最近開源生態中出現了針對人工智慧程式撰寫Agent的沙箱安全方案，以及規模龐大的LLM應用教學資源。 Agent Safehouse是一個專為macOS設計的沙箱隔離工具，用來限制大型語言模型程式撰寫Agent的檔案存取權限和系統整合能力。該專案採用「拒絕優先」的設計哲學——預設禁止所有操作，只允許Agent執行必要的工作。這不是完全的安全邊界，而是一層強化防護。支援Claude Code、Codex、Cursor和Gemini CLI等主流程式撰寫工具，使用者可透過Homebrew安裝或下載獨立腳本。專案提供可組合的政策配置檔案，讓使用者根據實際需求定義權限。同時支援機器特定的預設值設定，方便開發者在共享程式庫或團隊資料夾時使用本地覆蓋設定，避免將個人化配置提交到共享程式庫。工具強調在保持開發者工作流程實用性和生產力的前提下進行風險減少。 另一方面，Awesome LLM Apps是一個包含100多個AI Agent和RAG教學的開源程式庫，已累積超過10萬1千顆星。該專案精選了採用檢索增強生成、AI代理、多Agent團隊、Model Context Protocol、語音Agent等技術的實際應用。涵蓋的模型包括OpenAI、Anthropic、Google、xAI和開源的Qwen、Llama等，使用者可在本地電腦運行。專案包含初級和進階AI Agent、自主遊戲Agent、多Agent團隊、語音Agent、MCP Agent等多個類別。特別提供了100多個細分教學場景，包括部落格轉播客、分手恢復、醫療影像分析、記憶體管理、RAG失敗診斷、特定資訊來源對話等。文件包括Google ADK和OpenAI Agent SDK的完整教學課程，涵蓋Agent框架基礎、結構化輸出、工具整合、記憶體管理、多Agent協調等內容。專案同時提供了token優化和模型微調教學，包括將API成本降低30至60%的方法論。 這兩個專案代表開源社區在AI Agent安全防護和應用開發兩個方向上的探索。前者解決了使用者對Agent執行時安全性的擔憂，後者則為開發者提供了快速構建和學習LLM應用的完整生態。兩者都強調實用性和易用性，讓開發者可以安心地構建和部署AI驅動的應用。