结论先行：传统AI Agent默认全开的所有工具集，在生产环境中风险敞口太大。Hermes Agent Blank Slate模式强制从最精简的白板启动，所有工具需显式启用，配合disabled_toolsets硬约束和check_fn运行时校验，将能力控制权从模型转移回工程配置层。
如果你在生产环境中部署过AI Agent，你一定遇到过这个问题：Agent一启动就带着浏览器、终端、文件系统、网络请求等各种工具集，默认全开。看起来很方便，但在需要高可控性和审计性的生产场景里，风险敞口实在太大了。
针对这个痛点，Nous Research在Hermes Agent中引入了 Blank Slate 模式，这不是一个简单功能开关，而是一次工程范式的转变。
问题：传统Agent的默认全开陷阱
传统Agent追求的是功能最大化——「大而全」的配置。Agent一启动就拥有了几乎一切能力：
| 风险类型 | 表现 |
|---|---|
| 安全漏洞 | 未使用的工具成为攻击面 |
| 资源浪费 | 加载不必要的工具消耗上下文窗口和计算资源 |
| 行为不可控 | 模型自动调用非预期的工具 |
| 配置漂移 | 环境变化导致工具配置与预期不符 |
| 审计困难 | 不清楚哪些工具在什么条件下被调用 |
传统Agent的默认逻辑是「能用尽用」，但因为一个工具的存在而让Agent误用或滥用，代价可能远超那点便利。
Blank Slate：最小自主性启动
Blank Slate的核心哲学是 「最小自主性启动」（Minimum Autonomy Startup）。它不是简单的功能开关，而是强制Agent从一个最精简、可控的「白板」状态启动。
启动时默认禁用的内容
Agent启动时，默认只启用最基础的能力：
- 最基本的Provider和Model配置
- 最基础的文件操作和终端工具集
- 其他一切功能：默认禁用
所有其他功能，都必须由用户显式地选择性启用。这把能力控制权从模型转移回了工程配置层。
实现机制：两层安全屏障
Blank Slate的背后有一套结构化的工具管理逻辑，不是一句配置就能搞定的。
第一层：disabled_toolsets 硬约束
通过配置 agent.disabled_toolsets 列表，实现工具集的硬性约束：
agent:
disabled_toolsets:
- web
- browser
- mcp
- image_gen
关键点在于这个禁用列表具有锁定机制（lock mechanism），确保在启动阶段，被禁用的工具完全不可见。它不是可选的配置项，而是变成了强制性的安全屏障。
第二层：check_fn 运行时校验
更值得关注的是，Hermes Agent加入了 check_fn 函数。这个函数把工具可用性检查从静态配置层面，提升到了运行时校验。
def check_fn(tool_name: str, context: dict) -> bool:
"""运行时校验工具是否可用于当前上下文"""
# 检查环境状态、用户权限、任务类型等
if not is_environment_ready(tool_name):
return False
if not is_user_authorized(tool_name):
return False
return True
为什么这个升级重要？ 它解决了配置疏漏或环境漂移带来的灰色地带问题。即使配置有偏差，运行时也会进行二次校验，极大增强了系统的可靠性。
取舍：前期复杂度 vs 长期安全性
| 维度 | 传统模式（默认全开） | Blank Slate模式 |
|---|---|---|
| 启动速度 | 快（全量加载） | 快（只加载最小集） |
| 配置复杂度 | 低 | 较高（需精确定义工具集） |
| 安全风险 | 高（攻击面大） | 极低（最小权限） |
| 可审计性 | 低（难以追踪） | 高（所有启用皆显式） |
| 运行风险 | 高（模型可能误调工具） | 极低（硬约束+运行时校验） |
| 资源消耗 | 高（加载大量未用工具） | 低（按需加载） |
| 适用场景 | 实验/开发环境 | 生产环境/高安全要求场景 |
你必须接受一个取舍：前期配置的复杂度确实增加了，需要更精确地定义需要的工具集。但你换来的是部署后极高的可审计性和极低的运行风险。
上手实践建议
如果想上手验证Blank Slate，建议按以下步骤：
Step 1：搭建最基础的PoC
用Blank Slate模式启动一个Agent，不启用任何额外工具，先确认基础通信正常。
Step 2：逐步精准启用
不要一股脑把所有工具都开起来。分析任务真正需要哪些工具，一个一个启用：
1. 先开 terminal（如果需要执行脚本）
2. 再开 file（如果需要读写文件）
3. 最后考虑 web（如果需要网络访问）
Step 3：对比测试
对比传统模式和Blank Slate模式下：
- 资源消耗差异
- 行为可预测性
- 安全事件发生频率
Step 4：生产部署
将Blank Slate配置固化到版本控制，配合CI/CD做配置审计。
总结
Blank Slate标志着AI Agent的工程实践正在发生范式转变——从单纯追求「功能广度」，向「控制精度」靠拢。
对于只需要实验和学习的个人开发者，默认全开模式也许够用。但在这些场景下，Blank Slate几乎是必选：
- ✅ 生产环境长期运行的Agent
- ✅ 涉及敏感数据或系统的Agent
- ✅ 需要合规审计的企业部署
- ✅ 多用户共享的Agent服务
- ✅ Agent需要联网或操作文件系统
Blank Slate不是限制Agent的能力，而是确保Agent的能力在预期和可控范围内。真正的自由度，来自于精确的约束。