安裝
git clone https://github.com/alphaparkinc/genpark-inprocess-python-repl-isolated-namespace-skill適合誰
- 需要讓 AI Agent 在對話中執行一段 Python 程式碼並取回結果的人。這個專案（GenPark AI Agent Skill）提供的是一個行程內隔離命名空間的 Python REPL 執行器，能擷取 stdout/stderr、限制可用內建函式（safe builtins restrictor），並支援執行時期變數內省。
- 適合不想引入複雜依賴的環境：官方明確表示它零依賴，純 Python 標準函式庫實作。
- 適合擔心 Agent 記憶被污染的情境：官方強調透過乾淨的 globals 分離實現行程內隔離，防止污染 Agent 記憶體。
- 不適合的情況：需要真正作業系統級沙箱、網路隔離或資源限制的情境，官方頁面並未說明提供這些能力，屬未知；需要把程式碼跑在獨立行程或容器裡的需求也未在官方說明中提及。
- 使用前提未知項：官方證據未說明支援的最低 Python 版本、是否需要特定宿主框架才能呼叫，這些請以倉庫 README 原文為準。
3 分鐘完成第一次嘗試
推薦主路徑：從官方 GitHub 倉庫取得程式碼，在你的 Agent 環境中載入這個 Skill 後，執行一段唯讀的簡單 Python 運算式。
- 前提：有一個能執行 Python 的環境。官方說明零依賴、純標準函式庫，因此無需額外安裝第三方套件。
- 取得：將官方倉庫複製到本機：
git clone https://github.com/alphaparkinc/genpark-inprocess-python-repl-isolated-namespace-skill
- 官方證據未給出具體的載入指令、函式簽名或呼叫入口（如確切的 execute 函式名稱或設定格式），這一步請直接閱讀倉庫 README 中的用法說明完成接入，不要自行猜測介面。
- 首次嘗試建議執行一段無副作用的程式碼，例如計算運算式並印出結果，觀察兩點即可確認成功：執行器回傳了你程式碼的 stdout 輸出；變數內省能讓你檢視命名空間中的執行時期變數。
- 成功訊號：輸出的執行遙測（官方描述的 structured execution telemetry）包含程式碼執行產生的 stdout/stderr 內容，且宿主 Agent 自身的記憶體／變數未被這次執行改變。
注意：官方將程式碼路徑描述為「Agent 產生程式碼 → 隔離命名空間引擎 → 結構化執行遙測」。即使有內建函式限制和 globals 隔離，這仍是行程內隔離，不是行程外沙箱；不要把「隔離命名空間」理解為零風險或無法觸及本機環境，官方並未提供此類安全承諾。
使用案例
案例一：在 Agent 對話中做一次純計算
- 情境：使用者請 Agent 計算一段資料的統計結果。
- 做法：把產生的一段無副作用 Python 程式碼交給這個 REPL 執行器執行，例如建構一個小清單並計算總和／平均值後 print。
- 可期待結果：官方說明它會擷取 stdout，所以 Agent 能把 print 出來的結果回傳給你；由於是乾淨 globals 分離，這段程式碼裡的暫存變數不會留在 Agent 記憶體中。
案例二：檢查執行後的命名空間變數
- 情境：你想確認一段程式碼執行後到底產生了哪些變數、值是什麼。
- 做法：執行你的程式碼後，使用它提供的執行時期變數內省能力（runtime variable introspection）檢視隔離命名空間裡的變數狀態。
- 可期待結果：能看到該次執行在隔離命名空間中留下的變數及內容；具體內省的呼叫方式與回傳格式，官方證據未給出細節，請以倉庫 README 為準。
使用邊界
- 讀寫性質：這是一個程式碼執行器，天生可執行任意寫入操作（如寫檔案），官方證據只說明了內建函式限制，未說明具體限制範圍，未確認它能否阻止所有寫入操作。
- 隔離程度：官方僅承諾行程內的命名空間隔離（globals 分離）與 safe builtins restrictor；沒有行程級、容器級沙箱或網路限制的官方說明。
- 副作用與確認點：執行前確認要執行的程式碼沒有你不願意承擔的副作用；官方未提供「復原已執行程式碼」的機制。
- 本機資料：執行器執行在你自己的 Python 行程中，能否讀取本機檔案取決於內建限制範圍，官方未說明，不能視為無隱私邊界。
- 尚未確認：具體呼叫介面、Python 版本要求、錯誤處理方式、safe builtins 的白名單內容，均未在已蒐集證據中說明，使用前請核對倉庫原文。