OpenHands介绍和安装说明

OpenHands

类别：AI 编程智能体（开源）｜更新时间：2026-07

1. 基础信息

项目	内容
开发商/维护方	All Hands AI
是否开源	是
开源协议	MIT
官方网站	https://all-hands.dev
GitHub 地址	https://github.com/All-Hands-AI/OpenHands
核心语言	Python
底层模型	兼容 100+ 模型供应商（经 LiteLLM），最佳配置如 Claude Opus 4.6
适用人群	追求高自主度的开发团队、开源维护者、需要批量处理 Issue 的中大型团队

2. 核心设计思想

OpenHands 前身为 OpenDevin，定位是"软件开发的数字智能体"：不止于 IDE 内辅助补全，而是像人类工程师一样理解仓库、规划任务、修改并测试代码、提交成果。核心工作方式是自主代理------给它一个 Issue 或任务描述，它在沙箱中自主探索代码库、执行修复，最终产出可直接合并的 PR。

架构上最具辨识度的是事件流（Event Stream）：智能体的所有动作------读文件、执行命令、调用工具、模型推理------都被序列化为事件，经统一服务器串联，支持任务持久化、续跑与多智能体编排。执行环境采用 Docker 沙箱，任务在隔离容器中运行，避免污染宿主机器。

另一技术特色是 CodeAct：智能体直接生成并执行 Python 代码来操作系统与文件，而非对话式调用工具，这是其 SWE-bench 高分的核心。2025-11 完成 1800 万美元 A 轮融资，v1.0 基于自研 Software Agent SDK 重写，进一步强化可组合性。

3. 特性

自主修复 Issue 并生成 PR 的全流程闭环
Docker 隔离沙箱执行，安全可控地运行任意命令
CodeAct 机制：以生成并执行 Python 代码的方式调用工具，效率高、表达力强
事件流架构：任务可持久化、续跑，支持多智能体协作与人工接管
兼容 100+ 模型供应商（经 LiteLLM），模型可插拔
提供 CLI、桌面应用与云端多种形态
支持 GitHub 集成：Issue 拉取、PR 创建、仓库克隆
多智能体协作：多个实例并行处理不同任务
SWE-bench Verified 约 72%（Claude Opus 4.6 配置），为开源项目最佳成绩之一
内置代码浏览、检索与测试执行能力
支持自定义沙箱镜像与运行时扩展
v1.0 基于自研 Software Agent SDK 重写，架构更清晰、扩展点更规范

4. 典型模式

模式一：Issue 到 PR 的自动化修复。 场景：维护者收到大量 bug 报告，人力不足。工作流：将 Issue 链接交给 OpenHands，指定目标分支；智能体在 Docker 沙箱中克隆仓库、定位问题、修改代码、运行测试；人工审查智能体生成的 PR 后合并，全程可随时接管或回滚。

模式二：批量重构/迁移。 场景：技术债清理、框架升级。工作流：拆分为多个子任务并行执行，各实例在独立沙箱中工作，事件流统一记录进度，汇总各 PR 统一评审。

5. 关键对比

维度	OpenHands	Devin	Claude Code	Aider
形态	沙箱自主代理	云端自主代理	终端/CLI	终端/CLI
是否开源	是（MIT）	否	否	是（Apache 2.0）
底层模型	100+ 供应商可插拔	自研闭源模型	Claude 系列	75+ 供应商
成本	模型按量付费，自托管免费	订阅制，较高	按 token 计费	单会话 token 消耗最低
最佳场景	无人值守的 Issue 批处理	托管式全自动开发	交互式结对编程	轻量结对编程

与 Devin 相比，OpenHands 开源可自托管、模型自选、成本可控；与 Claude Code、Aider 等交互式工具相比，强在高自主度场景，弱在交互手感与轻量性。追求自主批处理、且能维护 Docker 环境的团队选它。

6. 优缺点

优点

MIT 开源，可自托管、可深度定制
自主任务执行能力强，SWE-bench 成绩居开源之首
模型无关，100+ 供应商任选
事件流架构支持持久化与多智能体协作

缺点

部署重：强依赖 Docker，环境门槛高
本地小模型（如 7B 参数级）效果差，难以离线轻量运行
自主模式下行为复杂，人工审查成本高
沙箱与事件流架构复杂度高，二次开发门槛高

7. 落地组合方案

方案 A：开源项目维护的 Issue 自动化流水线。 组合：OpenHands（自托管）+ Claude Opus 4.6 或 DeepSeek 等性价比模型（经 LiteLLM）+ GitHub Actions。适合：有持续 Issue 量的中大型项目。工作流：Actions 创建沙箱→OpenHands 拉取标记的 Issue→修复并跑测试→生成 PR 打上 agent 标签→维护者统一审查。安全上加只读权限与依赖扫描，成本按用量控制。

方案 B：多智能体并行重构平台。 组合：OpenHands v1.0（Software Agent SDK）+ 事件流服务器 + 私有 Docker 镜像库。适合：30 人以上、代码量大的中大型团队。工作流：架构师拆解任务→并行调度多个实例→事件流集中监控→CI 校验后人工抽查合并，实现"机器干重复活、人干评审活"。

