In-memory overlay
Локальная песочница предельно честная: что агент попросил, то с вашими файлами и произошло. Иногда хочется другого - «пусть полазит, посмотрит, но репозиторий оставит в покое». Для этого нужен второй бэкенд, и устроен он смешно просто: копируем проект во временную папку, запускаем на копии ту же самую локальную песочницу, а в конце копию выбрасываем. Никакого настоящего overlay в памяти тут нет, зато всё понятно и работает с первого раза.
sandbox_memory.py и переключатель
SANDBOX=local|memory. Один и тот же промпт поедет на двух
разных бэкендах, а инструменты останутся ровно теми же.
Слова, которые встретятся
- Copy-on-write (упрощённо) - читаем из оригинала, а пишем в копию, так что исходные файлы на диске остаются нетронутыми. В настоящих файловых системах это делают хитрее, нам хватит идеи.
-
Overlay - слой поверх реальных файлов. У нас в роли
слоя выступает честная полная копия проекта в
/tmp, и для учебных целей разницы вы не почувствуете.
Быстрый путь
- Создать
sandbox_memory.py: скопировать проект во временную папку, обернуть уже готовый local-sandbox и вstop()удалить копию. - В
main.pyвыбирать песочницу по переменной окруженияSANDBOX: без неё - как раньше, сSANDBOX=memory- работа на копии. - Запустить один и тот же промпт дважды (обычный запуск и с
SANDBOX=memory) и сравнить ответы.
Какие файлы трогаем
| Файл | Что делать |
|---|---|
sandbox_memory.py |
Создать. Функция create_memory_sandbox копирует проект и отдаёт Sandbox. |
main.py |
Править. Функция create_sandbox смотрит SANDBOX и выбирает local или memory. |
sandbox_local.py |
Не трогать - memory-бэкенд вызывает его внутри. |
Шаг 1. Memory-бэкенд
sandbox_memory.py
import shutil
import tempfile
from dataclasses import dataclass
from pathlib import Path
from sandbox_local import LocalSandbox, create_local_sandbox
@dataclass
class MemorySandbox:
type: str
working_directory: str
_inner: LocalSandbox
_tmp_root: Path
async def read_file(self, path: str) -> str:
return await self._inner.read_file(path)
async def exec(self, command: str):
return await self._inner.exec(command)
async def stop(self) -> None:
await self._inner.stop()
shutil.rmtree(self._tmp_root, ignore_errors=True)
def create_memory_sandbox(source: Path) -> MemorySandbox:
tmp_root = Path(tempfile.mkdtemp(prefix="harness-mem-"))
project = tmp_root / "project"
shutil.copytree(
source.resolve(),
project,
ignore=shutil.ignore_patterns(".venv", "__pycache__", ".git"),
dirs_exist_ok=True,
)
inner = create_local_sandbox(project)
return MemorySandbox(
type="memory",
working_directory=inner.working_directory,
_inner=inner,
_tmp_root=tmp_root,
)
Обратите внимание на список исключений при копировании:
.venv, __pycache__ и .git мы
не тащим. Копировать виртуальное окружение долго и бессмысленно, а ставить
пакеты без спроса агенту всё равно запрещено разделом Guardrails.
Самое приятное здесь - что новый бэкенд просто оборачивает старый:
вся работа с диском по-прежнему в одном файле.
Шаг 2. Переключатель в main.py
import os
from sandbox_local import create_local_sandbox
from sandbox_memory import create_memory_sandbox
def create_sandbox(cwd: Path):
mode = os.environ.get("SANDBOX", "local")
if mode == "memory":
return create_memory_sandbox(cwd)
return create_local_sandbox(cwd)
sandbox = create_sandbox(cwd)
print(f"Sandbox: {sandbox.type}", file=sys.stderr)
print(sandbox.working_directory, file=sys.stderr)
Тут засада, и она стоит отдельного абзаца. В build_system_prompt
должен уходить sandbox.working_directory, а не
str(cwd). Промахнётесь - и модель увидит путь вашего
настоящего репозитория, спокойно напишет
echo hello > /ваш/проект/scratch.txt, и никакая копия
в /tmp вас уже не спасёт: путь-то абсолютный.
/tmp даёт то же главное свойство, исходный
каталог остаётся нетронутым. Для учёбы этого достаточно, а на больших
репозиториях вы просто увидите, что копирование не бесплатное.
Проверьте
Сначала убедимся, что чтение одинаковое на обоих бэкендах. Один и тот же промпт, разница только в переменной окружения:
uv run python main.py . "Прочитай AGENTS.md"
SANDBOX=memory uv run python main.py . "Прочитай AGENTS.md"
Ответы должны совпасть, а в stderr будет видно, кто отработал:
Sandbox: local в первом случае и Sandbox: memory
во втором. Чтение одинаковое - значит подмена бэкенда прошла честно.
Куда интереснее запись. Полноценный write появится позже,
так что попробуем через bash, если шлюз пускает
echo. Только сначала уберите scratch.txt,
если он у вас случайно уже лежит в проекте, иначе результат
будет непонятным:
rm -f scratch.txt
SANDBOX=memory uv run python main.py . "Создай файл scratch.txt через echo hello > scratch.txt"
ls scratch.txt
В stderr должен светиться путь вида /tmp/harness-mem-…/project,
а не каталог вашего репозитория. Снаружи ls scratch.txt ответит
«нет такого файла», и это успех: копия умерла в stop(), а
оригинал никто не трогал. Вот если scratch.txt обнаружился
рядом с main.py, значит пишем мы куда-то не туда. Причины
обычно две:
-
В промпт всё ещё уходит
str(cwd), а неsandbox.working_directory. Модель делаетecho … > /полный/путь/проекта/scratch.txt- cwd копии тут ни при чём. -
create_bash_tool(…)собрали от старого local-sandbox, аSANDBOX=memoryтолько печатается в stderr.readсмотрит в копию (файла нет),bash- в оригинал (файл есть). Модель тогда врёт про «кэш».
grep - всё это на копии может повести себя иначе.
Расстраиваться не нужно: memory-бэкенд заодно работает
тестом на переносимость вашего интерфейса, и лучше узнать
о проблеме здесь, чем в облаке.
Готово, если:
- Есть
create_memory_sandbox SANDBOX=memoryпереключает бэкенд без правки tools- Read на обоих бэкендах даёт тот же текст
stop()удаляет временную папку