摘要
2025.12.14 晚上发生的 OpenAI "Code Interpreter"(内部代号 "Coworker")文件系统泄露事件,为全球人工智能与软件工程社区提供了一个前所未有的窗口,得以窥探当前最先进的大语言模型(LLM)执行环境的真实架构。长期以来,业界普遍假设 Code Interpreter 仅仅是一个标准的、沙箱化的 Python 环境,依赖于开源数据科学库(如 pandas、matplotlib、openpyxl)进行运算。然而,对泄露目录(特别是 /opt、/usr/lib 及 CLI 工具中的 node_modules)的深入取证分析彻底推翻了这一假设。
分析结果显示,该系统并非单一的 Python 解释器,而是一个高度复杂、多语言混合的工程巨兽。其核心逻辑并非由 Python 驱动,而是依赖于 .NET 9 (C#) 构建的高性能 XML 解析与生成引擎;其可视化渲染采用了 WebAssembly (WASM) 技术实现的客户端-服务端镜像架构;其系统监控与遥测工具基于 Bun 运行时;而其底层的文档处理能力则建立在微软传统的 OpenXML SDK 基础之上。更令人震惊的是,该环境运行在一个带有 Google 内部特征的 Chrome User Agent (CUA) 容器中,暴露了大量与其竞争对手基础设施相关的痕迹。
本文将从核心引擎架构、数据流转机制、可视化渲染逻辑、控制层实现、基础设施特征、安全沙箱机制及代码人类学特征等七个维度,对此次泄露事件进行详尽的技术剖析。分析表明,LLM 在此系统中并非全知全能的创造者,而是一个被限制在严格规则下的操作员,通过拙劣的胶水代码(Glue Code)和正则表达式(Regex)与一个庞大的人造机器进行交互。
1. 核心引擎架构:.NET 9 与 C# 的隐形统治
本次泄露中最具颠覆性的发现,莫过于 Python 在文档处理与高级数据分析任务中的边缘化。虽然用户界面呈现为 Python 代码的执行,但实际负责解析、生成和操作复杂文档格式(如 .docx、.xlsx)的算力实体,是一个编译型的 C# 应用程序,且运行在极为激进的 .NET 9 运行时环境之上。
1.1 @oai/walnut 包与其战略定位
在对泄露的文件系统进行遍历时,研究人员在 node_modules 深处定位到了一个名为 @oai/walnut 的关键包 1。该包的 README.md 文件包含了一段极具说明性的描述,将其定义为 "C# XML parser built for WASM browser module package and as CLI for Backend services"(构建为 WASM 浏览器模块包及后端服务 CLI 的 C# XML 解析器)1。
这一发现具有多重技术含义:
- 语言选择的理性回归:Python 的 xml.etree 或 lxml 库在处理 Office Open XML (OOXML) 标准时,往往面临性能瓶颈与类型安全问题。OOXML 是一个极其庞大且复杂的标准,包含了数千种嵌套的 XML 元素。C# 凭借其强类型系统和微软官方 OpenXML SDK 的原生支持,能够提供远超 Python 的解析速度与内存安全性。
- .NET 9 的激进采用:泄露信息显示该组件运行在 .NET 9 上 1。考虑到.NET 9 是微软技术栈中极其前沿的版本,这一选择表明 OpenAI 的工程团队并未保守地选择长期支持版本(LTS),而是极力追求最新的 Just-In-Time (JIT) 编译优化、Native AOT(提前编译)能力以及对 WebAssembly 的原生支持。这种对新技术的激进采纳,暗示了该组件对性能有着极高的要求。
1.2 "Roundtrip"(往返)架构解析
系统采用了一种被内部称为 "Roundtrip" 的数据处理架构 1。这一架构的设计初衷是为了解决 LLM 直接编辑 XML 文件时极易产生的结构破坏问题。
基于二进制分析还原的工作流如下:
- 摄入(Ingestion):用户上传 Office 文件(如 Excel 表格)。
- 转译(Transmutation):@oai/walnut 引擎介入,将原始的 OOXML 文件(本质上是 XML 的压缩包)解析并转换为一种专有的 Protobuf (Protocol Buffers) 格式,文件扩展名为 .bin 1。
- 操控(Manipulation):LLM 生成的 Python 代码并不直接读写 XML,而是与这个中间态的 Protobuf 对象进行交互。Protobuf 提供了一个严格的结构化接口,限制了 LLM 的操作范围,防止其生成非法的 XML 标签。
