MXC示意图

随着AI能够读取文件、整理文章并保存结果,这种用法在PC上也变得可行。然而,控制AI可触及的范围,即AI可使用的“权限”,也变得尤为重要。微软在Windows 11中引入的新技术“Microsoft Execution Containers(MXC)”正是为了将AI所需的权限授予其执行任务,同时限制超出权限的操作。

2026年10月7日,微软宣布MXC在Windows 11上的正式普及。对于像搭载RTX Spark的PC这样能够本地运行大型语言模型(LLM)的设备,MXC为更安全地运行AI提供了基础。

本次测试使用了日本国家ASUS的ProArt P16(H7607) 64GB版本(国内未发售规格)和OpenClaw Windows Hub,尝试了MXC对文件夹访问控制和外部通信限制的功能。结合AI进行笔记摘要和保存的实际应用,以及离线运行,详细介绍了MXC的机制和使用方法。

MXC正式普及,控制AI执行权限

MXC是一种机制,用于在隔离环境中执行AI生成的代码或代理调用的工具。通过定义访问文件和网络的策略,在执行时应用这些限制。关键在于权限控制在“独立于AI判断的环境”中进行。

例如,当请求AI“总结这条笔记”时,AI只需“读取原文”和“保存摘要”,无需修改原笔记或访问其他个人文件夹。此时,素材文件夹设置为只读,成果保存文件夹允许写入。权限的允许与拒绝由执行环境控制,这是MXC的基本架构。

MXC支持按处理单元隔离,也支持在Windows不同会话中运行。Windows进程级隔离采用AppContainer等技术,针对不同平台和用途提供执行基础。非Windows系统也有相应方案。

用户通过支持MXC的应用设置所需权限。微软发布时介绍了包括OpenClaw在内的多款支持应用。

本次测试的Windows Hub是可实际配置并体验MXC环境的示例之一。不同应用集成方式和处理对象不同,这里通过Windows功能“Windows Node”向OpenClaw提供命令执行功能进行测试。

将RTX Spark本地AI与操作范围控制结合

本地AI的优势在于数据留存在PC内,适合处理会议笔记、未公开稿件等敏感信息,无需上传至外部LLM服务。但需要单独设置AI可操作的文件范围。

此时,利用本地LLM处理数据,MXC控制执行权限,结合使用可选素材和保存位置,构建安全的AI工作环境。RTX Spark配备大容量内存,是支持LLM运行的理想硬件。

测试的ProArt P16 64GB版将NVIDIA App的GPU内存分配设置为40GB。使用的模型是“Qwen3.6 35B-A3B”,采用UD-Q4_K_S量化方式,模型大小约21.4GB。

Qwen3.6模型示意

该模型参数约350亿,生成时使用约30亿参数,属于MoE类型。即使部分计算被筛选,整体模型仍需大量内存,体现了RTX Spark大内存优势。

任务管理器显示模型启动后GPU内存使用约28.7GB,反映系统整体GPU内存占用,而非模型文件大小。基于此环境,验证AI文件处理和MXC访问控制。

GPU内存使用情况

使用OpenClaw Windows Hub搭建MXC本地AI环境

OpenClaw是一个AI代理,能解析LLM请求并调用工具完成任务,如“读取、摘要、保存”等多步骤操作。OpenClaw Windows Hub负责安装管理及Windows权限设置,界面和安装程序也称为OpenClaw Companion。

本次测试中,Gateway和LLM均部署在ProArt P16内,未使用云端LLM。模型及程序在联网时下载。

安装从GitHub获取OpenClaw Windows Hub安装包,版本为v2026.9.8-1。ProArt P16为Arm版Windows,选择“OpenClawCompanion-Setup-arm64.exe”。界面和推荐模型可能随版本更新而变化,以下基于此版本流程。

OpenClaw安装界面

首次设置选择在PC内安装本地Gateway,等待功能检测后点击“Install a local native gateway”。Gateway版本为2026.10.6,与Hub的Windows Node版本不同。

