Hugging Face's logo

Datasets:
yitongl
/
blender-agent-auto-execution-setup

Languages:
Chinese
Tags:
blender
cycles
optix
codex
multi-agent
slurm
License:
Dataset card Files
xet
 Community

The dataset is currently empty. Upload or create new data files. Then, you will be able to explore them in the Dataset Viewer.

Blender Agent 自动执行环境：新机器部署与可审计 Trace Runbook

版本：0.1（2026-09-15）

这份文档说明如何在一台新的 Linux 工作站或 Slurm 集群上搭建一条可持续运行、可恢复、可审计的 Blender agent 自动执行链。目标不是只让 agent 调用一次 Blender，而是得到下面这条受 gate 保护的流水线：

登录节点初始化与 Codex 鉴权
              │
              ▼
CPU：准备/构建 Blender 4.5.13 + Cycles CUDA/OptiX（一次性）
              │ afterok
              ▼
GPU：独立 Blender 进程执行 OptiX smoke render
              │ afterok
              ▼
GPU：root agent 非交互运行 ──┬── child agents 建模/检查/修复
                            ├── Blender build/render/review cycles
                            └── 原生 rollout + JSONL + artifact snapshots

本文对应的参考环境是 Ubuntu 24.04、ARM64、CUDA 12.8、GCC 13、Blender 4.5.13、OptiX 9.1.0 和 GB200（sm_100）。x86_64/A100/H100 可以沿用相同流程，但应选择对应的 Blender 获取方式和 CUDA architecture。

当前验证状态：Codex/trace preflight 已通过；ARM64 依赖链中的 LLVM 和 OSL CUDA/OptiX 定向构建已通过；完整 Blender binary → OptiX gate → Kitchen agent 端到端链仍在运行验证中。因此本文是可执行的 v0.1 runbook，不应被解读为所有硬件组合均已认证。

1. 先确定机器属于哪条路径

条件 Blender 准备方式 建议 CUDA arch
Linux x86_64 + A100 官方 Linux x64 Blender 4.5.13 包，先做 OptiX gate sm_80
Linux x86_64 + H100/H200 官方包或源码构建 sm_90
Linux ARM64 + GB200 源码构建 Blender 4.5.13 sm_100
非 NVIDIA GPU 本 runbook 的 OptiX 路径不适用 另建 HIP/Metal gate

不要仅凭 blender --version 判断环境可用。最终 gate 必须在目标 GPU 节点上重新打开 Blender、枚举 OptiX device，并真正写出一张非空 PNG。

OptiX 9.1.0 要求 R590 或更新驱动；如果集群驱动更旧，应根据 NVIDIA 的兼容矩阵选择更早的 OptiX headers，而不是忽略版本要求。

2. 资源与前置条件

建议预留：

  • 持久磁盘：至少 200 GB；源码、依赖 build tree、最终 binary、asset cache 和 trace 都不能放在 /tmp。
  • ARM64 Blender 首次构建：一台 64–96 CPU core 的节点，18 小时 wall time 较稳妥。
  • Agent run：一台独占 GPU 节点；参考配置为 4 GPU、64 CPU core、6 小时。
  • 网络：能访问 OpenAI/Codex、Blender、GitHub/NVIDIA、Conda/PyPI，以及实验允许的资产站点。
  • 系统工具：bash git curl patch make gcc g++ binutils pkg-config xz-utils bzip2。
  • Slurm（可选）：sbatch、squeue、sacct 和 srun。单机也可顺序执行同样三个阶段。

Ubuntu 24.04 示例：

sudo apt-get update
sudo apt-get install -y \
  build-essential binutils git curl patch pkg-config \
  xz-utils bzip2 ca-certificates

先检查硬件和驱动：

uname -a
uname -m
gcc --version | head -1
nvidia-smi
nvidia-smi --query-gpu=index,name,uuid,driver_version,memory.total \
  --format=csv,noheader

