E2B
E2B 是一款开源的基础设施平台,专为在云端安全运行 AI 生成的代码而设计。它通过提供隔离的“沙盒”环境,有效解决了大模型代理(Agents)在执行代码时可能带来的安全风险与环境污染问题,让开发者无需担心恶意代码破坏系统或依赖冲突。
无论是构建智能编程助手、数据分析机器人,还是开发需要实时执行代码的企业级应用,E2B 都能让 AI 安全地调用真实世界的工具。它特别适合后端开发者、AI 工程师及研究人员使用,帮助他们在项目中轻松集成代码执行能力。
E2B 的技术亮点在于其极简的集成体验:只需几行 Python 或 JavaScript 代码,即可瞬间启动一个云端沙盒并运行命令或解释执行代码片段。此外,它不仅支持托管服务,还允许用户基于 Terraform 在 AWS、Google Cloud 等主流云平台上自行部署基础设施,满足企业对数据隐私和合规性的高阶需求。配合丰富的示例库(Cookbook),用户可以快速上手,将创意转化为具备实际执行力的 AI 应用。
使用场景
某金融科技公司正在开发一款智能投顾助手,需要让 AI 根据用户指令实时编写并执行 Python 代码来分析股票历史数据、计算风险指标并生成可视化图表。
没有 E2B 时
- 安全风险极高:直接在服务器或本地容器运行 AI 生成的代码,一旦代码包含恶意指令(如删除文件、窃取密钥),整个生产环境将面临瘫痪风险。
- 环境配置繁琐:每次分析不同金融模型需预装特定的库(如 pandas, numpy, ta-lib),维护多个隔离环境的成本高昂且容易冲突。
- 资源清理困难:临时运行的分析任务结束后,残留的进程和文件难以自动彻底清除,长期积累导致服务器资源泄漏。
- 执行不可控:缺乏对代码执行时长和内存使用的精细限制,复杂的死循环代码可能拖垮主服务响应速度。
使用 E2B 后
- 原生安全隔离:E2B 为每次 AI 代码执行提供独立的云端沙箱,即使代码试图攻击系统,也仅局限在瞬时沙箱内,无法触及核心基础设施。
- 开箱即用环境:内置丰富的数据分析工具链,AI 可直接调用预装库进行复杂计算,无需团队预先定制和维护 Docker 镜像。
- 自动生命周期管理:任务完成后沙箱自动销毁,确保无任何残留文件或进程,实现了真正的“用完即走”,彻底杜绝资源泄漏。
- 可控的执行边界:天然支持对代码运行的时间和资源进行严格配额限制,确保即便遇到低效代码也不会影响主业务的稳定性。
E2B 通过将不可信的 AI 代码执行转化为安全、瞬时且标准化的云端沙箱操作,让企业能够放心地赋予 AI 代理真实的代码执行能力。
运行环境要求
- 未说明 (基于云端的沙箱环境,本地仅需支持 Node.js 或 Python 的操作系统)
未说明 (计算在云端沙箱中执行,本地无 GPU 需求)
未说明 (本地内存需求取决于 SDK 运行开销,云端资源由服务提供)

快速开始

什么是 E2B?
E2B 是一个开源基础设施,允许你在云端的安全隔离沙箱中运行由 AI 生成的代码。要启动和控制沙箱,请使用我们的 JavaScript SDK 或 Python SDK。
运行你的第一个沙箱
1. 安装 SDK
JavaScript / TypeScript
npm i e2b
Python
pip install e2b
2. 获取你的 E2B API 密钥
E2B_API_KEY=e2b_***
3. 启动一个沙箱并运行命令
JavaScript / TypeScript
import Sandbox from 'e2b'
const sandbox = await Sandbox.create()
const result = await sandbox.commands.run('echo "Hello from E2B!"')
console.log(result.stdout) // Hello from E2B!
Python
from e2b import Sandbox
with Sandbox.create() as sandbox:
result = sandbox.commands.run('echo "Hello from E2B!"')
print(result.stdout) # Hello from E2B!
4. 使用代码解释器执行代码
如果你需要使用 runCode()/run_code() 来执行代码,可以安装 代码解释器 SDK:
npm i @e2b/code-interpreter # JavaScript/TypeScript
pip install e2b-code-interpreter # Python
import { Sandbox } from '@e2b/code-interpreter'
const sandbox = await Sandbox.create()
const execution = await sandbox.runCode('x = 1; x += 1; x')
console.log(execution.text) // 输出 2
5. 查看文档
访问 E2B 文档。
6. E2B 烹饪书
访问我们的 烹饪书,获取使用不同 LLM 和 AI 框架的示例灵感。
自托管
阅读 自托管指南,了解如何在你自己的环境中搭建 E2B 基础设施。该基础设施使用 Terraform 部署。
支持的云服务提供商:
- 🟢 AWS
- 🟢 Google Cloud (GCP)
- Azure
- 通用 Linux 服务器
版本历史
@e2b/python-sdk@2.20.02026/04/02e2b@2.19.02026/04/02@e2b/python-sdk@2.19.02026/03/26e2b@2.18.02026/03/26e2b@2.17.02026/03/25@e2b/python-sdk@2.18.02026/03/25@e2b/cli@2.9.02026/03/23e2b@2.16.02026/03/23@e2b/python-sdk@2.17.02026/03/23@e2b/python-sdk@2.16.02026/03/23e2b@2.15.02026/03/23@e2b/cli@2.8.22026/03/23@e2b/python-sdk@2.15.32026/03/18@e2b/python-sdk@2.15.22026/03/09@e2b/cli@2.8.12026/03/09@e2b/python-sdk@2.15.12026/03/06e2b@2.14.12026/03/06e2b@2.14.02026/03/04@e2b/python-sdk@2.15.02026/03/04e2b@2.13.12026/03/04常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备