隔离沙盒、Agent 小队、定时任务三件套，拆解 Happycapy 这类云端 Agent 电脑如何分工

OpenClaw 火了一阵之后，很多人的真实感受是：装是装上了，但不知道拿它干什么；想干点正事，又卡在本地环境、API Key 和权限配置上。

公众号作者「苍何」体验了一款叫 Happycapy 的产品，给出的概括很直白：它把 OpenClaw 和 Claude Code 装进了同一个产品里。在他的体验中，可以在线选择顶尖模型，可以像 Claude Code 那样定义 claude.md，还有一个 Agent Team 开关，能让多个角色分工协作。

Happycapy 官网对自己的定位是 Agent-Native Computer（面向 Agent 的电脑）：模型、技能和自动化在同一个地方协同工作。本文不做产品测评，而是借这个案例拆解“云端 Agent 电脑”这一类产品的三块核心部件——隔离沙盒、Agent 小队、定时任务——分别解决什么问题，并用一个 Node.js 脚本把它们的协作方式模拟出来。

一、从“本地折腾”到“浏览器里的一台电脑”

过去的 AI Agent 工具大致分两派：一派偏极客，命令行、配置文件、本地部署；另一派是网页聊天框，能聊但很难真正动手干活。普通用户卡住的往往是两件事：门槛和安全感——下载、配置、权限、环境，每一步都可能劝退；而让 Agent 直接操作自己的电脑，又担心它误删文件。

云端 Agent 电脑的思路是把 Agent 需要的一切搬到云上。根据 Happycapy 官网的介绍，它提供：

隔离沙盒：Agent 在云端独立环境中浏览网页、处理文件、运行代码，与用户的电脑分离；
全天候运行：用户关机后任务依然继续；
为自动化设计：支持按计划或事件触发任务；
全程可控：每一步都能看到，随时可以中止；
多模型统一订阅：官网称接入了 30 多个前沿模型，不需要用户自己准备 API Key；
Skill Store：提供开箱即用的技能，覆盖调研、创作、自动化、编程等方向。苍何写作时看到的数字是 32 万多个，截至本文写作时官网标注为 200 万以上；
Teams：把团队成员、上下文和 Agent 放进同一个工作区。

二、三层结构：模型、技能、执行环境

把这些能力按层次整理，这类产品可以看成三层：

Mermaid Diagram

模型层解决“用哪个脑子”：写作、编程、生图、生视频各用最合适的模型，切换不需要重新配置；
技能层解决“会做哪些事”：OCR、写飞书表格、发邮件这类具体能力被封装成可搜索、可安装的 Skill；
执行层解决“在哪里做、谁来做、什么时候做”：沙盒提供安全的执行环境，Agent Team 负责分工，Automations 负责定时。

下面逐层看。

三、Skill：新的 App，Skill Store 是新的应用商店

苍何在文中有一句很有代表性的判断：Skill 就是新的软件，Skill Store 就是新的应用商店。

一个 Skill 通常由一份说明文档（告诉 Agent 何时用、怎么用）和若干脚本组成。Agent 遇到具体任务时，先在技能库里检索合适的 Skill，加载其说明，再按说明调用脚本。好处是能力按需加载：不需要把所有工具的说明一次性塞进上下文，模型的注意力和 Token 都花在当前任务上。

苍何演示的发票管理就是一个典型的技能组合：

1. 让 Agent 自主安装 PaddleOCR 的文档解析 Skill；

2. 上传发票 PDF，由 OCR Skill 识别出发票类型、号码、开票日期、购买方与销售方信息、金额税额等字段；

3. 通过飞书相关 Skill，把结构化数据写进飞书多维表格，并上传发票附件。

整个过程不需要自己搭建任何系统。以后只需上传发票，数据就会自动进入表格。这正是 Skill 的价值：把一段可复用的流程固化成一个可被 Agent 调用的能力。

四、Agent Team：一个人发需求，一个小队干活

单个 Agent 处理复杂任务时，容易出现上下文越来越长、前后关注点打架的问题。Agent Team 的做法是拆成多个角色，每个角色上下文独立、职责单一。

苍何的测试是让 Agent Team 基于开源语音项目 fish-speech 写一篇王小波风格的公众号文章，并配图。系统自动创建了“研究员”和“作家”两个角色同时开工，作家还自己完成配图，一两分钟就产出了带图的文章。产品用画布展开素材和产物，过程一目了然。

云端 Agent 电脑的分工结构

从工程角度看，Agent Team 的本质是一个带依赖关系的任务图：

研究员没有前置依赖，最先执行；
作家和配图师都依赖研究员的调研结果，二者之间互不依赖，可以并行；
汇总或发布环节依赖作家和配图师，最后执行。

调度器要做的就是反复找出“依赖都已完成”的角色，把它们作为一批并行执行，直到全部完成；如果找不到可执行的角色而任务又没做完，说明依赖成环，必须报错，而不是无限等待。角色之间不直接对话，而是通过沙盒里的文件交换产物，这样每一步都可追溯。

五、Automations：让 Agent 在你睡觉时继续干活

聊天式 AI 的工作模式是“你问一句它答一句”；Automations 把它变成“到点自己干”。苍何设置的例子是每天筛选 AI 热点资讯，附上源链接和热门开源项目 TOP 10，发到邮箱，同时存一份到飞书文档作为每日早报存档。

