OpenHands 是什麼?GitHub 破 4 萬星開源自主 AI 軟體工程師懶人包與 OpenHands 教學:Docker 沙盒全自動寫程式、跑測試與發 PR
OpenHands(原名 OpenDevin)是什麼?這篇 OpenHands 教學深入解析這款在 GitHub 突破 4 萬星的開源自主 AI 軟體工程師,比較它與 Copilot 的差異,拆解 Docker 隔離沙盒運作機制、SWE-bench 實測表現,以及搭配 Claude 的 Token 成本控制策略。
當你在程式碼編輯器裡請 AI 修改一個跨檔案的功能,卻還是得自己手動打開終端機跑測試、看報錯訊息再貼回去給它改時,這篇 OpenHands 教學將帶你進入全自動開發的新階段。
因為它不再只是一個被動幫你補全下一行程式碼的打字助手,而是一個擁有獨立電腦環境、能自己動手把任務從頭做到尾的虛擬工程師。
許多剛接觸 AI 輔助寫程式的開發者,常以為所謂的自主代理人就只是在背景連續呼叫好幾次語言模型。
其實一般程式碼補全工具最大的限制,在於它們沒有一個安全且獨立的作業系統環境可以自己執行指令並驗證結果。
在過去,如果你讓語言模型直接操作你電腦的終端機,一旦它寫出一段帶有刪除指令的錯誤腳本,你的本機開發環境與重要檔案就可能瞬間毀於一旦。
這也是為什麼前身為 OpenDevin、如今在 OpenHands 官方 GitHub 儲存庫累積超過 4 萬顆星的開源專案會引發全球軟體工程界高度關注。
因為它透過啟動完全隔離的 Docker 安全沙盒容器,讓 AI 能夠在裡面自由操作 Bash 終端機、修改多個程式碼檔案、執行單元測試,甚至打開無頭瀏覽器檢查網頁畫面。
這套開源系統非常適合需要處理大量例行性除錯、補寫單元測試、升級舊版套件與建立新專案原型的軟體工程師與技術團隊。
但如果你完全沒有基礎的程式閱讀能力,也不打算替 AI 寫出來的程式碼做最終的資安審查,那麼放任全自動代理人直接修改正式環境將會帶來極高的營運風險。
延伸閱讀:NVIDIA 投資指南:輝達 NVDA 做什麼、財報重點與美股購買教學
那麼這套自主軟體工程師跟我們平常天天用的編輯器外掛,在底層運作上到底有什麼本質上的不同?

只會補全程式碼的 Copilot 哪裡不夠用?OpenHands 帶來了什麼本質改變?
過去兩年,大多數工程師都已經習慣在 VS Code 裡面安裝 GitHub Copilot 或是使用 Cursor 來加速日常開發。
這些工具雖然大幅提升了寫單一函式的速度,但在面對需要跨多個模組協同修改的真實工程票券時,人類工程師依然必須全程坐在電腦前當保母。
從「副駕駛建議」升級到「獨立執行閉環」
在傳統的副駕駛模式下,人類是手握方向盤的駕駛,AI 只是坐在旁邊隨時遞上幾行程式碼片段的助手。
每次 AI 給出修改建議後,你必須自己按下接受、自己切換到終端機輸入測試指令,一旦編譯失敗,你又得把長長的錯誤日誌複製貼回對話框請它重寫。
而這套自主工程師系統則是把「寫程式、跑指令、看報錯、再修正」的完整閉環,全部交給 AI 代理人在沙盒環境裡面自己循環執行。
當你丟給它一個 GitHub Issue 網址或是一段功能需求時,它會先自己列出修改計畫,接著自己搜尋專案目錄結構並打開對應的檔案動手修改。
改完程式碼的那一刻,它不會馬上停下來問你對不對,而是會自己打開內建的終端機執行測試腳本。
如果測試冒出紅字錯誤,代理人會自己閱讀終端機的堆疊追蹤訊息、自己推理出哪一行型別寫錯,並自動修改到所有測試亮綠燈通過為止。
在 SWE-bench 真實軟體工程基準測試的頂尖表現
為了證明這套架構不只是玩具,學術界與開源社群建立了一套名為 SWE-bench 的嚴苛基準測試,專門收集真實開源專案裡面的複雜 Bug 來考驗 AI。
一般的單次對話模型在面對這類需要跨十幾個檔案找原因的題目時,解決率往往不到百分之十。