3. 统一持久存储，禁止大缓存落到 /tmp

在共享集群上，$HOME/code 常常是指向 Lustre/NFS 的软链接。必须先解析真实目标，再统一设置缓存和临时目录：

export CODE_ROOT="$(readlink -f "$HOME/code")"
export CODE_CACHE_ROOT="$CODE_ROOT/.cache"
export UV_CACHE_DIR="$CODE_CACHE_ROOT/uv"
export PIP_CACHE_DIR="$CODE_CACHE_ROOT/pip"
export HF_HOME="$CODE_CACHE_ROOT/huggingface"
export TORCH_HOME="$CODE_CACHE_ROOT/torch"
export TRITON_CACHE_DIR="$CODE_CACHE_ROOT/triton"
export XDG_CACHE_HOME="$CODE_CACHE_ROOT/xdg"
export TMPDIR="$CODE_ROOT/.tmp"
export TMP="$TMPDIR"
export TEMP="$TMPDIR"
export CONDA_PKGS_DIRS="$CODE_CACHE_ROOT/conda-pkgs"
mkdir -p "$CODE_CACHE_ROOT" "$TMPDIR" "$CONDA_PKGS_DIRS"

验证实际位置：

printf 'CODE_ROOT=%s\nTMPDIR=%s\nCONDA_PKGS_DIRS=%s\n' \
  "$CODE_ROOT" "$TMPDIR" "$CONDA_PKGS_DIRS"
df -h "$CODE_ROOT" "$TMPDIR"

把这段保存成站点自己的 env/storage.sh，并在登录 shell、sbatch 脚本和 Conda activation hook 中都 source。不要把 skill 或某个用户 home 下的私有脚本路径写进公共 harness。

4. 建立项目布局和唯一配置入口 

export REPRO_ROOT="$(readlink -f "$CODE_ROOT/blender-agent-run")"
mkdir -p "$REPRO_ROOT"/{harness,workspace,frozen,runtime,logs,status,traces/{raw,index,snapshots},.tmp,.conda}
cd "$REPRO_ROOT"
git init

建议所有脚本只读取以下变量，禁止硬编码用户和集群路径：

export REPRO_ROOT="$(readlink -f "$PWD")"
export CODEX_BIN="$(command -v codex)"
export MODEL="gpt-6-astra"                 # 精确复现实验；需账户有权限
export REASONING_EFFORT="high"
export BLENDER_VERSION="4.5.13"
export CUDA_VERSION="12.8"
export CUDA_ARCH="sm_100"                  # A100=sm_80, H100/H200=sm_90
export OPTIX_COMMIT="f1f6dd803f3159992d248178f6e09421c6eb8b6d"
export SLURM_ACCOUNT="<account>"
export CPU_PARTITION="<cpu-partition>"
export GPU_PARTITION="<gpu-partition>"
export GPU_LONG_PARTITION="<long-gpu-partition>"

推荐目录语义：

frozen/           原始任务、环境说明及 SHA-256；运行中只读
workspace/        root/child agents 唯一可写工作区
harness/          build、gate、launch、trace 和 status 脚本
runtime/          Blender source/build、OptiX headers 和下载包
logs/             Slurm stdout/stderr、root JSONL、GPU/Blender 清单
status/           run start/finish、heartbeat 和 validation report
traces/raw/       原生 Codex session JSONL 的逐字节镜像
traces/index/     session tree、event index、token totals
traces/snapshots/ workspace artifact 的内容寻址快照

5. 安装并验证 Codex CLI

官方 macOS/Linux installer：

curl -fsSL https://chatgpt.com/codex/install.sh | sh
export CODEX_BIN="$(command -v codex)"
"$CODEX_BIN" --version

在登录节点完成鉴权；headless 环境优先 device code：

"$CODEX_BIN" login --device-auth
"$CODEX_BIN" login status

也可以把 API key 通过 stdin 交给登录命令，但不要把 key 写入脚本、Slurm log 或仓库：

printenv OPENAI_API_KEY | "$CODEX_BIN" login --with-api-key

~/.codex/auth.json（若该平台使用文件凭据）等同密码。不得复制进 workspace/、trace、容器镜像或 Hugging Face release。

做一个不改文件的模型 preflight：

printf 'Reply with exactly MODEL_PREFLIGHT_OK.\n' \
  | "$CODEX_BIN" exec --json --sandbox read-only \
      --model "$MODEL" \
      -c "model_reasoning_effort=$REASONING_EFFORT" \
      -C "$REPRO_ROOT" - \
  > "$REPRO_ROOT/logs/model-preflight.jsonl"
grep -q MODEL_PREFLIGHT_OK "$REPRO_ROOT/logs/model-preflight.jsonl"

