安全向 Agent 评测：隔离环境与可复现的判定标准
安全评测沙箱任务包的检查点如下，正文按这些名字展开。
- 来源清单
- 隔离环境
- 缓解声明
- 双口径判定
- 复现稳定
- 元数据齐全
- 能力分层
- 合规用途
安全评测沙箱任务包：买方把验收提前了
安全向 Coding Agent 评测关注的是：在隔离环境里，代理是否沿着题目声明的目标完成可验证的成功条件，以及轨迹是否经得起复核。采购对象是可复现的任务包与判定机制，不是零散的攻击故事。
安全评测负责人问的第一句是：目标容器出站关了吗？供应商说“应该关了”。当场测到外网，整包退回。
买方会先翻开「来源清单」。这一页没有可打开的样例，排期就停在试标包。
来源清单
实例来自买方书面确认的来源清单；清单外须提前申报授权与拟交付列表，未确认不计有效量。
买方把「来源清单」当成能否进入比选的门槛：样例页看不见，扩量谈判就先不排。
来源链接与编号进元数据。
与已有数据撞编号且路径相同的计重复。
朗慧只在书面确认范围内组织封装与验收材料。
隔离环境
每实例独立隔离环境；代理与目标分离，出站受控，可重置；资源规格写入清单。
买方把「隔离环境」当成能否进入比选的门槛：样例页看不见，扩量谈判就先不排。
出站放开的环境，评测作废。
重置后状态一致，防止串题污染。
Docker/QEMU 版本记录在案。
缓解声明
ASLR、PIE、沙箱、KASLR 等缓解措施按实例声明开启或关闭，禁止隐性默认。
买方把「缓解声明」当成能否进入比选的门槛：样例页看不见，扩量谈判就先不排。
声明与实机不一致即失败。
关闭缓解须有书面理由。
抽检核对 sysctl/编译选项。
双口径判定
成功需同时满足约定成功信号与轨迹复核：确认路径经由题目声明目标，拒绝取巧旁路。
买方把「双口径判定」当成能否进入比选的门槛：样例页看不见，扩量谈判就先不排。
只有信号没有合法路径，计失败。
复核器规则版本化。
人工抽检与自动判定对照。
复现稳定
触发与成功判定在干净快照上多次执行均需稳定出现约定证据；补丁后环境应表现差异。
买方把「复现稳定」当成能否进入比选的门槛：样例页看不见，扩量谈判就先不排。
三次复现中的失败要解释。
命令、预期输出与校验命令写入清单。
不稳定实例不入库。
元数据齐全
公开来源、编号、目标版本、构建信息、运行产物说明齐全；补丁策略按约定提供或明确不提供。
买方把「元数据齐全」当成能否进入比选的门槛：样例页看不见，扩量谈判就先不排。
缺编号的实例退回。
版本字符串与镜像标签一致。
清单机器可读。
能力分层
若采用分层能力计分，须声明层级与机械校验信号，避免只靠模型主观判断。
买方把「能力分层」当成能否进入比选的门槛：样例页看不见，扩量谈判就先不排。
层级定义进指南。
每环境每项能力计数规则防刷分。
榜单分数不作朗慧承诺。
合规用途
数据仅用于授权的安全研究与模型评测；交付与存放遵守买方安全规范，不提供绕过法律的操作指南。
买方把「合规用途」当成能否进入比选的门槛：样例页看不见，扩量谈判就先不排。
用途条款进合同。
访问权限最小化合规。
朗慧不提供攻击教学或未授权渗透服务。
没有隔离，成功信号只是噪声
安全评测基准把 Agent 能力拆成可机械校验的层级，并强调隔离与轨迹复核。行业共识是：没有隔离与双口径，分数只是表演。公开项目说明可用于对齐验收页，不等于可照搬其全部实例。
放回「安全评测沙箱任务包」，买方可以用这些公开讨论核对文件夹里有没有版本号、样例和停线条件。对得上，就可以写进工作说明；对不上，就继续停在样例评估。论文里的成功率与基准分，不写进朗慧验收承诺，也不换算成公司收入。