而根據 All Hands AI 官方技術網站公布的評測數據,該系統旗下的 CodeActAgent 架構在搭配頂尖商業模型時,在 SWE-bench Verified 榜單上能成功解決超過五成以上的真實工程問題。
這項成績甚至超越了許多每個月收費數百美元的閉源商業開發代理產品,而且它的所有核心框架程式碼都以 MIT 授權條款完全免費開源。
以下我把傳統編輯器補全工具與自主軟體工程師在執行環境、除錯迴圈與交付形式上的核心差異整理成表格:
| 比較面向 | 傳統編輯器助手(如 Copilot) | 自主 AI 軟體工程師(OpenHands) |
|---|---|---|
| 核心互動模式 | 人類主導每一步,AI 即時補全單一檔案片段 | 人類下達任務目標,AI 自主規劃多步驟並連續執行 |
| 執行環境與安全性 | 直接讀寫使用者本機目錄,執行指令需人工頻繁確認 | 啟動獨立 Docker 容器沙盒,壞掉可隨時一鍵重置 |
| 終端機與測試閉環 | 需人工複製報錯訊息貼回對話框反覆溝通 | AI 自動在沙盒終端機跑測試、讀報錯並自我修正 |
| 網頁畫面視覺檢查 | 無法直接看到前端渲染結果 | 內建無頭瀏覽器(Playwright),可自行開網頁檢查 DOM |
| 最終交付產出物 | 編輯器內的未儲存程式碼變更 | 通過單元測試的完整 Git Commit 或自動發起 Pull Request |
從表格中可以清楚看出,兩者並非互相取代的關係,而是分別對應了「微觀的即時寫碼輔助」與「巨觀的獨立任務外包」兩種不同層次的開發需求。
拆解 Docker 安全沙盒架構與 OpenHands 教學:它如何自己操作終端機與瀏覽器?
看懂了它的強大潛力之後,接下來這段 OpenHands 教學要帶你拆解它的底層運作機制與本機啟動方式。
因為很多人一開始最擔心的問題,就是「讓 AI 自己跑 Bash 指令,會不會不小心把我的電腦硬碟格式化,或是把公司內網搞垮」。
隔離容器沙盒如何保護你的本機環境?
為了在賦予 AI 完整系統權限的同時確保本機安全,開發團隊採用了「控制器與執行時沙盒分離」的雙層容器架構。
當你在電腦上用一行 Docker 指令啟動系統時,主程式介面會先在背景拉起一個專門給代理人使用的獨立 Linux 沙盒容器(Runtime Sandbox)。
這個沙盒容器就像是一台剛重灌好的乾淨虛擬電腦,裡面預先裝好了 Python、Node.js、Git 與常見的編譯工具鏈。
你可以選擇只把當前正在開發的某一個特定專案資料夾掛載(Mount)進這個沙盒裡,而你電腦桌面的其他私人檔案與系統目錄則完全對沙盒隱形。
就算代理人在嘗試修復環境的過程中不小心跑了破壞性的刪除指令,被搞壞的也只是那個隨時可以秒速銷毀重建的暫存容器,你的宿主機系統依然毫髮無傷。
終端機、Jupyter 與無頭瀏覽器的三合一武器庫
當你打開瀏覽器連上本機的 localhost:3000 操作介面時,你會在畫面上看到一個極為直覺的雙欄式開發指揮台。
左半邊是你跟 AI 代理人溝通需求的對話視窗,右半邊則是即時同步顯示它一舉一動的四個分頁:終端機、程式碼編輯器、Jupyter 筆記本與內建網頁瀏覽器。
在底層的 CodeAct 架構下,代理人所有的思考與行動都被統一收斂為兩件事:執行標準的 Linux Bash 指令,或是撰寫並執行 Python 腳本。
當你請它幫一個現有的後端專案加上新的資料表欄位時,你會在右側終端機親眼看到它自己輸入 grep 搜尋程式碼、用腳本修改檔案,接著跑資料庫遷移指令。
如果這是一個前端網頁任務,它還會在沙盒裡自己把開發伺服器跑起來,接著呼叫內建的無頭瀏覽器去打開該網址,檢查畫面上的按鈕有沒有成功渲染出來或是有沒有跳出 JavaScript 錯誤。
模型搭配與 API 串接成本實戰:為什麼呼叫 Claude 最強?如何避免 Token 帳單失控?