若希望保留 native rollout，绝对不要加 --ephemeral。

6. 创建两个本地 Conda prefix

trace 环境只需 Python；Blender build 环境锁定编译期依赖。repo-local prefix 能避免 named env 落到意外磁盘：

source "<miniconda-root>/etc/profile.d/conda.sh"

conda create -y -p "$REPRO_ROOT/.conda/trace-$(uname -m)" python=3.11

conda create -y -p "$REPRO_ROOT/.conda/blender-build-$(uname -m)" \
  -c nvidia -c conda-forge \
  python=3.11 cmake=3.31.8 ninja=1.13 \
  cuda-version=12.8 cuda-nvcc=12.8 libcurand-dev=10.3.9.90 \
  pulseaudio-client=17.0 alsa-lib=1.2.16 \
  xorg-libx11=1.8.13 libgl-devel=1.7.0 libegl-devel=1.7.0 \
  texinfo=7.2

这里故意锁定 CMake 3.31.8。CMake 4 会拒绝 Blender 若干 bundled dependencies 的旧 policy 声明。texinfo 提供 Flex install 阶段需要的 makeinfo；libcurand-dev 提供 Clang CUDA runtime wrapper 会包含的 cuRAND headers。

7. 准备 Blender 和 OptiX

7.1 x86_64：优先官方 binary 

cd "$REPRO_ROOT/runtime"
curl -L --fail --retry 3 \
  https://download.blender.org/release/Blender4.5/blender-4.5.13-linux-x64.tar.xz \
  -o blender-4.5.13-linux-x64.tar.xz
echo 'da4e69b06b75b9e642d106496c50e7e240218b411d2f6e18271c1d1d819cef91  blender-4.5.13-linux-x64.tar.xz' \
  | sha256sum -c -
tar -xJf blender-4.5.13-linux-x64.tar.xz
export BLENDER_BIN="$REPRO_ROOT/runtime/blender-4.5.13-linux-x64/blender"

7.2 ARM64：固定源码和 OptiX headers 

cd "$REPRO_ROOT/runtime"
curl -L --fail --retry 3 \
  https://github.com/blender/blender/archive/refs/tags/v4.5.13.tar.gz \
  -o blender-v4.5.13-source.tar.gz
echo '46d19c7867bad4883e3ea83b8be745a0afd4561fa68e794d2652e47805c12376  blender-v4.5.13-source.tar.gz' \
  | sha256sum -c -
tar -xzf blender-v4.5.13-source.tar.gz

git clone https://github.com/NVIDIA/optix-dev.git optix-dev
git -C optix-dev checkout "$OPTIX_COMMIT"
git -C optix-dev log -1 --format='%H %cI %s'

OptiX 只需要 headers；运行时由 NVIDIA driver 提供。将 source archive、OptiX commit、compiler/CUDA versions 和最终 Blender binary 的 SHA-256 写入 build log。

7.3 ARM64 build 的关键约束

激活 build env 后，仍应使用节点原生 GCC/glibc，不要混入 Conda compiler sysroot：

source "<miniconda-root>/etc/profile.d/conda.sh"
conda activate "$REPRO_ROOT/.conda/blender-build-$(uname -m)"

unset BUILD HOST GCC CONDA_BUILD_SYSROOT
unset CFLAGS CXXFLAGS CPPFLAGS LDFLAGS
unset CPATH C_INCLUDE_PATH CPLUS_INCLUDE_PATH LIBRARY_PATH
export CC=/usr/bin/gcc
export CXX=/usr/bin/g++
export CPP=/usr/bin/cpp
export CUDAHOSTCXX=/usr/bin/g++
export CMAKE_PREFIX_PATH="$CONDA_PREFIX"
export PKG_CONFIG_PATH="$CONDA_PREFIX/lib/pkgconfig:$CONDA_PREFIX/share/pkgconfig"
export CUDA_HOME="$CONDA_PREFIX/targets/sbsa-linux"
export CUDA_PATH="$CUDA_HOME"
export CUDAToolkit_ROOT="$CONDA_PREFIX"
export OPTIX_ROOT_DIR="$REPRO_ROOT/runtime/optix-dev"

