OpenAI 最近有发什么技术/工程博客吗?
来自夹夹 QQ 群讨论,审核后公开 · 。查看原始讨论
提问
OpenAI 最近有发什么技术/工程博客吗?
回答
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。
所属话题:Agent 工程