一句话看懂：Docker 宣布开源代理评估框架 Harbor 支持 Docker Sandboxes，每个评估任务都在独立微虚拟机中运行，让 AI 生成代码的批量评测更隔离、更可复现。
事件核心：发生了什么
Docker 在 2026 年 11 月 4 日前后公布，Harbor 现在可以接入 Docker Sandboxes。Harbor 负责运行基准任务、收集分数和记录日志，支持 Terminal-Bench 等基准。接入后，任务不再共享容器，而是各占一个带独立内核的 microVM；代理装包、改文件、执行命令都局限在虚拟机内，不会触达主机或其他任务。本地和 Docker Cloud Sandboxes 都可运行，Docker 称已在云端测试 64 个并发任务。集成已进入稳定版，本地免费，云端取决于 Cloud Sandboxes 服务。
为什么重要
评估编程代理本质上是大规模运行不可信的 AI 生成代码，还要重复数千次。Docker 工程师特别提到“奖励破解”：代理篡改测试或分数记录，用作弊换及格分。Harbor 此前已有 Daytona、Modal、E2B、Runloop 等沙箱后端，这次加入 Docker，说明评估框架正把“隔离”和“网络一致性”当作基础能力；云端可配置的网络策略让每个代理在相同条件下评测，缓解结果不可复现的问题。
对用户/开发者/创作者的影响
已用 Harbor 的团队可以在夜间构建上试用，本地需先执行 sbx login，再加 –ek target=local 参数，运行时用 -e sbx 选择沙箱。但本地目前只支持公共模式和无网络模式，细粒度网络策略与云沙箱绑定，想要公平控制得规划云端方案。Docker 未公布启动开销、单任务成本和分数波动数据，对延迟或成本敏感者需自测。
值得关注的后续
一是稳定版在更多基准上是否持续可用；二是沙箱内如何防止代理改写测试文件等作弊行为，目前公开信息未说明；三是 Daytona、Modal 等竞品后端是否会跟进类似网络隔离能力。另外，Docker 也在把 Sandboxes 推向 NanoClaw、GitHub Agentic Workflows 等更多代理运行时。
来源：InfoQ CN