读「安全评测沙箱任务包」时的现场语气
行业里谈「安全评测沙箱任务包」，语气已经从“能不能做”转到“能不能在三个月后复盘”。复盘需要的不是形容词，而是当时冻结的定义、样例编号和停线记录。
销售材料若出现未经抽检表支撑的准确率，评审应要求追溯到某一版记录；追溯不到就删掉数字，只保留范围句。
财务与业务负责人应拿到同一版本的比选表。两份表格版本号不同，会议先对齐文件，再讨论价格。
把「安全评测沙箱任务包」写进年度数据预算时，试标包、返工预备和量产段分开列。返工预备不是浪费，而是定义尚未稳定时的正常成本。
对外沟通只用验收记录里的计数。把「安全评测沙箱任务包」写成形容词堆砌的宣传稿，会在复盘会上被要求逐句对账。
周报与退回理由怎样写「安全评测沙箱任务包」
围绕「来源清单」，交付团队在周报里只允许写计数与编号，不允许写“基本完成”。来源链接与编号进元数据。若本周无新增样例，就写明阻塞项来自买方材料还是执行返工。
与「来源清单」相关的退回理由要能被另一位同事独立复述。与已有数据撞编号且路径相同的计重复。复述失败，说明指南句子还不能进移交清单。
围绕「隔离环境」，交付团队在周报里只允许写计数与编号，不允许写“基本完成”。出站放开的环境，评测作废。若本周无新增样例，就写明阻塞项来自买方材料还是执行返工。
与「隔离环境」相关的退回理由要能被另一位同事独立复述。重置后状态一致，防止串题污染。复述失败，说明指南句子还不能进移交清单。
围绕「缓解声明」，交付团队在周报里只允许写计数与编号，不允许写“基本完成”。声明与实机不一致即失败。若本周无新增样例，就写明阻塞项来自买方材料还是执行返工。
与「缓解声明」相关的退回理由要能被另一位同事独立复述。关闭缓解须有书面理由。复述失败，说明指南句子还不能进移交清单。
围绕「双口径判定」，交付团队在周报里只允许写计数与编号，不允许写“基本完成”。只有信号没有合法路径，计失败。若本周无新增样例，就写明阻塞项来自买方材料还是执行返工。
与「双口径判定」相关的退回理由要能被另一位同事独立复述。复核器规则版本化。复述失败，说明指南句子还不能进移交清单。
围绕「复现稳定」，交付团队在周报里只允许写计数与编号，不允许写“基本完成”。三次复现中的失败要解释。若本周无新增样例，就写明阻塞项来自买方材料还是执行返工。
与「复现稳定」相关的退回理由要能被另一位同事独立复述。命令、预期输出与校验命令写入清单。复述失败，说明指南句子还不能进移交清单。
围绕「元数据齐全」，交付团队在周报里只允许写计数与编号，不允许写“基本完成”。缺编号的实例退回。若本周无新增样例，就写明阻塞项来自买方材料还是执行返工。
与「元数据齐全」相关的退回理由要能被另一位同事独立复述。版本字符串与镜像标签一致。复述失败，说明指南句子还不能进移交清单。
围绕「能力分层」，交付团队在周报里只允许写计数与编号，不允许写“基本完成”。层级定义进指南。若本周无新增样例，就写明阻塞项来自买方材料还是执行返工。
与「能力分层」相关的退回理由要能被另一位同事独立复述。每环境每项能力计数规则防刷分。复述失败，说明指南句子还不能进移交清单。
围绕「合规用途」，交付团队在周报里只允许写计数与编号，不允许写“基本完成”。用途条款进合同。若本周无新增样例，就写明阻塞项来自买方材料还是执行返工。
与「合规用途」相关的退回理由要能被另一位同事独立复述。访问权限最小化合规。复述失败，说明指南句子还不能进移交清单。
和「安全评测沙箱任务包」相关的协作约定
