В статье описан экспериментальный универсальный AI-агент Persona (v0.3-beta) и архитектура, где модель решает задачи через исполнение кода, Linux-CLI и skills в изолированной песочнице. Главный вывод: минимальный набор базовых возможностей может дать универсальность без усложнения интерфейса инструментов.Persona реализован на базе pydantic-ai и при старте поднимает изолированный Docker-контейнер Ubuntu.Обмен файлами с пользователем идёт через примонтированную папку, внутри контейнера это всегда /mnt.Загрузка skills происходит из папки skills по спецификации agentskills.io.В примере агенту доступны три инструмента: run_cmd, save_text_file и load_skill; сессия стартует в чистом контейнере и уничтожается при выходе.Формат skills описан как фактический стандарт; в тексте упоминается поддержка со стороны OpenAI, Anthropic и Google и наличие экосистемы.Почему это важно: Автор предлагает сдвиг от перечисления инструментов к циклу «сгенерировал код → запустил → проверил → исправил». изолированная песочница с Linux-CLI снижает нагрузку на промпт и помогает работать с файлами и утилитами без передачи больших объёмов данных в контекст. Skills дают контекст и примеры под конкретные классы задач.На что обратить внимание: В описании ставка сделана на автономную сборку решения из команд, скриптов и файлов, а не на заранее расписанные tool-вызовы. Упоминаются варианты конфигурации и запуска (модели через OpenRouter и локальные модели через Ollama), а также способ передачи переменных окружения в песочницу через .env.sandbox. В конце перечислены направления развития: базовый веб-поиск в системном промпте, planning по умолчанию, Playwright, мультиагентность и параллелизм, улучшение UI/UX, более глубокий доступ к хост-системе и защита от чтения чрезмерно больших файлов. Релиз Claude Cowork в тексте рассматривается как возможный первый шаг в сторону универсального агента.