智客 ZICQ
EN 登录 / 注册
智客信息 智能体 #OpenComputer #云端编码智能体 #Git Worktree #智能体沙箱 #Digger

OpenComputer开源云端编码智能体:项目称首次提交仅24秒

Mr.Xu 的头像

文 / Mr.Xu 社区投稿

发布时间:

中文阅读 (Chinese) English Version
共读互动 选中正文任意句子即可高亮划线、写下你的技术批注,或一键生成金句引用卡。 直达讨论区 ↓

摘要:Digger 开源云端编码智能体 OpenComputer,支持部署到团队自有 AWS、GCP 或 Azure 账户。其 agent harness 与代码沙箱共置于同一台长驻 VM,以 Git worktree 隔离会话,并在每轮后备份会话文件以支持跨 VM 恢复。创始人称首次提交耗时 24 秒,对比方案为 53—72 秒;月累计约 640 session-hours 后,常驻 4 vCPU VM 的成本可低于逐会话 E2B。该架构适合团队化部署,但基准任务、模型配置、冷启动口径、方差、许可证及隔离细节仍待核验。


核心发布:把编码智能体放进团队自己的云

Digger 在 GitHub 发布 OpenComputer,一款面向团队的开源云端编码智能体,可运行在团队自有 AWS、GCP 或 Azure 账户中。它将“运行在自有云里”落实为执行层部署选择,而不是简单提供一组远程工具接口:负责模型调用、工具调度与上下文编排的 agent harness,以及真正执行生成代码的 sandbox,被放在同一台长驻 VM 上。

项目将自身定位为 Devin 的开源替代方案,但现有材料主要证明其部署架构与启动速度,尚未提供同任务、同模型、同算力条件下的编码成功率或补丁质量对比。因此,这一开源项目的直接价值在于提供了一种可自托管、可恢复的团队编码智能体运行模式,而不是已经证明其能力全面对标 Devin。

架构机制:同 VM、长驻状态与 Worktree 隔离

OpenComputer 的核心可以概括为三层:

用户请求 → agent harness → 工具调用 → sandbox 执行 → Git worktree → 每轮状态检查点

这是根据公告整理的概念流程,不代表项目内部的精确调用顺序。

1. Agent harness 与 sandbox 共置

传统云端沙箱通常需要在任务开始时创建隔离环境,再由远端 agent 控制面通过网络连接它。这个过程会叠加实例调度、容器启动、网络握手、工具指令往返和上下文传输等延迟。OpenComputer 把控制逻辑与执行环境放到同一台 VM,工具调用不必跨服务或跨主机传输,也能复用已经预热的依赖、文件缓存与进程状态。

“Durable”意味着 VM 不会在单轮任务或单个会话结束后立即释放,因而可以摊薄实例启动成本。不过,这项收益主要对应热路径;首次创建 VM、拉取镜像和初始化仓库仍属于冷启动成本,不能默认包含在首次提交耗时中。

2. 以团队为隔离与扩缩容单元

项目采用“一团队一台 VM”,需要横向扩容时按团队增加实例,而不是为每个会话创建独立沙箱。每个会话通过 Git worktree 获得独立工作目录,同时共享仓库对象库,相比完整复制仓库更节省磁盘和初始化时间。

需要注意,worktree 提供的是工作目录隔离,不是进程、网络或权限安全边界。不同会话仍可能共享 Git 引用、hooks、凭据、CPU、内存和出站网络,因此必须使用唯一分支名、限制并发写入,并在任务结束后回收工作树。

3. 每轮提交形成可迁移检查点

会话文件在每一轮结束后备份到 Git 仓库,使任务可以转移到另一台 VM 恢复。这比只保留容器磁盘更容易实现跨实例迁移,也使会话状态拥有版本历史。代价是持续写入带来的 Git 存储、对象打包、网络传输与锁竞争;如果日志、提示词或环境变量被一并提交,还可能造成敏感信息进入版本库。生产部署应把密钥与可恢复状态分开,并对仓库设置访问控制、保留策略和敏感信息扫描。

性能表现:24 秒只证明启动路径更快

项目用首次提交时间衡量早期响应速度:

T_first_commit = t_commit_visible − t_task_available

创始人报告 OpenComputer 为 24 秒,对比方案为 53—72 秒。相对于区间两端,这一延迟分别低约 54.7% 和 66.7%;换一种表达,对比方案完成首次提交所需时间是 OpenComputer 的约 2.2—3.0 倍。