已经确认过的两个窄 patch：

  1. OpenSubdiv 3.6 能找到 Conda OpenGL，但没有把 include path 传播给 osd_gpu_obj。只给 OpenSubdiv 添加 $CONDA_PREFIX/include，不要全局污染 CPython/其他依赖。
  2. 某些 ARM64 image 暴露了 GCC 14 runtime 目录，却没有 GCC 14 libstdc++ headers。OSL 使用新构建的 Clang 17 生成 CUDA bitcode 时会错误选择 GCC 14，随后在 include_next <cmath> 失败。只给 OSL 的 LLVM_COMPILE_FLAGS 增加：
--gcc-install-dir=/usr/lib/gcc/aarch64-linux-gnu/13
-D__SVFloat32_t=float
-D__SVFloat64_t=double
-D__SVBool_t=bool

后三项只为绕过 glibc ARM host-only SVE typedef 在 Clang CUDA device pass 中的误判。不要关闭 OSL_USE_OPTIX 来“修复”构建，那会降低目标 runtime 的能力。

构建命令的核心形态：

make -C "$REPRO_ROOT/runtime/blender-4.5.13" deps \
  NPROCS=32 \
  DEPS_BUILD_DIR="$REPRO_ROOT/runtime/build-deps-arm64-native" \
  DEPS_INSTALL_DIR="$REPRO_ROOT/runtime/blender-4.5.13/lib/linux_arm64"

make -C "$REPRO_ROOT/runtime/blender-4.5.13" release headless ninja \
  NPROCS=32 \
  BUILD_DIR="$REPRO_ROOT/runtime/build-blender-arm64" \
  BUILD_CMAKE_ARGS="-DWITH_CYCLES=ON \
    -DWITH_CYCLES_DEVICE_CUDA=ON \
    -DWITH_CYCLES_DEVICE_OPTIX=ON \
    -DWITH_CYCLES_CUDA_BINARIES=ON \
    -DCYCLES_CUDA_BINARIES_ARCH=$CUDA_ARCH \
    -DWITH_CYCLES_CUDA_BUILD_SERIAL=ON \
    -DCUDA_NVCC_EXECUTABLE=$CONDA_PREFIX/bin/nvcc \
    -DCUDA_TOOLKIT_ROOT_DIR=$CUDA_HOME \
    -DOPTIX_ROOT_DIR=$OPTIX_ROOT_DIR \
    -DCYCLES_RUNTIME_OPTIX_ROOT_DIR=$OPTIX_ROOT_DIR"

成功后：

export BLENDER_BIN="$REPRO_ROOT/runtime/build-blender-arm64/bin/blender"
"$BLENDER_BIN" --version
sha256sum "$BLENDER_BIN"

依赖和 Blender build 是持久文件系统上的一次性开销。后续 agent run 不需要重新构建，除非 Blender/CUDA/OptiX/compiler/patch 版本或目标 GPU arch 改变。用一个明确的 version manifest 作为 cache key，不要只靠目录是否存在。

8. OptiX gate：必须真渲染

gate 脚本至少要执行：

  1. nvidia-smi 成功。
  2. Blender 能启动并输出固定版本。
  3. preferences.compute_device_type = "OPTIX"。
  4. preferences.get_devices() 至少返回一个 OPTIX device。
  5. 启用所有可见 OptiX devices。
  6. Cycles GPU 渲染一个 64×64、16 samples 的简单场景。
  7. 输出 PNG 存在且大于 1 KiB。
  8. 记录 PNG 和 Blender binary 的 SHA-256。

运行形态：

"$BLENDER_BIN" -b --python "$REPRO_ROOT/harness/verify_optix_render.py"
sha256sum "$REPRO_ROOT/logs/optix-smoke.png" "$BLENDER_BIN"

不要用 Eevee 成功代替 Cycles OptiX 成功；可以先用 Eevee 初始化 scene，但最终 bpy.ops.render.render() 前必须把 scene.render.engine 切回 CYCLES，并设置 scene.cycles.device = "GPU"。

9. Agent workspace 和 prompt contract

最少准备三个文件：

workspace/TASK.md               实验任务与 deliverables
workspace/ENVIRONMENT.md        Blender 路径、GPU/渲染协议、wall time、资产政策
workspace/ROOT_AGENT_PROMPT.md  让 root 读取前两者并自主执行的短入口

root prompt 示例：

Read ENVIRONMENT.md first, then TASK.md. Execute the task end to end and keep all
deliverables in this workspace. Use child agents for bounded parallel modeling,
inspection, rendering, and repair tasks when useful. Keep PROGRESS.md timestamped
at milestones and save Blender checkpoints so the run survives its wall-clock limit.