- 重构(Reconstruction):一旦 Python 脚本完成对 Protobuf 数据的修改(例如添加一行数据),C# 引擎再次介入,将修改后的 Protobuf "再膨胀"(Re-inflate)回标准的 OOXML 文件 1。
这种架构证明了 LLM 的"智能"是被严格封装的。模型从未真正"看见"过原始文件,它操作的是经过 C# 工程师精心设计的、安全的中间抽象层。这解释了为何 Code Interpreter 在处理文档时极少出现文件损坏的情况——C# 引擎充当了无情的守门员。
1.3 WASM 镜像与同构渲染
@oai/walnut 最为精妙的设计在于其跨平台的部署能力。泄露证据表明,该 C# 引擎不仅运行在服务器端,还被编译成了 browser-wasm(WebAssembly)模块 1。
这意味着,当用户在 ChatGPT 界面中看到一个 Excel 表格的预览时,这并非服务器生成的一张静态截图(Screenshot),而是用户的浏览器下载了 WASM 模块,并在本地执行了与服务器端完全一致的.NET 代码来实时渲染预览 1。
WASM Mirroring(WASM 镜像) 策略带来了显著的工程优势:
- 绝对一致性(Consistency):由于服务器和客户端运行的是同一套 C# 代码库(仅编译目标不同),预览效果与最终下载文件的内容在字节级别上保持一致。
- 计算卸载(Compute Offloading):将渲染逻辑下放到客户端,极大地减轻了 OpenAI 后端服务器的 CPU 负载。服务器只需传输轻量级的 Protobuf 数据,繁重的布局计算由用户终端承担。
- 安全隔离:即使渲染引擎存在缓冲区溢出等漏洞,攻击者利用恶意文件触发的也是用户浏览器的崩溃,而非后端服务器的沦陷。
2. 伪造的 Excel 引擎与 PPTX 奇点
对泄露的 TypeScript 定义文件(由 Protobuf schema 生成,称为 oaiproto)的逆向工程,揭示了 OpenAI 在文档处理能力上的一个惊天秘密:OpenAI 并没有原生的 Excel 渲染引擎。
2.1 OAIProto 理论:Excel 并不存在
在解包后的 spreadsheet.ts 文件中(该文件理论上应包含 Excel 的图表与主题定义),研究人员并未发现独立的图表渲染逻辑。相反,该文件充斥着指向 PowerPoint 模块的导入语句:
import Chart from '../pptx/chart'; import Theme from '../pptx/presentation';
这一依赖关系 1 证实了 "OAIProto 理论":系统中的 Excel 功能是"伪造"的。当用户要求 Code Interpreter 处理 Excel 图表时,系统实际上是在调用 PowerPoint 的渲染引擎。
2.2 PPTX Singularity(PPTX 奇点)
这种架构决策被称为 "PPTX Singularity" 1。它意味着在 "Coworker" 的世界观里,所有的可视化对象本质上都是幻灯片(Slide)。
- Excel (XLSX):在数据层面是电子表格,但在视觉层面(图表、配色、主题)直接借用了 PowerPoint 的引擎 (oaiproto.coworker.pptx.Chart)。
- Word (DOCX):分析 document.ts 发现,Word 文档被定义为一个容器,其内容由 Paragraph 对象和从 Excel 导入的 Workbook 对象组成 2。
这种 "俄罗斯套娃" 式的对象模型导致了一个显著的现象:无论用户是请求生成 Word 文档中的统计图,还是 Excel 表格中的趋势图,生成的图表在视觉风格、字体渲染和布局逻辑上是完全一致的。这是因为它们背后是同一个 C# 类库在运作。虽然这种复用极大地降低了开发成本和维护难度,但也导致了功能的同质化——Excel 特有的复杂透视表视图或 Word 的高级文字环绕功能,很可能因为底层的 "PPTX 核心" 而无法完美实现。
3. 控制层逻辑:胶水代码与正则修补
剥开.NET 的坚硬外壳,我们看到了负责指挥系统的 Python 控制层。与其说是"智能代理",不如说这是一套依靠正则表达式(Regex)维持运转的脆弱脚本。
3.1 并不智能的代码编辑器:combined_apply_patch_cli.py
当 ChatGPT 提示 "I am updating your code"(我正在更新您的代码)时,用户往往想象有一个理解抽象语法树(AST)的高级代理在进行重构。然而,泄露的脚本 combined_apply_patch_cli.py 揭示了残酷的真相 1。
该脚本的工作原理极其原始:
- 协议(Protocol):系统提示词(System…