验？是否碰到过无状态的瓶颈？