想让 AI 放心干活,先给它一间“有墙的工作室 ”

不给权限，AI 总在等你点确认；给了权限，又担心它改错文件、碰到不该看的资料。你希望它替自己分担工作，却不想把接下来的时间花在检查“它到底动过什么”上。

这种犹豫有道理。让 AI 开始动手以后，一个错误会影响哪些东西，值得在开工前想清楚。

我的建议是：先给它一间有墙的工作室。里面的任务可以继续做，墙外的东西需要另行确认。

知道它能碰到什么、做错后影响到哪里，你才更敢把活交出去。

10月7日，GitHub 宣布 Copilot 本地沙盒正式可用，可按策略限制工具访问文件、网络和凭据。公告也明确区分了模型执行与工具隔离。来源：GitHub 公告

说得直白些：模型再聪明，也要明确它手里的工具能做什么。

在提示词里写“不要碰其他文件”，是一条工作要求；让工具实际没有权限改其他文件，才多了一层约束。两者都需要，但作用不同。

你不必先学会搭建一套复杂环境。普通人可以从一项资料整理任务开始，把下面四个范围说清楚，再核对软件有没有对应的限制。

第一堵：文件。它能看哪些，能改哪些？

假设要整理一批公开资料，就把副本放进单独的任务文件夹，指定结果保存在哪里。需要参考的原件可以只读，其他项目、个人资料和未脱敏文件先留在任务外。

“帮我整理电脑里的资料”范围太大。改成“只整理这个文件夹中的副本，结果另存，不覆盖原件”，你和 AI 都更容易核对。

第二堵：网络。它需要连到哪里？

本地整理未必需要联网；查公开资料可以开放必要的网站。联网还包括上传文件、访问内部系统、向远端发送数据，不能只理解成“搜索一下”。

先看它为了完成任务需要什么，再按实际设置给出范围。连接多个工具时，也要分别查看连接权限。

第三堵：凭据。它可以借用哪个身份？

登录状态、访问令牌和账户权限，可能让工具直接以你的身份操作。任务不需要账户，就别顺手连接；需要时，优先使用权限较小、用途明确的账户或授权。

密码和密钥不应作为普通资料交给它整理。你要提供的是完成任务所需的通道，并保留停用或撤销授权的方法。

第四堵：对外动作。做到哪里要停？

生成草稿、保存副本，可以是一段授权；发送邮件、公开发布、修改真实业务数据，是另一段动作。写清楚它可以准备到哪一步，哪一步必须等你确认。

这堵墙通常还需要应用权限和人工确认，不能指望一个沙盒替你判断业务后果。

四堵墙写在纸上，不代表工具已经照着限制。可以先用公开资料和副本做一轮低风险任务，核对读取范围、输出位置和实际操作记录，再决定是否扩大权限。

例如，这段任务说明就比“随便整理一下”清楚：

只读取本任务文件夹里的公开资料副本，整理成一份目录，另存为新文件。不要覆盖或删除原件。当前不需要联网、登录账户或上传资料。遇到必须扩大权限的步骤，先说明原因，等我确认。

它定义了要求；实际限制仍要在工具或系统设置中确认。没有相应限制时，可以缩小任务、减少连接，或换到隔离能力更合适的环境。

沙盒也有边界。GitHub 文档提醒，通过 MCP 连接的远程工具服务并不在本地沙盒中运行；接了外部工具，仍要另查它的权限。来源：GitHub 沙盒说明

墙能缩小某些错误的影响，内容是否正确、交付是否合用，仍需要验收。

下一篇，继续聊一人公司怎样从反复出现的小判断里，找到值得验证的 AI 产品机会。欢迎继续关注。