雖然這套開源框架本身完全免費,但它就像是一具精密的機器人軀殼,你還是得在設定畫面裡為它接上一顆夠聰明的大型語言模型大腦。
因為自主代理人在執行多步驟任務時,每一步都要把終端機的輸出與檔案內容塞回上下文裡,對模型的長文本推理能力與荷包都是不小的考驗。
商業 API 串接與本地模型權重下載部署的實測落差
在進到系統設定頁面時,你可以透過輸入各家廠商的 API 金鑰來串接不同的雲端語言模型介面。
根據官方社群與大量開發者的實測回饋,目前表現最穩定、最不容易在複雜除錯迴圈中迷失方向的模型,依然是 Anthropic 的 Claude 3.5 與 3.7 Sonnet 系列,以及 OpenAI 的高階程式碼模型。
很多人會問,我能不能改接自己電腦本機已經下載好模型權重的免費開源模型來省錢?
所謂的模型權重,就是語言模型訓練後的核心參數,雖然你可以先把它下載到本機硬碟並透過 Ollama 接進系統裡,但一般 7B 或 14B 的小模型在面對長達數萬字的專案上下文時,非常容易忘記前面的指令格式而陷入死迴圈。
如果你真的因為嚴格的資安規定必須使用本地模型,建議至少要準備雙顯卡工作站來跑 32B 到 70B 以上的專門程式碼模型(例如 Qwen-2.5-Coder-32B),才具備基本的實戰可用性。
四招鎖住高昂 Token 消耗的省錢設定
由於代理人在沙盒裡每執行一個指令、每讀取一個檔案,都會算進一次新的模型輸入字數,如果遇到一個修不好的 Bug 讓它自己無限重試,一個下午就可能燒掉幾十美元的額度。
為了防止帳單失控,你在啟動任務前務必先做好以下四項成本防護設定:
第一是在進階設定中開啟「提示詞快取(Prompt Caching)」功能,因為代理人在連續對話中前百分之八十的系統提示與歷史紀錄都是重複的,開啟快取能直接幫你省下高達七成以上的重複輸入費用。
第二是明確設定單一任務的「最大迭代步數上限(Max Iterations)」與「單次任務預算上限」,例如限制它最多只能嘗試 30 步,一旦超過步數還沒修好就強制暫停並呼叫人類介入。
第三是把一個龐大的新功能拆解成三到四個具體的小任務分批交給它,每次完成一個小階段就開啟新的對話工作階段,避免歷史上下文像滾雪球一樣越滾越大。
第四則是善用專案根目錄下的 .openhands_instructions 設定檔,預先把專案的測試指令、目錄規範與禁止修改的檔案路徑寫清楚,幫 AI 省去在茫茫檔案海中盲目摸索的浪費。
哪些任務適合交給自主工程師?哪些高風險權限必須嚴格鎖死?
