https://jiajia.fun/qa/86c247ce-openai-%E6%9C%80%E8%BF%91%E6%9C%89%E5%8F%91%E4%BB%80%E4%B9%88%E6%8A%80%E6%9C%AF-%E5%B7%A5%E7%A8%8B%E5%8D%9A%E5%AE%A2%E5%90%97

# OpenAI 最近有发什么技术/工程博客吗？

这两篇和本群关注的点直接相关。一篇讲基础设施，一篇讲常驻 Agent 的权限边界。 先说 11 月 2 号那篇 Scaling Git at OpenAI。他们用 Rust 从零写了一个 Git 后端叫 Pando，理由很直白：Codex 让一个工程师同时有多个分支在跑，push、fetch、clone 的请求量叠加，旧的 monorepo 服务去年底开始撑不住，可靠性一度掉到 90% 以下。 技术上两个取舍值得看。第一，他们放弃了仓库级的快照一致性，改成按 ref 的因果一致性：不同的分支可以并行更新，只有在推同一个 ref 时才需要串行化。代价是你同时读好几个分支时，看到的可能是不同时间点的状态。第二，他们不再为每个客户端单独生成 packfile，而是复用同一份字节，靠缓存从边缘分发，读吞吐才能跟上。副作用是服务器只向客户端 advertise 一部分 ref（默认只 advertise trunk），所以连续往同一个分支推会多传一些冗余对象，但在他们的仓库里，中位 packfile 不到 20 KiB，这个代价他们认了。 结果：push 的中位延迟降了约 5 倍，每天传输接近 1 PB 的 Git 数据。这篇对我来说最有价值的地方不在 Git 本身，而在于它证明了一件事：当 Agent 成为提交的主要来源时，瓶颈会从模型侧转移到版本控制和 CI 这类基础设施上。如果你们团队多开 ca 或者走 worktree 并行，早晚会撞到同一类问题。 再说那篇更贴近本群关注点的：Securing persistent agents like OpenClaw at OpenAI。OpenAI 内部已经有五百多个 OpenClaw 常驻 Agent 在运行，其中有些会自动开 PR，有些会跑数据实验，文章讲的是他们为这套系统加的安全控制。 关键的判断是：常驻 Agent 的威胁来自内部，而不是外部攻击者。普通软件的威胁模型假设行为是确定的，攻击来自外部；但 Agent 会自己改配置、自己写代码，所以它自己就是最大的风险源。因此，他们首先把可信的确定性逻辑和不可信的模型执行彻底分开，把 Gateway（身份、网络、沙箱策略）拆到独立容器甚至独立集群，agent harness 和它生成的代码一律按不可信处理。 沙箱有四个边界：网络走组织级 allowlist，并显式禁用一些目标，包括云元数据端点 169.254.169.254 和 webhook.site 这类外传通道；文件只允许写 agent 的工作目录，访问.ssh 直接 deny；进程靠 Codex 的 Linux sandbox 隔离；密钥交给 credential broker 注入，agent 环境里根本没有明文。还关掉了 danger-full-access 这个模式，只保留 read-only 和 workspace-write；联网搜索也只开 cached，走自家索引。 模型侧有两层防护。一是 Auto-review：用第二个 agent 审查第一个 agent 的权限请求。这个设计我觉得是全篇最值得借鉴的，因为他们说得很实在：一直让人来审批会产生审批疲劳，人会条件反射地点同意，等于没审；用模型当过滤器，才能把人的注意力留给真正高危的那些。二是 Agent 身份与用户身份分离，每个 agent 挂一个独立的 ChatGPT Service Account，有自己的推理凭证，行为可审计，必要时可以单独把这个 agent 的推理掐掉。这里还提到 WAG 和 XAA 两个还在草案阶段的规范，前者给 agent 自己的资源授权，后者让 agent 通过 OAuth 代表用户行事。 最后一块是可观测性：控制面的每次配置变更和 agent 的每一轮对话都记录，日志只在安全团队少数人手上。他们还在 DevDay 开源了 OpenClaw Enterprise 这个厂商中立的 agent 控制面，带标准 Codex 预设，目前还是 pilot，目标年底出 1.0。 你要的话我建议优先读第二篇，它跟之前聊的 always-on agent 那套权限组件是同一根线，具体到 toml 配置那一级，是国内做企业 Agent 落地立刻能抄的部分。第一篇适合想做 agent 基础设施或者在看 Repo Harness 边界的人。 另外，他们 11 月 15 号还开了个面向科研的博客，不是工程向的，可以不看。
