新闻详情

新闻详情

首页 / 资讯中心 / 详情

Cloudflare 发布 Cloudflare OS:迟到十年,让 AI agent 安全接入企业系统!

发布时间:2026/11/10 18:16:26来源:尧图网络
Cloudflare 发布 Cloudflare OS:迟到十年,让 AI agent 安全接入企业系统!
Cloudflare 发布开源项目 Cloudflare OS迟到十年的答案让 AI agent 安全接入企业系统Cloudflare 发布了一个开源项目 Cloudflare OS。乍一看官方博客你或许会觉得这不过又是一个“AI 知识库 聊天机器人”毕竟每个大厂都在做似乎没什么新鲜的。但 Kenton Varda 在 Twitter 上把事情说清楚了“今天我们发布了 Cloudflare OS一个带连接器的聊天机器人跟其他所有科技公司做的一样。只不过实际上它不一样。这是 Sandstorm.io 的重制版我十年前的那个创业公司。不同的是这次它构建在 Cloudflare Workers 上——我花了九年时间搭建的平台——并且深度集成了 AI。这基本上是我十年秘密计划的顶峰。”十年前Kenton Varda 是 Google 的 Protocol Buffers 作者后来创立了 Sandstorm一个让普通用户也能一键部署 Web 应用的个人服务器平台。Sandstorm 的精髓是 Capn Proto 的安全沙箱模型——每个应用在隔离环境里运行应用之间只能通过精确的权限传递来通信。技术上很漂亮但 Sandstorm 最终没能成为主流产品。现在这个沙箱模型回来了而且更彻底。Sandstorm 的基因Workers 的基建Cloudflare OS 的三个核心组件直接继承了 Sandstorm 的设计哲学Agent 工作区每个用户有一个浏览器里的 agent 对话界面但这个 agent 不是孤立的。它加载了公司级别的上下文和技能库——你的团队定义的术语、流程、最佳实践agent 都能直接调用。工作区里还有一个隔离的代码运行时agent 可以自己写代码、跑代码来处理数据不需要把所有数据都塞进模型的上下文窗口。Gatekeeper 安全框架这是最具 Sandstorm 特色的部分。agent 启动时没有任何权限什么都不可以访问。它要访问 GitHub 上的某个仓库必须通过 Gatekeeper——一个服务特定的 Worker它知道目标 API 的资源结构可以精确到“只读某个仓库的 issue不能读源码合并 PR 前需要人工审批”。agent 拿到的不是 API key而是一个类型化的 capability bindingconst issues await env.PROJECT.listIssues({teamId: ENG,state: open,});所有的凭证完全隔离agent 和生成的代码永远接触不到原始凭据。Server 代码运行在 Dynamic Worker 里全局出站网络被禁用客户端代码在浏览器沙箱 iframe 里。两者都不能访问互联网除非你显式授予 capability。App 平台这是最特别的部分。在 Cloudflare OS 里每个“文件”可以是一个完整的应用——有前端 UI、后端逻辑、API 和持久化状态。agent 可以直接帮你写一个应用出来这个应用是一个 Dynamic Worker用 Durable Object Facet 承载自己的 SQLite 数据库。应用可以分享给其他人协同编辑也可以分享“蓝图”——别人拿到蓝图后agent 能照着蓝图创建自己的实例独立的代码、独立的数据、独立的权限。不再是“提 feature request 给你”而是“我自己改”。实际价值在哪里Cloudflare OS 的技术架构有几个值得关注的点Capability 安全模型不是 RBAC不是 OAuth scope而是精确到“你可以读这个仓库的 issue但只读 ENG team 的且状态为 open”。权限跟随数据流转——agent 读了敏感数据后分享 agent 产出的 dashboard 时Gatekeeper 会验证观看者的权限。Dynamic Worker Durable Object Facet每个 app 是独立的轻量 V8 isolate不是容器不需要预留服务器。按需加载有自己的 SQLite 数据库。Cap n Web RPCCloudflare 开源的对象能力 RPC 系统前端可以像调用普通 JS 函数一样调用后端方法。agent 也能调同样的方法——你给自己做的工具agent 也能用。完全开源自部署两个仓库——核心和示例部署。核心仓库不修改示例仓库负责配置、定制 UI、内部集成和部署流水线。Cloudflare 已在内部使用 Cloudflare OS数千名员工包括大量非工程人员每天用它创建文档、幻灯片、自动化重复任务、搭建小型数据可视化应用。这可能是 Cloudflare 在 Agent 时代最大的一张牌——不是又一个大模型而是一个让 agent 安全地接入企业系统的平台。Kenton Varda 等了十年。Sandstorm 当时太早了但现在每个公司都在问同一个问题怎么让 AI agent 安全地访问内部系统Cloudflare OS 是那个迟到十年的答案。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/10 15:15:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