8. 安装步骤

OpenHands 以 Docker 容器方式运行，需要先安装 Docker（https://www.docker.com ）。

安装并启动 Docker。
拉取镜像并启动 OpenHands：

bash 复制代码

docker run -it --rm -p 3000:3000 ghcr.io/all-hands-ai/openhands

浏览器打开 http://localhost:3000 进入工作台。
在设置中选择模型供应商（经 LiteLLM 兼容 100+ 供应商）并填入 API Key，创建会话开始使用。

9. 登录与模型配置

OpenHands 开源自托管版本无账号登录；模型经 LiteLLM 兼容 100+ 供应商（OpenAI、Anthropic、DeepSeek、GLM、Qwen、本地 Ollama 等），在设置中选择厂商并填入 API Key 即可。

9.1 自托管：无账号，直接配置模型

开源形态无需注册登录；Docker 启动后在 http://localhost:3000 工作台 → Settings → Model 中选择供应商并填入 Key。
只消耗所配置模型厂商的 API 额度；OpenHands 本身免费（云端托管版 all-hands.dev 才需要注册账号）。
LiteLLM 兼容层保证切换厂商只改一处配置。

9.2 各厂商 API Key 配置（界面或环境变量）

工作台 Settings → Model 下拉选择供应商：

bash 复制代码

# 也可通过环境变量注入（docker run -e 或 .env）
# OpenAI
export OPENAI_API_KEY=sk-xxxxxxxx

# Anthropic Claude
export ANTHROPIC_API_KEY=sk-ant-xxxxxxxx

# DeepSeek（深度求索）
export DEEPSEEK_API_KEY=sk-xxxxxxxx

# GLM（智谱清言）
export ZHIPU_API_KEY=xxxxxxxx.yyyyyyyy

# Qwen（阿里云百炼）
export DASHSCOPE_API_KEY=sk-xxxxxxxx

9.3 自定义 OpenAI 兼容端点（国产模型 / 本地 Ollama）

若预设列表不含目标厂商，用 LiteLLM 自定义模型标识：

厂商	模型标识（LiteLLM 格式）	模型名示例
DeepSeek	deepseek/deepseek-chat	deepseek-chat
智谱 GLM	zhipu/glm-4.5	glm-4.5
阿里云百炼	dashscope/qwen-max	qwen-max
硅基流动	各家开源模型	siliconflow/qwen2.5-72b
本地 Ollama	ollama/qwen2.5:7b（`ollama serve` 后可用）	qwen2.5:7b

9.4 各厂商 Key 获取入口

厂商	模型示例	Key 获取入口
OpenAI	gpt-4o / o3	platform.openai.com
Anthropic	claude-opus-4-1 / claude-sonnet-4-5	console.anthropic.com
DeepSeek	deepseek-chat / deepseek-reasoner	platform.deepseek.com
智谱 GLM	glm-4.5 / glm-4.5-air	open.bigmodel.cn
阿里云百炼	qwen-max / qwen3	bailian.console.aliyun.com
硅基流动	各家开源模型聚合	cloud.siliconflow.cn
Ollama	本地任意开源模型	无需 Key

提示：OpenHands 的 SWE-bench 高分依赖强模型（Claude Opus 级别）；日常小任务用 DeepSeek / GLM 可大幅降低成本；本地 7B 级小模型效果较差，不建议离线轻量场景。

10. 简单示例

示例一：打开 http://localhost:3000 后：

选择工作区目录或粘贴 GitHub 仓库 / Issue 链接。
输入任务描述，例如：

这个仓库的 user API 在并发请求下偶发 500，请定位根因并修复，跑通现有测试
点击开始，OpenHands 在 Docker 沙箱中克隆代码、定位问题、修改并运行测试，界面实时展示每一步操作。
任务完成后可生成 PR，人工 review 后合并。

示例二：让 OpenHands 生成一个 HTML 小游戏（贪吃蛇）。

打开 http://localhost:3000 工作台，在工作区目录选择或创建一个空文件夹。
输入任务描述：

用 HTML + CSS + JavaScript 写一个贪吃蛇小游戏，单文件，用方向键控制，得分显示在页面上，保存为 snake.html；然后在沙箱里起一个本地服务器验证页面能正常打开
OpenHands 在 Docker 沙箱中创建 snake.html（画布 + 游戏循环 + 键盘事件 + 计分逻辑），启动 python -m http.server 8000 验证，界面实时展示每一步操作。
任务完成后浏览器打开 http://localhost:8000/snake.html 即可试玩；想加功能（如"增加音效""加重新开始按钮"）在会话中继续描述，OpenHands 会在沙箱内迭代修改并重新验证。

说明：本示例按第 9 章配置的模型计费；单文件小游戏消耗较少，DeepSeek / GLM 等低价模型即可完成；任务全程在 Docker 沙箱中执行，不影响宿主环境。