OpenHands

OpenHands 快速入门

开源版的 Devin——自托管、模型无关、Docker 沙箱运行，75k+ GitHub Stars，让你拥有自己的 AI 工程师。

这是什么？适合谁？

OpenHands（前身 OpenDevin）是一个开源的 AI 编码平台，由 All Hands AI 团队维护，MIT 许可。它的定位是 Devin（Cognition AI 的 $500/月 AI 工程师）的开源替代品。核心能力：给定一个任务描述，OpenHands 的 AI Agent 会自主规划、编写代码、运行测试、调试修复，全程在 Docker 沙箱中运行，不污染你的本地环境。

关键特性：自托管（部署在你自己的服务器上，数据不出网）、模型无关（支持 Claude、GPT、Gemini、DeepSeek 等任意 LLM）、沙箱隔离（每个 Agent 在独立 Docker 容器中运行）、Agent Canvas（可视化界面管理多个 Agent 并行工作）。在 SWE-bench Verified 基准测试中达到 72.8%，超越了大多数开源方案。

**适合谁？**四类人最受益：一是想做 AI 驱动开发但不想绑定商业平台的团队，OpenHands 可以完全自托管；二是需要数据安全的企业，所有代码和任务都在你控制的 Docker 环境中运行；三是想研究 AI 编码 Agent 的研究者，代码完全开源可修改；四是需要批量处理多个代码任务的场景（如批量修复 Bug、批量重构），可以并行启动多个 Agent。

注意：OpenHands 需要 Docker 环境和 GPU 服务器（用于运行 LLM），部署门槛比 SaaS 工具高。如果你只是个人开发者想快速体验，Cline 或 Claude Code 可能更轻量。

准备工作

• 设备要求：Linux 服务器（推荐 Ubuntu 22.04+），Docker 20.10+，至少 16GB 内存，50GB 磁盘。如需本地运行 LLM，建议 24GB+ 显存 GPU
• 账号要求：至少一个 LLM 提供商 API Key（推荐 Claude API 或使用本地 Ollama）
• 付费要求：OpenHands 本身免费开源，但 LLM API 按量付费。典型任务消耗 $0.50-5/次
• 可选准备：安装 Docker Compose；配置 GitHub Token（用于创建 PR 功能）

3 步快速上手

第 1 步：安装 OpenHands

使用 Docker 快速启动（推荐）：

docker pull docker.all-hands.dev/all-hands-ai/openhands:latest
docker run -d --name openhands \
  -p 3000:3000 \
  -e LLM_API_KEY="your-api-key" \
  -e LLM_MODEL="anthropic/claude-sonnet-4-20250514" \
  -v /var/run/docker.sock:/var/run/docker.sock \
  docker.all-hands.dev/all-hands-ai/openhands:latest

打开浏览器访问 http://localhost:3000，看到 OpenHands 界面。

第 2 步：配置工作区

在 OpenHands Web UI 中：

1. 连接你的 GitHub 仓库（或上传本地代码）
2. 选择 LLM 模型（推荐 Claude Sonnet 4）
3. 配置 Agent 设置（最大迭代次数、是否自动提交等）

第 3 步：跑第一个任务

在 Agent 对话框中输入：

在 src/utils/ 目录下创建一个 logger.py 文件，实现统一的日志模块，
包含 INFO/WARNING/ERROR 三个级别，支持输出到控制台和文件，
使用 Python 标准库 logging 模块。

Agent 会自主进行：

1. 分析代码库结构，确定最佳放置位置
2. 编写 logger.py 并适配现有导入
3. 运行测试验证功能
4. 在 Agent Canvas 中展示整个执行过程

你可以在每一步查看 Agent 的思考过程、代码变更和终端输出。

常见踩坑

踩坑 1：Docker 权限问题

• 症状：启动报错 “permission denied while trying to connect to the Docker daemon”
• 原因：当前用户不在 docker 用户组
• 解决：sudo usermod -aG docker $USER，然后重新登录

踩坑 2：LLM API 消耗过高

• 症状：单个任务花费 $3-5 甚至更多
• 原因：Agent 的迭代次数过多，或上下文窗口过大
• 解决：在设置中限制最大迭代次数（建议 20-30），使用更便宜的模型（如 DeepSeek V4），大任务拆分为小任务

踩坑 3：Agent 陷入死循环

• 症状：Agent 反复修改同一个文件却不解决问题
• 原因：任务描述不够清晰，或 LLM 模型能力不足
• 解决：提供更具体的任务描述和验收标准；切换到更强的模型（Claude Sonnet 4 或 Opus 4）

踩坑 4：大型代码库处理缓慢

• 症状：加载大型项目时响应极慢
• 原因：OpenHands 需要索引整个代码库
• 解决：使用 .openhandsignore 排除 node_modules、venv、build 等大型目录

踩坑 5：SWE-bench 任务类型限制

• 症状：认为 OpenHands 可以处理任何类型任务
• 现实：OpenHands 擅长代码修复、功能实现等明确任务。开放式设计、架构决策等需要人类判断的任务效果有限
• 解决：将模糊需求拆解为具体的、可验证的子任务

常见问题 FAQ

Q1：OpenHands 和 Devin 有什么区别？

A：Devin 是 Cognition AI 的商业产品，$500/月，使用闭源模型和专有技术。OpenHands 是完全开源的（MIT 许可），可以自托管，使用任何 LLM 模型。Devin 在 SWE-bench 上得分更高（约 85% vs 73%），但 OpenHands 完全免费且数据可控。

Q2：OpenHands 和 Cline/Claude Code 有什么区别？

A：OpenHands 是一个平台（Web UI、多 Agent 管理、Docker 沙箱），而 Cline/Claude Code 是工具（IDE 插件或终端工具）。OpenHands 更适合批量任务、团队协作、CI/CD 集成；Cline/Claude Code 更适合个人开发者的日常编码。

Q3：部署成本大概多少？

A：如果使用云端 LLM API（不本地运行模型），最小配置的云服务器（4 核 16GB）约 $20-40/月，加上 LLM API 费用。如果本地运行模型，需要一台带 GPU 的机器（一次性投入 $2000+）。

Q4：数据安全吗？

A：开源代码可审计，所有任务在本地 Docker 容器中运行，代码不经过 OpenHands 服务器。如果使用云端 LLM API，代码会发送到 LLM 提供商（如 Anthropic），需关注其数据使用政策。使用本地 Ollama 模型可实现完全离线。

Q5：支持哪些编程语言？

A：理论上支持 LLM 能处理的任何语言。Python、JavaScript、TypeScript、Go、Rust、Java 等主流语言支持良好。小众语言效果取决于所选 LLM 模型。

参考链接

• OpenHands 官网
• GitHub 仓库
• OpenHands 文档
• Docker Hub
• SWE-bench 排行榜