E2B工程师Matt Brockman讲解AI智能体沙箱运维：快照恢复、生命周期与状态管理

当AI智能体获得代码执行权限时，它可能消耗CPU、生成进程或删除文件。将这种能力从本地笔记本迁移到服务器时，这些风险会带入可能包含机密的环境。E2B工程师Matt Brockman在2026年AI Engineer World's Fair的工作坊中，通过一系列故意损坏的沙箱环境，向参与者展示了如何具体地操作和调试这些隔离环境。

Brockman首先介绍了E2B模板的核心机制：快照不仅保存文件系统，还保存内存和正在运行的进程。这类似于合上笔记本电脑再打开，工作可以从停止的地方继续。然而，这种便利性也带来了副作用：被遗忘的后台进程也会随快照一起恢复。在工作坊的一个练习中，参与者需要识别并杀死那些在多次会话中累积的“孤儿”进程，因为真实世界中的泄漏进程通常不会像实验室里那样带有明显的名称标签。

随着沙箱数量从几个增加到数百或数千个，运维问题变得更加复杂。Brockman演示了一个模拟的生命周期练习：给任务足够的时间完成（例如一小时），然后在任务结束后缩短空闲超时时间（例如一分钟）。这样做的目的是让未使用的资源不再占用容量，同时允许长时间运行的任务（如数据处理或视频转码）顺利完成。这一策略的关键在于区分“任务运行时间”和“空闲等待时间”，而不是设置一个统一的短寿命。

另一个常见的错误是轮询分配沙箱ID而不记录用户与环境的对应关系。Brockman展示了一个Python练习，要求修改路由器代码，从简单的轮询改为维护一个用户ID到沙箱ID的映射字典。如果只返回新的ID而不存储它，用户下次访问时将无法回到同一个工作区。对于生产环境，他建议使用数据库来持久化这种映射，以便追踪分配历史和管理大量环境。

此外，Brockman讨论了文件系统权限和缓存配置。在一个练习中，参与者需要将运行时写入指向可写的缓存位置，而不是只读的模板缓存。这强调了应用程序仍需负责决定哪些文件和凭证属于其访问范围。尽管E2B提供了网络规则配置，但Brockman指出，如果环境可以读取机密，其出站访问必须受到相应限制。

最后，Brockman承认了一些尚未解决的问题，例如GPU支持、分布式工作负载的完整状态转移以及存储增长的管理。他强调，沙箱运维的核心任务是持续跟踪什么在哪里运行、它可以访问什么以及何时清理。