詳細解釋
在隔離環境中運行 AI 系統（特別是 Agent 或代碼生成模型）的安全實踐，防止惡意或錯誤輸出影響真實系統。類似軟體開發中的沙箱技術，但針對 AI 的獨特風險設計。
典型應用場景：
- 代碼執行：AI 生成的 Python 腳本先在 Docker 容器中運行，確認無害後才部署
- 網絡訪問：Agent 被限制只能訪問特定域名，防止數據外洩或訪問惡意站點
- 文件系統：AI 只能讀寫指定目錄，防止刪除系統文件
- API 調用：模擬環境中測試 AI 的工具調用，記錄行為但不實際執行
技術實現：
- 容器化：Docker、gVisor 提供輕量級隔離
- 虛擬機：更強隔離但性能開銷大
- 能力剝奪：Seccomp-bpf、Linux Capabilities 限制系統調用
- 網絡策略：防火牆規則、代理服務器監控流量
挑戰在於 Agent 的「目標導向」可能導致沙箱逃逸嘗試（如生成 escape 序列），以及沙箱本身的管理複雜性（維護隔離環境的成本）。這是 AI 安全的重要組成，特別對於自動編程、自主 Agent 等高風險應用。