AI 编码 Agent 越来越强，但企业实际部署时面临两个硬伤：安全性（Agent 在哪里跑？会不会搞乱生产环境？）和可及性（只有开发者会用，产品经理、设计师、运营被排除在外）。

Runtime（YC P26）用沙盒架构同时解决了这两个问题。每个团队获得独立的隔离环境，Agent 在里面构建、测试、部署，不触碰生产系统。任何人都能通过 Slack、Linear 或网页界面给 Agent 下达任务，Agent 自动完成并提交 PR。

这篇文章涵盖什么

• Runtime 是什么、解决什么痛点
• 核心功能和工作流
• 技术架构
• 怎么安装使用
• 支持的集成和团队场景

核心理念：Agent 不是开发者的专属工具

Runtime 的定位不是「给开发者用的另一个 AI 编码工具」，而是「让公司里每个人都能用 AI Agent 完成工作」。

具体来说：

• 产品团队：把 PRD 变成可交互原型，通过干净的 PR 交给工程团队
• 设计团队：在真实页面上迭代，不用提 ticket 等前端排期
• 营销团队：在 Slack 里直接让 Agent 搭建落地页、生成报告
• 客服团队：用自然语言查询数据，秒级获得答案
• 财务团队：连接 Stripe、NetSuite，自动对账和生成仪表盘
• 工程团队：清理积压任务，在 Agent 完成后审查和合并

关键在于：Agent 跑在沙盒里，非技术人员不需要懂 Git，也不需要本地开发环境。

核心功能

1. 沙盒执行环境

每个 Agent 会话获得完全隔离的环境：

• OS 级隔离：Linux 上用 bubblewrap，macOS 上用 seatbelt，不需要容器
• 极速启动：<100ms 启动，不用等 Docker 镜像拉取
• Agent 有完全权限：可以在沙盒里安装依赖、运行测试、启动服务——不影响宿主系统
• 持久化工作区：暂停和恢复会话，文件保留

2. 一键部署到实时 URL

Agent 在沙盒里构建完成后，一条命令部署到 HTTPS 端点：

基础设施自动伸缩——空闲时关机，有流量时唤醒。测试、分享、迭代全在真实 URL 上进行。

3. 从现有工作流触发

不用打开新工具，Agent 就在你已有的工作流里：

• Slack：在频道里 @Agent，它在线程中回复结果和费用
• Linear：Agent 自动接手 Issue
• GitHub：从 Issue 触发，完成后自动提 PR
• API：程序化调用，集成到 CI/CD

4. Mission Control 仪表盘

实时监控所有 Agent 会话：

Activity Dashboard — Last 30 days
Sessions: 1,247 | Total Cost: $2,184 | Team: 35

SK  Fix login timeout bug        Claude Code  $0.12  Done
JM  Update hero copy             Claude Code  $0.08  Done
AL  Add testimonials section     Codex        $0.21  Active
RM  Set up rate limiting         Claude Code  $0.04  Active

每个会话的完整可见性：提示词、工具调用、思维链、文件变更。按 Agent、用户、团队追踪费用。

5. 企业级管控

• 护栏（Guardrails）：设置 Agent 必须遵循的指令、控制哪些命令需要审批、限制部署范围
• 费用控制：按用户/团队/Agent 设置消费上限
• 审批门控：敏感操作需人工确认
• 审计日志：每个动作都有记录
• 数据隔离：Agent 不触碰原始生产数据，通过镜像/采样 + PII 脱敏 + 行级权限工作

6. 环境模板

把配置好的环境（依赖、CLI 工具、MCP Server、API 密钥、自定义指令）打包成模板，团队成员一键创建新会话。配一次，到处用。

技术架构

┌────────────┐     ┌─────────┐     ┌─────────┐     ┌──────────┐
│  Agent     │ ──▶ │ Sandbox │ ──▶ │ Runtime │ ──▶ │ Live URL │
│ (Claude/   │     │ (bwrap/ │     │ Control │     │ (auto-   │
│  Codex/    │     │  seatbelt)│    │  Plane  │     │  scaling)│
│  Gemini)   │     └─────────┘     └─────────┘     └──────────┘
└────────────┘

项目用 Python + Go 编写，monorepo 结构：

许可证（分层）

开源可自托管，也可以用托管版（app.runtm.com）。

两种使用方式

Runtime Cloud（托管）：注册 → 创建 API Key → 开始使用。不需要管基础设施。

Self-Hosted（自托管）：

git clone https://github.com/runtm-ai/runtm.git
cd runtm
cp infra/local.env.example .env
./scripts/dev.sh setup
docker compose -f infra/docker-compose.yml up -d
runtm-dev start

完全运行在自己的云上，用自己的模型、沙盒和存储。

支持的 Agent

任何在终端里能跑的 CLI Agent 都能在 Runtime 沙盒中运行。

集成生态

开箱即用的连接器覆盖企业常用系统：

• 数据仓库：Snowflake、BigQuery、Redshift
• 计费：Stripe、NetSuite、QuickBooks
• HR：Rippling、Gusto、Workday、Deel
• CRM 和营销：HubSpot、Segment、GA4
• 客服：Zendesk、Intercom
• 监控告警：PagerDuty、Sentry、Datadog
• 工程：GitHub、Linear、Notion

有 API Key 的任何工具都可以通过 CLI、MCP Server、SDK 或 REST API 接入。

快速上手

# 安装 CLI
uv tool install runtm

# 启动沙盒会话
runtm session start

# 指定模板和 Agent
runtm session start --template web-app --agent codex

# 部署到实时 URL
runtm session deploy

# 查看日志
runtm logs <session-id>

或者用托管版 API：

# 安装 Agent CLI
curl -fsSL https://runtm.com/install | bash

# 直接使用
runtm-api session create

和其他工具的定位差异

关键区别：Cursor 和 Claude Code 是「开发者用 AI 写代码」，Superset 是「开发者同时跑多个 Agent」，Runtime 是「让全公司都能安全地用 Agent 完成工作」。

适用场景

• 企业 AI 引入：安全管控 + 全员可用，平台团队统一部署
• 非技术团队：产品/设计/营销在 Slack 里直接用 Agent
• 客户定制化：为每个客户部署独立的沙盒 Agent 环境
• 合规敏感行业：自托管 + 审计日志 + 数据不离开自有基础设施

作者: itech001
来源: 公众号：AI人工智能时代
网站: https://www.theaiera.cn/
每日分享最前沿的AI新闻资讯和技术研究。

本文首发于 AI人工智能时代，转载请注明出处。