當你掌握了沙盒操作與成本控制技巧後,最後一個關鍵決策就是判斷日常工作裡有哪些事情該放手交給它,哪些事情還是得由人類親自把關。
因為就算是最頂尖的代理人,它依然缺乏對公司商業邏輯與長遠架構債的全局理解。
最適合外包給 AI 代理人的四大高投資報酬率場景
在實務開發團隊中,投資報酬率最高的第一種用法是「自動補齊遺漏的單元測試與端到端測試」。
你可以指定某個核心業務模組,請代理人在沙盒裡自己讀取現有邏輯、自己寫測試案例並執行覆蓋率檢查,人類最後只需要花五分鐘審查測試邏輯是否合理即可。
第二種極好用的場景是「老舊套件升級與語法重構」,例如把專案裡的某個框架從舊版升級到新版,並請它自動根據編譯器的棄用警告逐一修好所有報錯的呼叫點。
第三種則是「GitHub Issue 的初步除錯與重現」,當用戶回報一個錯誤時,你可以透過 GitHub Action 自動觸發代理人先去寫一段能重現該錯誤的測試腳本,並嘗試提出第一版修復草稿。
以下我把不同軟體工程任務交給自主代理人執行時的成功率、建議搭配模型與人類審查重點整理成表格:
| 軟體開發任務類型 | 自主完成成功率 | 建議搭配模型等級 | 人類工程師最終審查重點 |
|---|---|---|---|
| 補寫單元測試與提高覆蓋率 | 極高 | 雲端主流模型或本地 32B 模型 | 檢查邊界條件是否真實有效,避免流於形式測試 |
| 明確報錯日誌的單一 Bug 修復 | 高 | Claude Sonnet 或 GPT-4o | 確認修復方式為治本而非單純隱藏錯誤例外 |
| 套件版本升級與跨檔案重構 | 中高 | 支援長上下文的頂尖商業模型 | 核對向下相容性與型別定義是否完整一致 |
| 從零建立全新微服務或網頁原型 | 中高 | 頂尖商業模型搭配瀏覽器預覽 | 檢查目錄架構合理性與第三方依賴套件安全性 |
| 核心金流、權限驗證與資料庫遷移 | 低(不建議全自動) | 僅限輔助分析,需人類主導撰寫 | 嚴格把關資安漏洞、注入攻擊與資料一致性 |
如上表所示,越是具備明確「通過或失敗(Pass/Fail)」自動化測試指標的任務,交給自主工程師的效果就越驚人。
延伸閱讀:RTX 5080 16GB 跑本地 AI 夠用嗎?量化模型與顯存實測指南
企業導入時必須鎖死的三條資安紅線
在享受自動化便利的同時,你在配置沙盒環境時有幾條資安紅線千萬不能踩。
首先,絕對不要把包含正式環境資料庫連線密碼、雲端主機最高權限金鑰或客戶真實個資的 .env 設定檔直接掛載進代理人的沙盒裡。
其次,如果你讓代理人連接 GitHub 自動發起合併請求(Pull Request),務必只給予它寫入獨立分支的受限權限,並強制要求必須經過人類工程師 Code Review 才能合併進主幹分支。
最後,在處理來源不明的外部開源專案或外部 Issue 文字時,要留心「提示詞注入攻擊(Prompt Injection)」,開啟沙盒的確認模式(Confirmation Mode)來攔截任何企圖把本機資料外傳到陌生網址的可疑網路請求。
結語:從親手敲每一行字,轉型成懂得拆票與驗收的 AI 技術主管
回顧軟體工程的演進史,我們從早期的手寫組合語言、進化到高階語言與自動補全 IDE,而如今以這款破 4 萬星專案為代表的自主工程師,正帶領我們跨入下一個世代。
未來的優秀工程師,核心競爭力將不再只是誰背的語法多、誰敲鍵盤的速度快,而是誰更懂得把模糊的商業需求,拆解成邊界清晰、可被自動化測試驗證的工程規格。
如果你還沒體驗過讓 AI 在沙盒裡自己寫碼跑測試的震撼感,我建議你今天就在電腦上打開 Docker,用官方提供的一行啟動指令把它跑起來。
先從你手邊專案裡挑一個拖延已久的小 Bug 或是一支一直沒空補寫測試的工具函式,丟給沙盒裡的代理人去試試身手。
當你學會如何用清楚的驗收條件去指揮並審查這群不知疲倦的虛擬工程師時,你一個人就能發揮出過去一整個敏捷開發小隊的產出能量。
常見問題(FAQ)
Q1:為什麼網路上很多舊文章叫它 OpenDevin?這跟本篇 OpenHands 教學是同一個專案嗎?