ENVIRONMENT.md 至少固定：

  • 唯一允许的 Blender binary 绝对路径和 SHA-256。
  • render engine、device、resolution、samples、denoiser、color management。
  • 固定 judgeset cameras；修复周期之间不能漂移。
  • asset 来源、许可证、URL、本地路径和 hash manifest。
  • checkpoint 频率、wall-time 查询命令和恢复规则。
  • 不得把 auth/token 复制进 workspace。

10. 保留完整 trace，而不是只保存终端输出

至少保留三层：

10.1 原生层

  • Codex session rollout JSONL：session_meta、turn_context、response_item、event_msg、token_usage_record。
  • message、reasoning、tool/function calls、完整 outputs、token/cache usage。
  • root/child parent linkage、agent path、inter-agent messages。
  • compaction 和 world state（如果发生）。

10.2 运行层

  • codex exec --json 的 root event stream。
  • stderr、exit code、wall time。
  • Slurm job/node/partition/CPU/GPU metadata。
  • 每 30 秒 GPU、CPU、job remaining time heartbeat。

10.3 Artifact lineage 层

  • .blend/.glb checkpoints。
  • source scripts、render PNG/EXR、review reports。
  • 每次 workspace 里程碑的 {relative_path, bytes, mtime_ns, sha256, category} manifest。
  • 最终 completion manifest 和 trace validation report。

在启动 root agent 之前写 status/run_started.json，记录 start time、host、platform、Slurm、Codex/Blender versions 与 hashes、model、reasoning effort、frozen prompt hashes。watcher 只镜像 start marker 之后、cwd 属于本 workspace 的 sessions；这样能覆盖 root 和 child agents，又不会把其他并行实验混入。

raw trace 可能包含命令输出、本地路径、prompt、reasoning 或敏感数据，默认必须私有。公开时只发布清洗后的派生索引和 raw file hashes，绝不直接发布 traces/raw/。

11. 无交互 root agent 启动命令

优先用 workspace-write；只有在独占、隔离的可信 runner 上，且 Blender/asset 操作确实需要 workspace 之外路径时，才使用 danger-full-access。

export CODEX_SQLITE_HOME="$REPRO_ROOT/.codex-sqlite/${SLURM_JOB_ID:-local}"
mkdir -p "$CODEX_SQLITE_HOME"

"$CODEX_BIN" exec \
  --json \
  --sandbox workspace-write \
  --model "$MODEL" \
  -c "model_reasoning_effort=$REASONING_EFFORT" \
  -c 'agents.max_concurrent_threads_per_session=6' \
  -C "$REPRO_ROOT/workspace" \
  - < "$REPRO_ROOT/workspace/ROOT_AGENT_PROMPT.md" \
  > >(tee "$REPRO_ROOT/logs/root_events.jsonl") \
  2> >(tee "$REPRO_ROOT/logs/root_stderr.log" >&2)

如果固定的旧版 CLI 只支持 legacy key，可将 agents.max_concurrent_threads_per_session 换成 agents.max_threads；先用 codex --version 和 codex exec --help 检查，必要时加 --strict-config 让未知配置立即失败。

不要把“多个 agent”理解为每个 cycle 都必须并行。root agent 生命周期贯穿整次 run；child agents 是有界的专项 session，可用于独立建模、结构检查、渲染 review 或局部修复。生命周期和并行度最终以 native session tree 与 timestamps 为准。

12. Slurm 提交链

三个 job 用 afterok 串起来，失败时下游自动取消：

build_job=$(sbatch --parsable \
  -A "$SLURM_ACCOUNT" -p "$CPU_PARTITION" \
  -N 1 --cpus-per-task=96 --exclusive -t 18:00:00 \
  "$REPRO_ROOT/harness/sbatch_build_blender.sh")

gate_job=$(sbatch --parsable --dependency="afterok:$build_job" \
  -A "$SLURM_ACCOUNT" -p "$GPU_PARTITION" \
  -N 1 --gpus-per-node=4 --cpus-per-task=8 --exclusive -t 00:10:00 \
  "$REPRO_ROOT/harness/sbatch_verify_optix.sh")

agent_job=$(sbatch --parsable --dependency="afterok:$gate_job" \
  -A "$SLURM_ACCOUNT" -p "$GPU_LONG_PARTITION" \
  -N 1 --gpus-per-node=4 --cpus-per-task=64 --exclusive -t 06:00:00 \
  "$REPRO_ROOT/harness/sbatch_agent.sh")

printf 'build=%s gate=%s agent=%s\n' "$build_job" "$gate_job" "$agent_job"

