能力标签

🛠

AI工具

Sandboxd AI沙箱引擎

基于 Go · 开源 AI 工具，GitHub 社区精选

英文名：sandboxd

⭐ 718 Stars 🍴 36 Forks 💻 Go 📄 MIT 🏷 AI 8.2分

8.2AI 综合评分

AI基础设施代码沙箱Agent框架

🌐 访问官网 📺 TG 频道

✦ AI Skill Hub 推荐

AI Skill Hub 强烈推荐：Sandboxd AI沙箱引擎是一款优质的AI工具。AI 综合评分 8.2 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。

📚 深度解析

Sandboxd AI沙箱引擎是一款基于 Go 的开源工具，在 GitHub 上收获 1k+ Star，是AI基础设施、代码沙箱、Agent框架领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。

**安装与环境准备**
Sandboxd AI沙箱引擎依赖 Go 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Go 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 Sandboxd AI沙箱引擎的版本更新，及时通知重要功能变化。

📋 工具概览

一个基于Go语言开发的开源AI工作流引擎，为AI应用构建器提供隔离的开发沙箱环境。它支持内置代码执行与环境管理，旨在为AI Agent提供安全、独立且可扩展的运行空间，非常适合开发AI编程助手和自动化工作流的开发者。

Sandboxd AI沙箱引擎是一款基于 Go 开发的开源工具，专注于 AI基础设施、代码沙箱、Agent框架等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

GitHub Stars

⭐ 718

开发语言

支持平台

Windows / macOS / Linux（跨平台）

维护状态

正常维护，社区驱动

开源协议

MIT

AI 综合评分

8.2 分

工具类型

AI工具

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

开源免费，支持本地部署，数据完全自主可控
活跃的 GitHub 开源社区，持续迭代更新
提供详细文档和使用示例，新手友好
支持自定义配置，灵活适配不同使用环境
可作为基础组件集成进现有技术栈或进行二次开发

🎯 主要使用场景

本地部署运行，保护数据隐私，满足合规要求
自定义集成到现有系统，扩展技术栈能力
作为开源基础组件进行商业化二次开发

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：go install（推荐）
go install github.com/tastyeffectco/sandboxd@latest

# 方式二：从源码编译
git clone https://github.com/tastyeffectco/sandboxd
cd sandboxd
go build -o sandboxd .

# 方式三：下载预编译二进制
# 访问 Releases 页面下载对应平台二进制文件
# https://github.com/tastyeffectco/sandboxd/releases

📋 安装步骤说明

访问 GitHub 仓库页面
按照 README 文档完成依赖安装
根据系统环境完成初始化配置
参考官方示例或文档开始使用
遇到问题可在 GitHub Issues 中查找解答

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 查看帮助
sandboxd --help

# 基本运行
sandboxd [options] <input>

# 详细使用说明请查阅文档
# https://github.com/tastyeffectco/sandboxd

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# sandboxd 配置说明
# 查看配置选项
sandboxd --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export SANDBOXD_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 32/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

sandboxd

The open-source backend behind AI app-builders. Type a prompt → an isolated sandbox spins up, a coding agent builds the app, and it's live at a preview URL. Self-hosted, one command, MIT.

---

▶ Try the live demo — click around the console with sample data, no install (read-only).

🚀 Deploy to a VPS in one click

sandboxd needs one Linux server with Docker — nothing else. Grab a server below (2 vCPU / 4 GB is plenty to start), paste our cloud-init file at creation, and it installs itself.

Then on the new server (or paste deploy/cloud-init.yaml as user-data and skip this):

curl -fsSL https://raw.githubusercontent.com/tastyeffectco/sandboxd/main/deploy/bootstrap.sh | sudo bash

Full per-provider walkthrough: deploy/DEPLOY.md.

Some links above are referral links — they cost you nothing and support sandboxd's development.

Quick start

Needs Docker + the Compose plugin and git on Linux (macOS via Docker Desktop is best-effort). Install in one line:

curl -fsSL https://raw.githubusercontent.com/tastyeffectco/sandboxd/main/install.sh | bash

It builds the images, starts the stack with the web console, and prints your console URL + a generated login — no password step. Open it, connect an agent under Settings, create an app, and build. No code needed.

- Console: http://console.localhost — the installer prints your login; lost it? run ./console-login.sh to see it again anytime - API: http://127.0.0.1:9090 (curl http://127.0.0.1:9090/healthz → ok) - Headless (no console): run with SANDBOXD_CONSOLE=0 (or --no-console)

Prefer the API? Connect an agent once, create a sandbox, hand it a prompt: ```bash API=http://127.0.0.1:9090 curl -s -XPOST $API/v1/agents/claude-code/api-key -d '{"api_key":"sk-ant-..."}' ID=$(curl -s -XPOST $API/sandbox -d '{"ports":[3000]}' | sed -E 's/."id":"([^"]+)"./\1/') curl -s -XPOST $API/v1/sandboxes/$ID/tasks -d '{"prompt":"build a todo app on port 3000","agent":"opencode"}'

🎯 aiskill88 AI 点评 A 级 2026-07-11

aiskill88点评：底层基础设施类项目，解决了Agent执行代码的安全痛点，Go语言保证了高性能，是构建复杂AI应用的基石。