设计可离线运行的权限受控 AI 智能体

AI 智能体正在从聊天界面走向真实工作流：读取文件、调用工具、修改状态并协调多个服务。在云托管的设计中，这往往形成脆弱的信任边界：私有数据离开设备，工具通过权限过宽的 API 密钥授权，用户也难以看清智能体到底能做什么。本演讲介绍一种开源、本地优先的权限受控 AI 智能体方案，可在 Linux 边缘设备或个人基础设施上离线运行，其前提只有一个：每个工具都是不可信的，因此限制必须在工具侧强制执行，而不是依赖智能体自觉。我们将把这一边界拆解为：工具调用、默认拒绝的能力范围划定、让授权凭据远离智能体、破坏性变更需人工审批、进程/容器/microVM/Kubernetes 多层沙箱隔离，以及为本地模型推理按智能体分配 GPU 切片。本场分享不针对某个特定智能体框架，而是聚焦智能体周围的系统边界。听众将学到如何把推理与执行分离、如何将工具映射到最小权限、如何防护并非自己编写的 MCP 服务器，以及如何让敏感上下文与算力留在本地。