一句话总结：想让大模型在本地安全地执行代码？SkillLite 用 Rust + 系统级沙箱，实现了毫秒启动、零依赖、高安全的技能执行引擎，且支持所有 OpenAI 兼容模型。

---

背景：AI Agent 的“阿喀琉斯之踵”

随着 Qwen、DeepSeek、Ollama、Claude 等大模型普遍支持 工具调用（Tool Calling），越来越多的 AI 应用开始具备“自主执行代码”的能力。
但问题也随之而来：

• LLM 生成的代码不可信
• 可能读取 ~/.ssh/id_rsa、执行 rm -rf /、发起内网扫描
• 传统方案如 Docker 启动慢、Pyodide 隔离弱、LangChain 无默认沙箱

有没有一种方案，既能秒级启动，又能真正防住恶意行为？

答案是：有！而且它已经开源了——SkillLite。

---

什么是 SkillLite？

SkillLite 是一个轻量级、本地化、高安全的 AI Agent 技能执行引擎，核心目标是：

让任何 LLM 驱动的 Agent，都能在本地安全、高效地运行技能（Skills）。

核心特性一览

特性	说明
内置系统级沙箱	macOS 用 Seatbelt，Linux 用 Namespace + Seccomp
零依赖部署	单一 Rust 二进制文件，无需 Docker/Node.js/Python 环境
毫秒级冷启动	仅 492ms，远快于 Docker（120s）和 Pyodide（5s）
LLM 无关	支持 DeepSeek、Qwen、Moonshot、Ollama、OpenAI 等所有 OpenAI API 兼容模型
纯本地执行	代码与数据永不离开你的机器，满足数据主权要求
MIT 开源协议	可商用、可修改、无法律风险

冷启动

---

快速上手：3 行代码跑起来

# 安装 SDK（推荐 pip）
pip install skilllite

# 自动下载预编译的沙箱二进制
skilllite install

# 验证安装
skilllite status

然后写一个 Python 脚本：

from skilllite import SkillRunner

runner = SkillRunner()
result = runner.run("Calculate 15 * 27")
print(result)  # 输出: 405

💡 注意：目前核心支持 macOS 和 Linux，Windows 在测试中。

---

安全能力实测：为什么说它“真安全”？

SkillLite 不依赖 Docker 或 WebAssembly，而是直接调用操作系统原生隔离机制。官方提供了完整的安全对比测试，结果如下：

测试项	SkillBox	Docker	Pyodide	Claude SRT
读取 /etc/passwd	✅ 阻断	❌ 允许	✅ 阻断	❌ 允许
读取 SSH 私钥	✅ 阻断	✅ 阻断	✅ 阻断	❌ 允许
执行 os.system()	✅ 阻断	❌ 允许	❌ 允许	❌ 允许
Fork Bomb（进程炸弹）	✅ 阻断	❌ 允许	✅ 阻断	❌ 允许
动态 eval/exec	✅ 阻断	❌ 允许	❌ 允许	❌ 允许

综合安全评分：

• SkillBox：90.0%
• Docker：10.0%
• Pyodide：35.0%
• Claude SRT：32.5%

这意味着：SkillLite 在 20 项高危攻击中，成功阻断了 18 项，是目前本地执行场景中最安全的方案之一。

---

与主流方案对比

维度	SkillLite	Claude Code Sandbox	Pyodide	OpenAI Plugins	Semantic Kernel
内置沙箱	✅ Rust 原生	✅ Node.js	⚠️ WASM/Docker	⚠️ 云端闭源	❌ 无
本地执行	✅	✅	✅	❌	❌
零依赖	✅ 单文件	❌ 需 Node.js	❌ 需运行时	❌	❌
LLM 无关	✅ 任意模型	❌ 仅 Claude	✅	❌ 仅 OpenAI	✅
冷启动	⚡ 毫秒级	中等	🐢 秒级	-	-

💡 关键洞察：Claude 在 2025 年推出的 Code Sandbox 也采用了 Seatbelt + bubblewrap，验证了“系统级沙箱”是正确方向。而 SkillLite 提供了一个更轻、更快、多模型兼容的开源替代方案。

---

深度集成：支持 LangChain、LlamaIndex、OpenCode

SkillLite 不仅是一个执行器，更是AI 框架的安全插件。

1. LangChain 集成（带安全确认）

from skilllite.core.adapters.langchain import SkillLiteToolkit

tools = SkillLiteToolkit.from_manager(
    manager,
    sandbox_level=3,  # 沙箱 + 静态扫描
    confirmation_callback=lambda report, _: input("允许执行？[y/N]") == 'y'
).get_tools()

2. LlamaIndex 集成

from skilllite.core.adapters.llamaindex import SkillLiteToolSpec

tool_spec = SkillLiteToolSpec.from_manager(manager)
tools = tool_spec.to_tool_list()

3. OpenCode（MCP 协议）一键支持

pip install skilllite[mcp]
skilllite init-opencode  # 自动生成配置
opencode                 # 启动 MCP 服务

---

自定义技能开发：只需一个目录

每个技能是一个独立目录，结构如下：

my-skill/
├── SKILL.md           # 元数据（必填）
├── scripts/main.py    # 入口脚本
├── references/        # 参考文档（可选）
└── assets/            # 资源文件（可选）

SKILL.md 示例：

---
name: email-sender
description: Send email via SMTP
entry_point: scripts/main.py
---

# Email Sender Skill
This skill sends emails using provided credentials...

SkillLite 会自动解析参数 Schema，无需手动写 JSON。

---

为什么值得关注？

1. 解决真痛点：本地 AI Agent 最缺的不是模型，而是可信执行环境。
2. 技术壁垒高：Rust + 系统安全 = 难以复制。
3. 生态卡位准：若成为 LangChain/LlamaIndex 默认安全后端，将获得巨大流量。
4. 国产潜力股：由国内开发者主导，MIT 协议，完全开放。

---

🚀 结语

在 AI Agent 从“能聊”走向“能干”的过程中，安全执行是最后一公里。SkillLite 用极简架构、硬核安全、开放生态，为本地智能应用提供了坚实底座。

无论你是：

• 想构建桌面 AI 助手的独立开发者
• 需要数据不出域的企业工程师
• 关注 AI 基础设施的技术投资人

现在就是关注 SkillLite 的最佳时机。

🔗 GitHub 地址：https://github.com/EXboys/skilllite
📚 中文文档 & 教程：项目 README 已全面中文化，含 7 个实战教程（5–15 分钟/篇）

Star 一下，别错过这个可能定义“AI Agent 安全标准”的国产项目！