Hacker News Digest

Docker Sandboxes — это набор изолированных микровМ, позволяющих запускать AI‑агенты (Claude Code, Gemini CLI, Copilot CLI, Codex, OpenCode, Kiro и др.) в безопасном окружении без риска для хост‑системы. Каждый агент работает в отдельном микровМ, где доступны только его рабочая папка и необходимые зависимости; при этом сеть и файловая система ограничены правилами, задаваемыми пользователем. Это дает возможность агентам самостоятельно устанавливать пакеты, модифицировать конфиги и даже поднимать свои Docker‑контейнеры, сохраняя при этом чистоту хоста.

Ключевые преимущества: микровМ‑изоляция обеспечивает жёсткую границу безопасности, а «YOLO‑режим» (--dangerously-skip-permissions) позволяет агентам действовать без подтверждений, но при этом остаётся защита за счёт контейнеризации. Sandboxes легко разворачивать и уничтожать, они быстрее VM и не требуют Docker Desktop. Организации могут централизованно управлять политиками доступа через Docker AI Governance, а разработчики получают готовое решение для безопасного использования автономных агентов в реальном времени.

Docker Sandboxes не использует контейнеры, а применяет собственные microVM с гипервизором на каждом хосте, что обеспечивает более сильную изоляцию, чем Docker, но вызывает критику за закрытость, требование входа и отсутствие поддержки Linux.

• Использование microVM вместо контейнеров обеспечивает более надежную изоляцию, так как каждый агент работает в отдельном ядре с гипервизором (Hypervisor.framework, WHP, KVM), а не в общем ядре хоста.

• Спор: Некоторые пользователи считают, что Docker Sandboxes — это избыточное решение, так как аналогичную изоляцию можно достичь с помощью Incus/LXD, Bubblewrap или собственных Docker-образов, а требование входа снижает ценность.

• Совет: Для Linux-пользователей рекомендуется использовать Incus/LXD или Podman с Bubblewrap, так как Docker Sandboxes пока не поддерживает Linux, несмотря на наличие запросов и открытых issue.

• Открытые альтернативы, такие как Locki, VibePod, Gondolin и earendil-works, предлагают схожую функциональность без требований входа и с поддержкой git worktrees, что делает их привлекательными для разработчиков.

• Совет: Для iOS-разработчиков текущие sandbox-решения не поддерживают полноценный dev loop, что вынуждает запускать AI-агенты напрямую на машине, нарушая принципы изоляции.

• Docker Sandboxes предлагает удобный контроль над сетевым доступом и внедрением секретов через плейсхолдеры, что делает его привлекательным для ежедневного использования, несмотря на закрытость.

• Спор: Некоторые пользователи отмечают, что ограничения в настройке volume mounts в Docker Sandboxes делают его непригодным для сложных сценариев, где требуется доступ к нескольким директориям одновременно.

• Совет: Для обеспечения безопасности при работе с AI-агентами рекомендуется использовать изоляцию на уровне Kubernetes с разграничением прав: только чтение, создание PR, и полный доступ с ручным одобрением.

• Использование WASM-исполняемых сред (например, uutils, VMware-backed Python) для ограничения доступа к системным вызовам — перспективный путь для создания безопасных сред без полной виртуализации.

• Совет: Пользователи с macOS рекомендуют Tart или Apple Virtualization Framework как более гибкие и контролируемые альтернативы Docker Sandboxes, особенно для долгосрочного хранения состояния и установки пакетов.

• Docker Sandboxes не решает проблему полного доверия к агентам — если агенту разрешено обращаться к GitHub или внешним API, он может обойти изоляцию, что требует дополнительной политики разрешений.

• Спор: Критики утверждают, что требование входа для локальных sandbox-сессий — это маркетинговый трюк, снижающий доверие и повышающий риск rug pull, особенно при отсутствии открытого исходного кода.

• Совет: Для предотвращения проблем с правами на файлы, создаваемые агентами, рекомендуется запускать microVM без root-доступа и использовать привязку к пользовательским UID/GID на хосте.

• Изоляция на уровне ОС (systemd namespaces, cgroups) недостаточна для защиты от злонамеренных AI-агентов, так как они не являются традиционными вредоносными процессами, а действуют в рамках разрешенных команд.

