工程相关自动化工作系统调研

CI/CD：Continuous Integration and Continuous Delivery or Continuous Deployment，这种系统要求频繁合并、最小化release循环、自动化部署，通过软件构建、测试和部署流程的自动化，标准化软件的发布过程。

一个可靠的长期运行的Agent系统可能需要以下部件：

Task Orchestration
Environment Execution
Reproducible Deployment

1. Task Orchestration

Github Actions

由Github事件驱动的CI/CD编排系统，核心是Github的在线事件触发机制和用户预定义Workflow。Workflow以YAML形式存储在远端仓库的.github/workflows中，用于声明任务依赖、执行步骤和权限。事件发生后，Github Actions调度Runner执行这些步骤。Runner可以是Github提供的临时虚拟机，也可以是用户部署的Self-hosted机器。任务执行结果通过Github API和权限控制机制反馈到仓库的Github在线页面。

典型PR Review工作流：

yaml

name: PR Review

on: # 事件触发
    pull_request:
        types:
            - opened
            - synchronize # 新提交
            - reopened

jobs:   # Job定义

    review:
        runs-on: ubuntu-latest # Github提供的临时虚拟机
        permissions:
            contents: read
            issues: write
        steps:
            - name: checkout code
              uses: actions/checkout@v4
            
            - name: Setup Python
              uses: actions/setup-python@v5
              with:
                python-version: "3.11"
            
            - name: Install Dependencies
              run: |
                pip install -r requirements.txt
            
            - name: Code format check
              run: |
                black --check .
            
            - name: Lint
              run: |
                flake8 .
            
            - name: Run tests
              run: |
                pytest
            
            - name: Comment Result
              if: always()
              uses: actions/github-script@v7
              with:
                script: |
                  github.rest.issues.createComment({
                    owner: context.repo.owner,
                    repo: context.repo.repo,
                    issue_number: context.issue.number,
                    body: "Automated review finished."
                  })

生产示例：self-hosted-llm-pr-review.yml

2. Reproducible Deployment

Harbor

Harbor是一个自动化Agent Benchmark评测框架，通过统一构建docker镜像和安装依赖来标准化、可复现化Benchmark评测流程。比如SWE benchmark任务有以下文件：

task/
|— issue.md # 描述问题
|— repository
|— environment.yaml # 描述环境，包括docker_image、denpendencies、commands等
|— test.sh
|— evaluator.py

Harbor会先生成一个Dockerfile、Build Image、启动Container、注入任务、启动Agent，会记录Agent调用的Tool记录、Benchmark的正确率、所消耗的资源等，但其最重要的功能还是标准化Benchmark环境部署方式，其次自动化部署、评测、记录。

3. Environment Execution

Sandbox是一个受限制的执行环境，它需要能够：

隔离文件系统、进程、网络、用户权限和内核能力
提供可复现的任务执行环境
对环境内可用机器资源进行限制

进程级Sandbox如Linux namespace通过PID Namespace、Mount Namespace、Network Namespace分别限制沙箱内可见的进程树、文件系统和网络地址；Seccomp可以禁止程序调用内核能力。

Container Sandbox的典型为Docker，它通过Linux namespace和Seccomp、Cgroup实现上述能力，然而会和Host共享Linux Kernel，导致container内的内核操作可能会影响整台机器，因此不适合单独作为sandbox。

MicroVM Sandbox如Firecraker则在机器层面彻底隔离环境，通过套皮Kernel杜绝了Docker的隐患。

OpenSandbox

OpenSandbox是一个面向AI Agent的开源sandbox平台，它为Agent提供一系列沙箱操作API从而隔离其工作环境。Agent可以用它请求创建sandbox、管理文件、执行命令，它则返回相应的结果，功能类似于runtime，支持Docker和Kubernetes（集群内动部署服务），更支持大规模集群GPU任务、企业自建平台。

E2B

E2B是一个面向AI Agent的商业化开源sandbox平台，它为Agent提供云端安全执行环境，同样提供SDK/API，与OpenSandbox相比启动更快、状态可保存，实现上比较依赖Firecracker MicroVM，更支持高性能单机服务。