定时任务的核心是一条类似 cron 的规则，比如 0 9 * * 1-5 表示工作日早上 9 点。真正落地时还要考虑几件事：

时区：云端服务器的时区未必是你的时区，规则必须明确基于哪个时区解释；
失败通知：任务失败时要有告警，不能静默；否则某天早报没来，你都不知道是没新闻还是程序挂了；
幂等：重试时不能重复发送邮件、重复写表格，产物最好带日期键，写入前先查重。

六、沙盒的意义：放心交出去，才谈得上自动化

为什么沙盒是这类产品的地基？因为自动化的前提是放手。如果 Agent 跑在你的电脑上，每一次执行命令、删除文件你都想确认一遍，那就谈不上睡觉时持续产出。

官网的描述是：每个 Agent 在隔离的云端沙盒中运行，与用户电脑分离。工程上，这至少意味着三层约束：

1. 文件系统隔离：Agent 的读写被限制在自己的工作目录内，../ 越界和绝对路径访问都会被拒绝；

2. 用户之间隔离：不同用户的沙盒互不可见；

3. 操作可审计：每一步操作留痕，用户可以随时查看并中止。

需要清醒认识的是，沙盒保护的是你的本机，但你授权给 Agent 的外部账号（飞书、邮箱等）依然真实有效。Agent 往飞书表格写错数据、给错误的收件人发邮件，沙盒拦不住。所以对外写操作要尽量使用权限最小的应用凭证，并在关键步骤保留人工确认。

七、动手实验：用 Node.js 模拟四个部件的协作

配套脚本 practice/demo_agent_workspace.mjs 只依赖 Node.js 内置模块，不调用任何真实模型，用来演示上面四个部件如何配合：

Skill 检索：按标签精确命中加 3 分、描述模糊命中加 1 分，返回得分最高的技能；
Agent 小队调度：按依赖关系分批并行执行，产物写入沙盒中的 artifacts/ 目录，后续角色从这里读取前置产物；依赖成环时直接报错；
沙盒路径护栏：所有路径先解析为绝对路径，再检查是否仍在沙盒根目录之下；
cron 匹配：支持 *、*/n、范围 a-b 和逗号列表，并计算接下来几次运行时间。

沙盒护栏的核心只有几行：

resolve(p) {
  const abs = path.resolve(this.root, p);
  if (abs !== this.root && !abs.startsWith(this.root + path.sep)) {
    throw new Error(`越界访问被拒绝：${p}`);
  }
  return abs;
}

注意判断条件是 this.root + path.sep 而不是 this.root：否则 /sandbox/user-42 的护栏会放行 /sandbox/user-420 这样的兄弟目录。

隔离沙盒、Agent 小队、定时任务三件套，拆解 Happycapy 这类云端 Agent 电脑如何分工

运行结果：

$ node demo_agent_workspace.mjs
[1] Skill 检索
    「发票 ocr」 → paddleocr-doc-parsing(6)
    「飞书 多维表格」 → feishu-bitable(6)
    「公众号 写作」 → article-writer(6)
[2] Agent 小队按依赖分批执行
    第 1 批并行：researcher
    第 2 批并行：illustrator + writer
    第 3 批并行：editor
    最终产物： [editor] 使用 mail-sender；输入 2 份产物
[3] 沙盒路径护栏
    允许：notes/today.md
    拒绝：越界访问被拒绝：../user-43/secret.txt
    拒绝：越界访问被拒绝：/etc/passwd
[4] 定时自动化「0 9 * * 1-5」（工作日早 9 点推送 AI 早报）
    下次运行 2026-10-12 09:00
    下次运行 2026-10-13 09:00
    下次运行 2026-10-14 09:00
全部校验通过，沙盒操作日志： 5 条

可以看到，作家和配图师在第二批并行执行；越界读写被护栏拒绝；起点是周五上午 10 点，因此下一次运行跳过周末，落在周一早上 9 点。

八、选型与使用前的检查清单

核对套餐条款：源文作者提到 MAX 套餐可以“无限畅用” Claude Code，这类说法往往附带公平使用条款，正式依赖前要读清楚限额、并发和超额规则；
第三方 Skill 的供应链风险：技能库越大，混入恶意或低质量脚本的概率越高。优先使用官方或高信誉作者的 Skill，安装前看一眼它会调用哪些外部接口；
数据合规：发票、合同、客户名单上传到云端之前，确认是否符合所在单位的数据管理要求；
凭证最小化：给 Agent 的飞书、邮箱授权只开必要的权限，定期轮换；
自动化要有监控：定时任务配失败告警，产物带日期并可追溯；
保留人工闸门：发邮件、写外部表格、对外发布这类不可撤销的操作，至少在初期保留一次人工确认。

九、总结

Happycapy 这类产品的价值不在于又多了一个聊天入口，而在于把 Agent 真正干活需要的东西装进了一台云端电脑：沙盒给了放手的底气，Skill 给了可复用的能力，Agent Team 给了分工，Automations 给了持续性。苍何说，有了不限量的套餐之后，使用习惯会彻底改变——按自己的工作流来安排任务，而不是先算花费。

无论你最终用不用这款产品，这套“沙盒 + 技能 + 小队 + 定时”的结构都值得借鉴。先在本地跑一遍本文的模拟脚本，理解调度和护栏是怎么回事，再去评估任何一款 Agent 平台，你就知道该问哪些问题了。