安装
git clone https://github.com/alphaparkinc/genpark-inprocess-python-repl-isolated-namespace-skill适合谁
- 需要让 AI Agent 在对话中执行一段 Python 代码并拿回结果的人。这个项目（GenPark AI Agent Skill）提供的是一个进程内隔离命名空间的 Python REPL 执行器，能捕获 stdout/stderr、限制可用内建函数（safe builtins restrictor），并支持运行时变量内省。
- 适合不想引入复杂依赖的环境：官方明确它零依赖，纯 Python 标准库实现。
- 适合担心 Agent 记忆被污染的场景：官方强调通过干净的 globals 分离实现进程内隔离，防止污染 Agent 内存。
- 不适合的情况：需要真正操作系统级沙箱、网络隔离或资源限制的场景，官方页面没有说明提供这些能力，属未知；需要把代码跑在独立进程或容器里的需求也未在官方说明中提及。
- 使用前提未知项：官方证据未说明支持的最低 Python 版本、是否需要特定宿主框架才能调用，这些请以仓库 README 原文为准。
3 分钟完成第一次尝试
推荐主路径：从官方 GitHub 仓库获取代码，在你的 Agent 环境中加载这个 Skill 后，执行一段只读的简单 Python 表达式。
- 前提：有一个能运行 Python 的环境。官方说明零依赖、纯标准库，因此无需额外安装第三方包。
- 获取：将官方仓库克隆到本地：
git clone https://github.com/alphaparkinc/genpark-inprocess-python-repl-isolated-namespace-skill
- 官方证据未给出具体的加载命令、函数签名或调用入口（如确切的 execute 函数名或配置格式），这一步请直接阅读仓库 README 中的用法说明完成接入，不要自行猜测接口。
- 首次尝试建议执行一段无副作用的代码，例如计算表达式并打印结果，观察两点即可确认成功：执行器返回了你代码的 stdout 输出；变量内省能让你查看命名空间中的运行时变量。
- 成功信号：输出的执行遥测（官方描述的 structured execution telemetry）包含代码运行产生的 stdout/stderr 内容，且宿主 Agent 的自身内存/变量未被这次执行改变。
注意：官方将代码路径描述为「Agent 生成代码 → 隔离命名空间引擎 → 结构化执行遥测」。即使有内建函数限制和 globals 隔离，这仍是进程内隔离，不是进程外沙箱；不要把「隔离命名空间」理解为零风险或无法触碰本地环境，官方未提供此类安全承诺。
使用案例
案例一：在 Agent 对话中做一次纯计算
- 场景：用户让 Agent 计算一段数据的统计结果。
- 做法：把生成的一段无副作用 Python 代码交给这个 REPL 执行器运行，比如构造一个小列表并计算求和/均值后 print。
- 可期待结果：官方说明它捕获 stdout，所以 Agent 能把 print 出来的结果回传给你；由于是干净 globals 分离，这段代码里的临时变量不会留在 Agent 内存中。
案例二：检查执行后的命名空间变量
- 场景：你想确认一段代码运行后到底产生了哪些变量、值是什么。
- 做法：运行你的代码后，使用它提供的运行时变量内省能力（runtime variable introspection）查看隔离命名空间里的变量状态。
- 可期待结果：能看到该次执行在隔离命名空间中留下的变量及内容；具体内省的调用方式与返回格式，官方证据未给出细节，请以仓库 README 为准。
使用边界
- 读写性质：这是一个代码执行器，天然可执行任意写操作（如写文件），官方证据只说明了内建函数限制，未说明具体限制范围，未确认它能否阻止所有写操作。
- 隔离程度：官方仅承诺进程内的命名空间隔离（globals 分离）与 safe builtins restrictor；没有进程级、容器级沙箱或网络限制的官方说明。
- 副作用与确认点：执行前确认要跑的代码没有你不愿意承担的副作用；官方未提供「撤销已执行代码」的机制。
- 本地数据：执行器运行在你自己的 Python 进程中，能否读取本地文件取决于内建限制范围，官方未说明，不能视为无隐私边界。
- 尚未确认：具体调用接口、Python 版本要求、错误处理方式、safe builtins 的白名单内容，均未在已收集证据中说明，使用前请核对仓库原文。