亚马逊云科技开源智能体决策模型Strands Decider 2B与安全沙箱Strands Box

一句话结论

亚马逊云科技开源智能体决策模型与安全沙箱，补齐执行控制短板，但生产环境并发与冷启动性能仍存隐患。

关键要点

• Strands Decider 2B 基于 Qwen3.5-2B 改造，在 NVIDIA RTX 3090 上决策延迟中位数约 115 毫秒。
• Strands Decider 2B 在 JevBench 基准测试中，v19 检查点 231 项公开任务准确率为 72.3%。
• Strands Box 将 Shell、Python 执行及网络访问统一路由至策略层，目前处于开发者预览阶段。
• Strands Box 支持限制智能体调用外部 API 频率或要求代码通过测试后才允许推送到仓库。
• 早期开发者反馈暴露出并发请求处理、Apple Silicon 兼容性以及冷启动延迟等亟待解决的生产级问题。

背景与事实

亚马逊云科技近期推出了两个面向人工智能智能体开发领域的开源项目，分别是 Strands Decider 2B 和 Strands Box。这两个项目分别针对构建能够使用工具、执行代码并与外部系统交互的智能体时所面临的不同核心问题提供了解决方案，共同将 Strands 生态系统的功能边界从单纯的智能体编排扩展至决策和执行控制领域。

Strands Decider 2B 是一个拥有 20 亿参数的小型模型，其设计初衷是促使智能体工作流在预定义选项中进行选择，而非生成冗长的文本响应。该模型支持模型路由、工具选择、分类、护栏和上下文管理等任务。在底层架构上，该模型以 Qwen3.5-2B 为基础，将其语言模型头替换为一个用于为候选答案评分的指针头，并使用秩 16 的 LoRA 适配器进行微调。亚马逊云科技已公开发布该模型的权重、训练数据和脚本，允许开发者在本地环境中运行并对其进行二次修改。开发者可以通过安装 strands-decider 软件包来使用其命令行界面，或者将该模型直接集成到 Strands 智能体中。

在性能表现方面，亚马逊云科技提供的数据显示，Strands Decider 2B 在 NVIDIA RTX 3090 显卡上的决策延迟中位数约为 115 毫秒，而在配备 Apple M3 芯片的 MacBook 上处理小型任务时延迟约为 153 毫秒。在评估方面，该公司使用 JevBench 对该模型进行了测试，其 v19 检查点在 231 项公开任务中的准确率达到 72.3%。尽管亚马逊云科技使用了与竞争对手相同的基准测试工具，但当前公布的数据并不能直接证明 Strands Decider 2B 在性能上优于通过托管 API 提供服务的 TypeSafe AI 旗下的竞品 Jev。

第二个项目 Strands Box 目前处于开发者预览阶段，旨在为执行 AI 智能体提供隔离环境。它将操作系统级隔离与名为 Dogwood 的开源策略语言相结合。Dogwood 专门用于定义智能体可以执行哪些操作。该沙箱全面支持 Shell 命令、Python 执行、MCP 工具、文件系统操作以及网络访问。Strands Box 利用内核强制执行的隔离机制，将智能体的所有交互行为路由至策略层。开发者可以根据操作的具体内容和历史执行记录来决定是否允许相关操作。例如，策略层可以要求智能体必须通过测试验证后才能将代码推送到仓库，也可以对智能体调用外部 API 的频率进行严格限制。这些控制机制独立于语言模型之外运行，从而有效减少了执行边界对提示词指令的依赖。此外，亚马逊云科技表示 Strands Box 可以配合不同的模型和智能体框架使用，无论这些组件运行在本地还是云环境中，这使得开发者能够在不替换现有智能体架构的情况下平滑引入执行策略。

在实际应用与开发者反馈方面，AWS Community Builder 且由山下一郎（Yuuki Yamashita）撰写的实践教程表明，Strands Decider 2B 能够成功阻止智能体调用不受支持的天气工具。然而，GitHub 上的社区讨论揭示了该模型在并发请求处理、Apple Silicon 芯片兼容性和冷启动延迟方面存在的技术问题，这些短板凸显了开发者在将该模型推向生产环境前必须进行充分评估的现实状况。另一方面，AI Builder 且由迪彭·瓦贾（Dipen Vaja）在 X 平台上评论指出，他宁愿让智能体在运行中途因为触发策略而停止，也不愿意让其沿着一条错误路径执行到底。他特别强调，Strands Box 作为内核级沙箱，通过将 Shell、Python、工具和网络访问统一路由至同一个策略层，使得系统可以设置诸如“智能体读取客户文件后，禁止其发起出站 HTTP 请求”的复杂规则。

影响分析

对于中文开发者与从业者而言，这两个开源项目的发布标志着智能体基础设施建设在决策与安全隔离层面迎来了显著的低门槛工具。分析判断认为，Strands Decider 2B 和 Strands Box 的组合为构建高可靠性、合规性智能体提供了具体的工程化路径。过去开发者在构建能够操作外部系统的智能体时，往往只能依赖提示词工程来约束智能体行为，这种做法缺乏强制性且容易被越狱攻击突破。而 Strands Box 引入的内核级沙箱与策略语言机制，使得开发者能够在执行边界建立硬性防护，这对于金融、医疗、企业级数据管理等对数据安全和操作合规性要求极高的行业具有直接的实用价值。同时，Strands Decider 2B 提供的高置信度结构化决策能力，帮助开发者在工作流中实现了更精确的工具路由与模型调度，降低了通用大语言模型在结构化任务上的算力消耗与延迟。不过，由于并发和冷启动问题尚未解决，开发者在将其应用于高并发、低延迟要求严苛的实时场景时，仍需承担额外的工程评估成本。

适用边界

需要明确的是，当前 Strands Decider 2B 和 Strands Box 的技术特性决定了其应用场景存在明显的边界限制。首先，Strands Decider 2B 的核心设计是处理预定义选项的决策，其 72.3% 的准确率数据基于 231 项公开任务，在未经充分验证的复杂开放任务或长逻辑推理场景中，该模型的决策可靠性无法得到保证。其次，由于 GitHub 社区已明确反馈该模型在 Apple Silicon 芯片上的兼容性问题以及高并发请求处理时的性能瓶颈，因此该模型目前不适合直接部署在基于苹果芯片的终端设备或高并发生产级服务端环境中。最后，Strands Box 目前仍处于开发者预览阶段，其 API 和核心策略引擎可能在未来版本中发生变动，不适合直接用于对稳定性要求极高的核心生产系统。

孤本观察

作为科技资讯编辑，基于上述事实可以判断，亚马逊云科技此次开源的核心意图并非单纯提供性能最优的组件，而是试图通过标准化的执行控制语言与决策模型，抢占智能体安全与边界管理的底层生态位。尽管当前版本在硬件适配和并发性能上存在明显短板，但其将安全控制下沉至内核级沙箱的策略，预示着行业正从单纯依赖提示词约束向强制执行边界管理的实质性技术演进。

来源：InfoQ 中文 AI