本地智能体怎么搭建？模型、工具、沙箱与数据隔离

直接回答：最小可用架构可以拆成六层：本地模型服务 → Agent循环 → 工具Schema → 执行沙箱 → 数据目录 → 日志/状态。模型本地运行并不自动等于工具执行安全。^[1][2]

模型层先验证工具调用能力

如果任务需要调用函数，先确认所用模型和本地运行器能稳定输出工具名与结构化参数。Ollama官方文档提供单次、并行和多轮工具调用的实现方式。

工具层只暴露必要函数

例如read_project_file、search_notes、run_test，不要直接给一个“shell(command)”万能函数。工具参数要用Schema约束，并在服务端再次校验路径、命令和资源范围。

执行层必须隔离

代码执行、文件转换和浏览器任务放到容器/虚拟机或其他隔离环境。限制网络、CPU、内存、运行时间和挂载目录，避免把宿主机Docker socket、SSH密钥等敏感资源直接暴露。

数据层按项目隔离

每个项目使用独立工作目录、向量库namespace和凭据。删除项目时能够一起清理缓存、索引、临时文件和日志。

先做只读Agent再增加写能力

第一版只让智能体读取和建议；确认稳定后再增加写文件、执行测试等低风险动作，最后才考虑外部发送或系统修改。

注意：“本地部署”主要解决数据路径与可控性问题，不代表自动获得安全性；工具层仍需要最小权限、隔离和审计。

资料核验日期：2026-08-09。产品功能、API、套餐、搜索规则与地区可用性会变化，正式使用前请再次查看官方页面。

参考来源

1. Ollama：Tool calling（official/primary，核验于 2026-08-09）
2. Docker Docs：Docker Engine security（official/primary，核验于 2026-08-09）

更新记录

• 2026-08-09：完成官方/一手来源核验、结构化撰写与发布边界检查。