启用“Local AI”,确认推荐模型后选择“Install and use Local AI”,Hub自动下载、验证并启动模型,过程耗时较长。

显示“Your AI is ready”后进入“Talk to my agent”,输入“请用日语简单自我介绍”,确认AI能正常日语应答,完成本地模型对话准备。

OpenClaw对话界面

OpenClaw权限设置

接着在Permissions启用Node mode和System tools。摄像头和屏幕录制未使用,Exec Policy默认设置为Ask,执行时需确认授权。

Node请求授权时,使用显示的ID在Gateway shell执行“openclaw nodes approve ”命令批准,完成连接。Node连接和命令执行授权为独立流程。

授权请求界面

分别设置读取和保存文件夹,配置MXC作业范围

在Windows中创建用户文件夹下的[OpenClawDemo],其下设[Input](素材)和[Output](成果)两个文件夹。

Hub的Sandbox中开启“Node Sandbox”,基于“Locked Down”配置,将[Documents]、[Downloads]、[Desktop]设为“Blocked”,剪贴板权限为“None”,关闭互联网访问。

在“Custom folders”中,将[Input]设置为“只读”,[Output]设置为“读写”,且不允许父文件夹[OpenClawDemo]整体权限,单独添加两个子文件夹。

为使用PowerShell,将[Allow Windows UI APIs]设为“ON”,屏幕显示“Win32k boundary disabled”警告,表示放宽Windows UI API边界限制,但文件和网络控制仍有效。

文件夹权限设置

权限确认界面

权限确认界面

执行命令时确认内容和路径,选择“Allow Once”授权。授权是启动处理的前提。尝试向[Input]写入文件时,命令获准执行,但因MXC权限限制被拒绝。

写入拒绝提示

权限生效验证:写入拒绝与通信限制

实际操作验证MXC权限生效:[Input]文件读取和[Output]文件创建成功;尝试向[Input]写入新文件被拒,返回错误码1。

执行日志均记录“containment=mxc”,确认操作在MXC环境中执行,AI聊天报告成功或失败。

通信测试中,PC联网时Windows正常curl访问example.com返回HTTP 200;通过禁止外部通信的Windows Node执行同命令,因无法解析主机名失败,返回错误码6,日志显示外部通信被禁止且在MXC内执行。

授权后,MXC权限持续生效。即使命令允许写入,只读的[Input]仍拒绝写入。此次测试清晰展示了允许必要功能同时阻止写入素材文件夹的效果。

通信测试结果

在允许权限范围内完成摘要保存,测试离线运行

准备了虚构的PC评测文章会议笔记,内容包括面向初学者的图文安装步骤、统一电源模式、价格和发布日期未确认等信息,保存为UTF-8格式放入[Input]。

通过聊天请求AI摘要并保存至[Output],指定输入输出完整路径,使用Windows Node的system.run,禁止切换执行目标。用户名为“proart”,实际使用时替换为本机用户名路径。

处理完成后,[Output]生成[review-summary.md],总结了要点和未确认事项,实现了从聊天生成文章到文件保存的完整流程。

摘要文件

摘要内容需人工确认,出现“指定文件夹”误写为“指定格式”,“统一电源模式”误写为“整合模式”等错误。修正后仍有残留,且AI错误报告与原文一致。

通过Windows直接打开原文和摘要对比,明确需修改内容后请求AI覆盖,最终生成符合要求的文件。MXC控制权限,不保证摘要内容准确性,内容准确需另行验证。

断开PC网络,测试离线运行。Windows curl因无法解析域名失败,AI重新读取原文,不使用旧摘要,生成新摘要保存为[offline-summary.md]。

结果生成454字节新文件,内容包含目标读者、图文为主方针、摘要保存路径、测试条件和未确认事项,验证了数据不外传、全程本地完成的能力。

离线摘要文件

MXC的核心价值是根据任务限制权限

本次测试成功构建了允许从[Input]读取、向[Output]保存,同时拒绝向[Input]写入的环境。外部通信禁止设置生效,离线环境下本地LLM完成摘要和保存。

这意味着实现了AI安全运行的三大要点:“不擅自修改原始数据”、“不擅自保存到其他位置”、“本地完成任务”。

虽然摘要内容需人工审核,但文件访问权限由执行环境控制。MXC的意义在于根据任务需求,选择允许的操作范围和权限。随着RTX Spark等支持本地AI的PC出现,除了关注计算性能,也应重视如何安全地运行AI。

RTX Spark硬件