这一结果支持“同机长驻 VM 能缩短调度链路”的工程假设,但不能直接推导为编码任务整体提速。公告未披露任务集合、模型版本、提示词、是否预热、并发负载、网络位置、样本量、失败率及方差,也没有区分模型推理、仓库初始化和代码执行各自占比。更关键的是,首次提交不等于最终补丁正确;测试通过率、任务完成率、人工接受率以及长程任务中的错误恢复仍需单独评测。

工程权衡:速度、成本与隔离边界

长驻 VM 的收益与风险

长驻实例省去了逐会话沙箱创建时间,也便于保留依赖缓存,但会扩大攻击面和故障半径。编码智能体需要执行不可信生成代码,因此 VM 内应至少验证非 root 权限、进程或容器隔离、系统调用过滤、网络出站白名单、加密磁盘、补丁更新机制及云 IAM 最小权限。Harness 与 sandbox 位于同一台机器尤其要求明确二者之间的权限边界,避免智能体通过工具接口取得宿主机控制权。

自有云不等于数据绝不外流

OpenComputer 部署在团队云账户,只能保证执行环境的位置;如果模型调用仍经过外部 API,提示词、代码片段和工具结果仍可能离开该账户。落地前应核查模型路由、遥测、崩溃报告、包管理请求、Git remote 与更新服务的数据流。敏感项目需要使用私有模型端点或本地模型,并限制沙箱出站域名。

640 session-hours 成本拐点如何理解

若以月度总沙箱时长 S、每沙箱小时价格 p_sandbox、会话数 N、每次创建费用 q_setup 表示逐会话沙箱成本,可近似写成:

C_E2B = S × p_sandbox + N × q_setup

常驻方案则近似为:

C_VM = 24 × H × p_vm + C_storage

其中 H 为每月小时数,p_vm 为 4 vCPU 实例价格。忽略并发上限、出口流量和套餐差异时,成本交叉点近似为:

S* = (C_VM − N × q_setup) ÷ p_sandbox

项目给出的 640 session-hours 是特定云价、流量和会话长度下的经验值,不应直接外推到其他区域。若假定一个月为 720 小时且同一时间只运行一个会话,640 session-hours 对应约 88.9% 的单机占用率;若允许并发,聚合 session-hours 可以超过自然小时数,这一比例便不能直接解释为真实利用率。真正应比较的是每个被验收补丁的总成本,而不是单次会话价格。

开发者落地与部署建议

  1. 从团队级独立实例开始:使用专用 4 vCPU VM 和加密持久卷,按团队队列横向扩容;先用固定工作负载验证并发上限,再决定是否下沉到会话级调度。
  2. 约束 Worktree 生命周期:每个会话使用唯一分支与目录,清理陈旧 worktree,限制并发 push,并明确失败恢复时选择最新检查点还是人工指定版本。
  3. 拆分状态与秘密:只提交恢复任务所需的状态文件;API 密钥、令牌和完整环境变量应进入专用秘密存储,而不是跟随会话文件进入 Git。
  4. 验证安全边界:检查 sandbox 是否真正使用非特权容器或 microVM、是否暴露宿主机 socket、云元数据是否受限,以及出站网络是否采用默认拒绝策略。
  5. 复现启动基准:分别记录冷启动与热启动的首次提交 p50、p95,固定模型、区域、仓库大小和提示词,并同时统计测试通过率、补丁接受率、恢复成功率、GPU 与模型 Token 消耗。
  6. 以可恢复性设计任务协议:每轮状态应有版本号、任务 ID 和一致性标记,避免 VM 故障转移后重复执行已有工具调用或覆盖并行分支。

工程结论

OpenComputer 最有价值的设计不是单一 24 秒数字,而是把编码智能体的状态生命周期从一次性沙箱改造成“长驻 VM、Worktree 隔离、逐轮检查点、跨 VM 恢复”。这一模式能降低重复调度成本,也让团队获得更强的审计与故障恢复能力。但现有性能与成本数字均来自项目方陈述;在获得独立任务基准、冷启动数据和安全审计前,它更适合作为可自托管编码智能体的新兴基础设施方案,而非完成度已被全面验证的 Devin 替代品。


消息来源:GitHub Projects via Hacker News (2026-11-20)

—— 完 ——

主题标签: #OpenComputer #云端编码智能体 #Git Worktree #智能体沙箱 #Digger

编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。

读完这篇,你的第一判断是?
🚀 去【作品】晒出你的相关实践

社区整体评论区

正在加载实时智能评论与划词标注…