E2B 沙箱运行 AI 生成代码

要解决的问题

Agent 生成代码之后，总得真正跑起来才能验证。但把这些代码直接丢到宿主机上执行，等于把文件系统、网络和环境变量的控制权拱手让给一段你并不完全信任的输出。一次 rm -rf、一个误配置的依赖安装、一段死循环，都可能毁掉开发环境甚至波及生产系统。

更现实的问题在于状态污染：AI 生成的代码经常要在环境里留下痕迹——装了一半的包、临时文件、改过的配置。下一次运行要么继承脏状态，要么需要手动清理，Agent 的工作流因此变得不可重复。

技能如何工作

这个技能的核心思路是把「执行」和「宿主机」彻底解耦：

• 一次性沙箱：通过 E2B 在云端创建隔离的临时环境，Agent 在其中执行生成的代码，任务结束即整体销毁，不残留任何状态。
• 依赖自由安装：沙箱内可按需安装 pip、npm 包，无需担心污染全局环境，也不会有版本冲突。
• 输出回收：代码产生的文件、日志、运行结果可以统一收集，再由 Agent 读取分析，形成完整的「生成 → 执行 → 观察 → 迭代」闭环。
• 可控生命周期：沙箱的创建、命令下发、文件上传下载、终止销毁都通过 E2B 提供的 SDK 以编程方式驱动，Agent 可以把它当作工具链的一环来编排。

关键步骤大致是：Agent 需要运行代码时，先申请一个 E2B 沙箱实例，将代码与依赖描述注入其中，在沙箱内完成安装和执行，把需要的产物或输出拉回来，最后主动销毁沙箱。整个过程不触碰本地环境。

适用边界与注意点

• 需要有效的 E2B 账户和 API key，沙箱按云端资源计费，高频执行场景要留意用量。
• 运行依赖 E2B 服务可用，属于在线方案，离线或强数据主权要求的部署环境不适用。
• e2b-code-interpreter 包是可选组件，主要用于交互式代码执行场景，并非所有用法都必需。
• 沙箱隔离的是环境与状态，不等于安全边界万能；对高风险代码仍应限制网络出口和资源配额。
• 该技能是对 E2B 上游能力的封装，具体行为以 E2B 官方文档 为准。