本文提出了一种名为 Web-CLI 的新型应用架构，旨在将传统命令行工具、机器学习模型和 GPU 加速推理引擎等强大的计算能力，以零安装、可离线运行的浏览器应用形式交付，同时保持底层能力的完整性。其核心思想是将所有计算过程完全置于客户端执行，通过架构而非策略来提供可验证的隐私保障。作者定义了该模式的四个关键属性：保真度（能力不缩水）、渐进式披露（按需暴露复杂性）、离线优先（不依赖网络）以及零出站数据（数据不离开用户设备）。文章给出了四个跨领域的参考实现：基于 FFmpeg 的视频编辑器 ffmpeg-webCLI、基于 Transformers.js 的语音转录工具 whisper-webCLI、基于 WebLLM 的语言模型推理工具 chat-webCLI，以及用于 3D 打印的多材质文件分割工具 3mf-webCLI。这些实现证明了该模式可适用于确定性媒体处理、神经语音识别、LLM 推理和物理输出等不同场景。作者还观察到第三方工具独立复用的早期迹象，说明该模式具有超出参考实现的泛化能力。实验部分将主要实现与原生 FFmpeg 进行了性能和功能对比，并论证了渐进式披露能降低非技术用户的使用门槛。文章最后主张，对于处理敏感数据（如医疗、法律、新闻或个人数据）的应用，Web-CLI 应成为默认架构，因为数据本地性由此成为一项可独立验证的技术属性，而非政策承诺。

本文提出了一种在原生编译的 WebAssembly（Wasm）上实现软件故障隔离（SFI）安全保证的方法。研究背景在于，WebAssembly 最初设计为在浏览器中以解释或 JIT 方式运行，其内存安全依赖于运行时检查；然而随着 Wasm 被广泛应用于边缘计算、插件系统和云原生环境，越来越多的场景选择将 Wasm 直接编译为原生代码（AOT）以提升性能。但 AOT 编译会绕过原有运行时边界，导致 Wasm 固有的沙箱隔离能力退化，恶意或受损的 Wasm 模块可能直接访问宿主进程的地址空间，造成严重安全风险。为此，作者提出了一个名为 “Trust, but verify” 的框架，其核心思想是在不牺牲原生执行性能的前提下，通过静态验证与轻量级运行时检查相结合的方式，重新建立 SFI 边界。具体而言，该方法利用编译器在生成原生代码时插入必要的安全检查（如边界检查和间接调用目标验证），并辅以形式化方法证明这些检查的完备性，从而保证即使模块是恶意的，也无法逃逸其隔离域。作者在基于 LLVM 的原生 Wasm 编译器上实现了原型，并通过一系列安全相关基准测试和真实应用测试，验证了该方案能够有效检测并阻止多种越权访问尝试，同时性能开销远小于传统的纯软件沙箱方案。该研究适合系统安全、编译器安全和边缘计算领域的从业者，以及任何依赖 Wasm 插件生态的软件架构师阅读，以深入了解在不安全的原生执行路径上如何保持隔离保证的可行路径与工程权衡。