• Совет: Использование AI-агентов через графические интерфейсы (например, Claude Desktop в VM с GUI) вместо CLI может снизить риски, связанные с прямым доступом к оболочке и системным вызовам.

I work at Docker. Lot of valid and useful feedback here that we're looking closely at.One correction: this isn't containers. Each session is a microVM with its own kernel on the platform's native hypervisor: Hypervisor.framework, WHP, KVM. We wrote a new VMM (not Firecracker) to make it more… — @srini-docker

Андрей Карпати из OpenAI объясняет, почему до общего искусственного интеллекта (AGI) остаётся ещё около десятилетия. Хотя современные ИИ-агенты вроде Claude и Codex впечатляют, они пока неспособны автономно выполнять комплексные задачи, как человек-ассистент. Основные ограничения включают недостаточную многомодальность (неспособность работать с разными типами данных), неумение взаимодействовать с компьютерными системами и отсутствие непрерывного обучения на основе опыта.

Эти проблемы решаемы, но сложны — требуется масштабирование вычислительных мощностей, улучшение алгоритмов (особенно обучения с подкреплением, которое сейчас "ужасно"), и создание более сложных архитектур для обработки контекста и планирования. Как и с беспилотными автомобилями, прогресс будет постепенным, а не взрывным.

Когда AGI finalmente появится, оно, вероятно, интегрируется в экономику так же плавно, как и предыдущие технологические прорывы, поддерживая ~2% рост ВВП без резких скачков. Даже AGI не приведёт к немедленному преобразованию общества; изменения будут постепенными и управляемыми.

В конечном счёте, несмотря на текущие достижения, до AGI остаётся значительная работа, и пройдёт около десятилетия, прежде чем мы увидим системы, способные полностью заменить человеческий труд в сложных контекстах.

• Обсуждение в основном вращается вокруг того, что AGI/AGI-образные системы всё ещё далеки, и что «десятилетие» стало универсальным эвфемизмом для «мы не знаем, когда это будет».
• Участники спора подчеркнули, что текущие модели не решают фундаментальные проблемы, такие как постоянное обучение, причинность и планирование, и что мы по-прежнему полагаемся на эвристики, которые не масштабируются.
• Были выдвинуты предположения, что AGI может потребовать качественно иной архитектуры, и что текущий путь может быть тупиковым.
• Некоторые комментаторы выразили обеспокоенность тем, что гипер-оптимизм может вести к недооценке рисков и переоценке способностей текущих систем.
• В целом, обсуждение подчеркнуло, что прогресс в ИИ-технологии не линеен и что прогнозы о сроках AGI часто оказываются неверными.

Использование ИИ-агентов для написания кода напоминает ревью кода от восторженных джунов — они генерируют много вариантов, но часто упускают простые и элегантные решения. Например, при создании офлайн-приложения для определения растений агент потратил часы на парсинг фронтенда, хотя сырые данные были доступны через API. В другом случае для параллельных задач агент предлагал сложную систему фоновых заданий вместо простых неблокирующих запросов.

Ключевой навык — не просто исправлять отдельные строки, а оценивать архитектурные решения: что можно упростить, переиспользовать или вовсе избежать. Без этого код становится сложным, а проект — неуправляемым. Эффективная работа с ИИ требует структурного мышления, как при лучшем код-ревью: видеть не только написанное, но и упущенные возможности для изящества и простоты.

• Сомнения в эффективности использования ИИ для генерации кода из-за высокого процента ошибок и необходимости тщательного ревью, которое может быть более трудоемким, чем написание кода с нуля.
• Озабоченность качеством и надежностью ИИ-сгенерированного кода, особенно в зрелых проектах и open source, где отсутствие публичного ревью может подорвать доверие.
• Увеличение нагрузки на разработчиков из-за необходимости ревью большего объема кода, который часто требует повышенного внимания из-за непредсказуемости ИИ.
• Потеря преимуществ человеческого взаимодействия в процессе ревью, поскольку ИИ не может участвовать в обсуждении или доработке кода.
• Необходимость разработки новых процессов и инструментов для эффективного ревью ИИ-сгенерированного кода, включая возможность комментирования и взаимодействия с агентами.