市场材料提到「安全评测沙箱任务包」时，只引用已放行批次的范围句。未放行的试标结果可以写“进行中”，不要写准确率。
竞品宣传里的基准分，放进附录作背景，不放进报价摘要第一页。
若客户把「安全评测沙箱任务包」与另一条产品线打包询价，仍要求各自的样例页，防止用畅销线掩盖空白线。
移交日对「安全评测沙箱任务包」的逐项点名
第 1 个检查点「来源清单」在移交日要能打开：事实句写明“实例来自买方书面确认的来源清单；清单外须提前申报授权与拟交付列表，未确认不计有效量。”。现场补充保留这句：“朗慧只在书面确认范围内组织封装与验收材料。”。打不开就从移交清单划掉，不口头担保。
第 2 个检查点「隔离环境」在移交日要能打开：事实句写明“每实例独立隔离环境；代理与目标分离，出站受控，可重置；资源规格写入清单。”。现场补充保留这句：“Docker/QEMU 版本记录在案。”。打不开就从移交清单划掉，不口头担保。
第 3 个检查点「缓解声明」在移交日要能打开：事实句写明“ASLR、PIE、沙箱、KASLR 等缓解措施按实例声明开启或关闭，禁止隐性默认。”。现场补充保留这句：“抽检核对 sysctl/编译选项。”。打不开就从移交清单划掉，不口头担保。
第 4 个检查点「双口径判定」在移交日要能打开：事实句写明“成功需同时满足约定成功信号与轨迹复核：确认路径经由题目声明目标，拒绝取巧旁路。”。现场补充保留这句：“人工抽检与自动判定对照。”。打不开就从移交清单划掉，不口头担保。
第 5 个检查点「复现稳定」在移交日要能打开：事实句写明“触发与成功判定在干净快照上多次执行均需稳定出现约定证据；补丁后环境应表现差异。”。现场补充保留这句：“不稳定实例不入库。”。打不开就从移交清单划掉，不口头担保。
第 6 个检查点「元数据齐全」在移交日要能打开：事实句写明“公开来源、编号、目标版本、构建信息、运行产物说明齐全；补丁策略按约定提供或明确不提供。”。现场补充保留这句：“清单机器可读。”。打不开就从移交清单划掉，不口头担保。
第 7 个检查点「能力分层」在移交日要能打开：事实句写明“若采用分层能力计分，须声明层级与机械校验信号，避免只靠模型主观判断。”。现场补充保留这句：“榜单分数不作朗慧承诺。”。打不开就从移交清单划掉，不口头担保。
第 8 个检查点「合规用途」在移交日要能打开：事实句写明“数据仅用于授权的安全研究与模型评测；交付与存放遵守买方安全规范，不提供绕过法律的操作指南。”。现场补充保留这句：“朗慧不提供攻击教学或未授权渗透服务。”。打不开就从移交清单划掉，不口头担保。
以上八项全部能打开，才在「安全评测沙箱任务包」移交单上签字。少一项，签字人需要书面说明为何豁免，豁免进出变更表。
报价里写得清的范围
朗慧可在 Coding 线提供安全评测任务包的封装、元数据治理、复现验收与抽检记录，范围以书面确认的来源与用途为准。不提供攻击教学，不把公开基准分数写成交付承诺。
比选表建议设四列：范围是否写清、样例能否被另一位同事复核、停线条件有没有阈值、许可证或授权是否落地。单价放在四列之后。任一列空白，本轮不进入扩量谈判。
报价前确认四件事：来源清单、隔离与出站、双口径判定、复现次数。未齐只做样例评估。
评估口径：按样例编号记录通过或退回、复判理由与责任角色；无法回溯的样本不计入放行。公开论文和基准结果用于理解技术趋势，不代表本项目效果；范围与验收指标以书面约定为准。
本文供准备样例评估。它不构成法律意见、医疗诊断或投资建议。授权、出境和监管路径由买方法务确认。引用时请写明主题和 2026-10-22。