跳到主要内容

训练与评估

Hugging Face OpenEnv

OpenEnv 的 Terminus 环境在 E2B 中运行终端命令,让策略可以在多轮交互中检查、运行和修复代码。无需 GPU 即可获得第一个奖励。

维护方
E2B
集成方式
Terminus 环境运行在 E2B 上
环境
Terminus (OpenEnv 0.8.0)
语言
Python

配置

快速开始

将提示词粘贴到您的编程智能体中,或按以下步骤自行配置。

粘贴到您的编程智能体中

为这个 OpenEnv 项目添加 E2B 沙箱。

  1. 1.从 E2B cookbook 获取 openenv-terminus-python 示例,并用 uv sync --frozen 安装其锁定版本的依赖。
  2. 2.该示例需要在 .env 文件中设置 E2B_API_KEY 环境变量。如果尚未设置,请向我索要 API 密钥(在 https://console.e2b.dev/?tab=keys 获取)。切勿将其硬编码。
  3. 3.按照 https://docs.e2b.dev/agents/openenv 上的 OpenEnv 指南操作:启动本地 Terminus 服务器,然后通过 ReportEpisode 运行回合,让每个回合都重置到一个全新的 E2B 沙箱中,并在主机上评分。
  4. 4.运行一次演示,并展示奖励以及来自沙箱的报告输出。

或自行配置

  1. 1. 获取 Terminus 示例

    git clone https://github.com/e2b-dev/e2b-cookbook.git
    cd e2b-cookbook/examples/openenv-terminus-python
    uv sync --frozen
    cp .env.example .env
  2. 2. 在 .env 中设置 E2B_API_KEY 并启动服务器

    uv run --frozen uvicorn server:app --host 127.0.0.1 --port 8010
  3. 3. 运行代码修复演示

    uv run --frozen main.py
  4. 4. 从 Python 驱动一个回合

    import shlex
    
    from dotenv import load_dotenv
    from episode import BUGGY, PROGRAM, ReportEpisode
    
    load_dotenv()
    episode = ReportEpisode()
    try:
        print(episode.reset())
        print(episode.terminal(f"cat {PROGRAM}; python3 -B {PROGRAM}"))
        fixed = BUGGY.replace(
            '= int(row["amount"])',
            '= totals.get(row["region"], 0) + int(row["amount"])',
        )
        episode.terminal(f"printf %s {shlex.quote(fixed)} > {PROGRAM}")
        print(episode.submit())
        print(episode.get_reward())
    finally:
        episode._close()

安全

沙箱中运行的内容

回合中的代码在 E2B 中运行,与您的训练器隔离。OpenEnv 服务器、推理和训练仍在您自己的算力上运行。

  • 代码策略发出的终端命令通过 OpenEnv 原生的 reset 和 step 调用,在 E2B 回合沙箱中运行。
  • 状态同一回合内,文件在各步之间持久保存。每条命令都使用新的 Shell,reset 会替换整个沙箱。
  • 评分提交的代码在一个关闭出站访问的全新验证器沙箱中运行。预期答案保留在主机上。
  • 密钥您的 E2B 密钥保留在主机上,本地服务器只绑定回环地址。

已启动 30亿+ 个沙箱

为每个智能体 配一台机器