监控：

squeue -j "$build_job,$gate_job,$agent_job" \
  -o '%.18i %.24j %.10T %.10M %.6D %R'
sacct -j "$build_job,$gate_job,$agent_job" \
  --format=JobID,JobName,State,ExitCode,Elapsed,Start,End,NodeList

构建时避免在共享 Lustre 上高频 tail -f 大日志；优先看 Slurm state、resource stats 和 ExternalProject *-done stamps。job 结束后再完整读取日志。

13. Preflight 和验收标准

在提交昂贵 agent run 前，必须全部满足：

[ ] 所有 cache/tmp 路径解析到持久存储，不是 /tmp
[ ] Codex version 固定，login status 成功，model preflight 成功
[ ] frozen task/environment hashes 匹配
[ ] Blender version 与 binary SHA-256 已记录
[ ] nvidia-smi 记录了 GPU name/UUID/driver/memory
[ ] OptiX device 枚举成功
[ ] 独立 Blender 进程写出真实 Cycles GPU smoke PNG
[ ] root JSONL 和 native rollout 同时开启
[ ] watcher 能生成 heartbeat、session index、artifact snapshot
[ ] sandbox 权限与 runner 隔离级别匹配
[ ] raw trace 的访问控制和清洗策略已确认

完成后 trace validation 至少检查：

  • native record types 完整。
  • 至少一个 root session；如果任务启用了 multi-agent，则至少一个带 parent_thread_id 的 child session。
  • 每个 raw JSONL 的 SHA-256 与 index 一致。
  • root exit status 为 0。
  • Blender/GLB/renders/reviews 等必需 deliverables 存在。
  • final artifact snapshot 和 completion manifest 存在。

14. 常见失败和正确修复

症状 原因 修复
CMake 4 在 OpenAL/旧依赖处报 policy error bundled project 的旧 minimum policy 固定 CMake 3.31.8
CPython _struct/_ssl/_posixsubprocess 失败 Conda sysroot 与 Ubuntu glibc headers 混用 清理 compiler flags，使用原生 GCC/glibc
OpenAL 找不到 al::semaphore Conda threads.h shadow 项目 header 不暴露 Conda alternate sysroot
libepoxy 找不到 X11/GL/EGL CPU node 缺 dev headers repo-local Conda packages + 窄 PKG_CONFIG_PATH
OpenSubdiv GL/gl.h 缺失 include path 未传播到 osd_gpu_obj 只 patch OpenSubdiv C/CXX flags
Flex install 找不到 makeinfo 缺 texinfo 安装 texinfo=7.2
OSL Clang 找不到 cmath 选中不完整 GCC 14 OSL bitcode 绑定完整 GCC 13
__SVFloat32_t/__SVFloat64_t 未定义 glibc SVE typedef 在 CUDA device pass 被误启用 OSL-only stand-in definitions
curand_mtgp32_kernel.h 缺失 只装了 CUDA runtime/nvcc 安装匹配 CUDA 12.8 的 libcurand-dev
Build 成功但 agent render 用 CPU 未在 GPU 节点做真实 gate OptiX device enable + Cycles smoke render
只有 root stdout、无法重建 agent 生命周期 没镜像 native sessions 同时保留 rollout JSONL 和 session tree

每次失败都应保留日志和失败 subtree，例如把 build/osl 重命名为带 job ID 的 audit 目录，再干净重建该 dependency。不要删除失败证据，也不要为了“绿”而关闭 Cycles、CUDA、OptiX 或 OSL。

15. 版本与安全原则

  • 固定 Blender archive hash、OptiX commit、CUDA/CMake/GCC/Codex versions。
  • 记录所有 protocol deviations（架构、GPU 数量、wall time、模型、渲染设置）。
  • build、gate、agent 三阶段分离；gate 失败时 agent 不得启动。
  • 使用最小 sandbox 权限。danger-full-access 只适用于专用隔离 runner。
  • auth cache、API key、access token、raw trace 永不进入公共仓库。
  • 公开结果应能从私有 raw hashes、artifact hashes 和 frozen prompt hashes追溯，但不要求公开敏感 raw bytes。

参考资料

Downloads last month
46
Total file size:
24.5 kB