是的,這兩者是完全同一個開源專案。
該專案在剛推出並迅速爆紅時原本命名為 OpenDevin,後來開發團隊為了建立更清晰的開源品牌識別並成立 All Hands AI 組織,正式將專案全面改名為現今的名稱。
因此只要你照著本篇 OpenHands 教學中的最新 Docker 映像檔路徑與指令進行安裝,就能直接使用到整合了最新 CodeAct 架構與圖形介面的正式版本。
Q2:在個人電腦上安裝並執行這套系統,對電腦硬體規格有什麼要求?
因為系統本身的開發環境與無頭瀏覽器都是在 Docker 容器裡面運作,而且語言模型的推論運算預設是交給雲端伺服器處理,所以對你本機的顯示卡沒有任何要求。
只要你的 Windows(需開啟 WSL2)、Mac 或 Linux 電腦擁有 8GB 到 16GB 以上的系統記憶體,並預留約 10GB 的硬碟空間來存放容器映像檔,就能非常順暢地執行。
唯有當你打算完全不接雲端服務、還要在同一台電腦上用 Ollama 跑 32B 以上的本地大型程式碼模型時,才會需要配備 24GB 以上顯存的高階獨立顯示卡。
Q3:如果代理人在沙盒裡改程式碼改到一半卡住,人類工程師可以中途插手接管嗎?
完全可以,這正是它雙欄式圖形介面最實用的設計之一。
當你發現代理人在某個測試迴圈裡連續失敗兩三次時,你可以隨時按下對話框旁邊的暫停按鈕中斷它的自動執行。
接著你可以直接切到右側的終端機或檔案區手動修改幾行關鍵邏輯,或是在對話框裡給它一句明確的除錯方向提示,再讓它接著你的進度繼續往下把剩下的收尾工作做完。
Q4:除了在本機打開網頁介面操作之外,它可以整合進公司的 GitHub 自動化流程嗎?
可以的,官方提供了完整的 GitHub Action 整合方案以及無圖形介面的命令列模式(Headless Mode)。
團隊可以在程式碼儲存庫裡設定自動化觸發規則,只要有人在某個 Issue 或 Pull Request 底下留言標註特定標籤,雲端工作流就會自動啟動沙盒容器去讀取問題並提交修復程式碼。
這讓團隊能夠把例行性的程式碼格式修正、小錯誤排查與測試補齊工作,直接變成二十四小時自動運轉的背景流水線。
Q5:這款開源自主工程師跟 Cursor 編輯器裡面的 Agent 模式有什麼差別?
Cursor 的 Agent 模式依然是深度綁定在你本機的桌面編輯器視窗內,雖然互動反應極快,但它在執行終端機指令時是直接作用於你的本機環境,而且無法在背景同時平行開十個獨立沙盒幫你解十張不同的票。
而這套容器化系統則是專為「完全隔離的安全沙盒」與「可擴充的背景自動化任務」而生。
很多資深工程師的實務做法是雙刀流並用:自己正在專心開發的核心功能用 Cursor 搭配寫作,同時在背景開兩三個沙盒容器,把修舊 Bug 與補測試的雜事外包給自主代理人平行處理。