监督式Suna会话审查代理工作
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 安装 @user_3c6cb52e/run-supervised-suna-sessions-for-reviewable-agent-work 到你的 AI 助手。
技能介绍
问题:代理工作难以审查
当代理自主执行任务时,直接交付结果往往充满不确定性。开发者很难确认它在安装依赖、执行脚本或修改环境时到底做了什么,导致交付前缺少可验证的审查点。
技能如何工作
该技能通过启动受控的 Suna 或 Kortix 代理会话来解决上述问题,核心机制如下:
- 每个
session运行在独立的一次性 Linux 沙盒中,并绑定专属分支。代理可以自由安装、运行甚至破坏任何内容;只有它commit下来的改动会被保留。 - 支持在同一配置下并行运行数千个代理,每个代理完全隔离,并通过
change requests将工作成果回传。 - 强调这是工作力(workforce)而非单一助手:组织级专家代理并行运作,沉淀并共享记忆。
适用边界与注意点
使用前需要准备好前置环境:Suna 或 Kortix 运行时、浏览器与文件工作空间,以及按需配置连接器或 MCP 工具。由于会话内代理拥有较高自由度,审查环节应聚焦于其提交的改动,而不是沙盒内的临时行为。
使用场景
- 并行执行多个网页抓取任务,每个任务运行在独立 Linux 沙盒中以便审查数据来源。
- 审查代理提交的代码改动,利用一次性 Linux 沙盒环境验证合并请求是否破坏系统环境。
- 大规模并发执行配置任务,通过变更请求回传隔离沙盒内的执行结果以供管理员审计。
- 测试跨多个 MCP 工具的自动化流程,在隔离分支运行以避免影响生产文件工作空间。
适合人员
- 寻求AI代理生成代码可追溯性的AI工程负责人,需要审查代理提交的代码改动。
- 负责管理自动化代码变更的CI/CD平台开发者,关注沙盒环境隔离与合并请求验证。
- 需要编排大规模多代理协作的组织级开发者,依赖共享记忆与并行执行工作流。
- 构建复杂网页抓取管道的数据工程师,需要审查数千个隔离代理抓取的数据质量。