本站未亲测,数据来自公开资料(核查于 2026 年 11 月)。本文所引版本号、价格与基准分数均取自公开评测与仓库资料,不同来源的统计时点不同,个别口径存在出入,文中已注明,购买或部署前请以官网与仓库为准。

定位:它到底是什么
OpenHands 的前身是 OpenDevin,由 All Hands AI 主导维护,是一个 MIT 开源的自主软件开发 Agent 平台。它的目标很直接:给大模型一个像人类开发者一样的完整工具箱——编辑器、命令行、浏览器与接口调用能力,让它能够独立完成端到端的开发任务,而不是只在编辑器里补全几行代码。使用者用自然语言下达任务,例如修复某个失败的测试、给接口加上分页功能,Agent 会自己规划步骤、修改文件、运行命令、读取报错结果,再继续尝试,直到任务完成或走到需要人工介入的节点。
这个定位决定了它和普通代码补全工具的根本区别。补全工具的服务对象是正在敲键盘的人,OpenHands 的服务对象是任务本身。它更接近一个可以被派活的初级工程师:你把一个 GitHub 议题交过去,它回来交一个拉取请求。公开资料里反复出现的一个对比对象是 Devin,两者目标相似,但路线相反——Devin 是闭源的商业化产品,OpenHands 是开源、可自托管、模型可换的平台。谁更适合你,取决于你更在乎开箱即用,还是更在乎控制权与成本结构。
2026 年这个项目的形态又发生了一次明显变化。公开资料显示,其主仓库现在以 Agent Canvas 的形态出现:一个自托管的控制中心,可以启动 OpenHands 自身的 Agent,也能驱动其他支持 Agent Client Protocol 的 Agent,例如 Claude Code、Codex、Gemini 命令行工具等。Agent 本体、沙箱与 Python 软件开发工具包则拆分到了单独的软件开发工具包仓库里。也就是说,读 2025 年的老教程和读 2026 年下半年的新文档,看到的可能不是同一个安装入口,部署前一定要先确认你跟的是哪一条线。
安装实操:三条路,先选隔离级别再动手
OpenHands 的安装不难,难的是先想清楚隔离级别。因为 Agent 要替你执行命令,权限给多大,直接决定了风险有多大。公开的仓库说明里对此有明确警告:直接在主机上安装的版本会以你的权限运行 Agent,能触及你能触及的全部文件;用 Docker 沙箱的版本则把 Agent 关在容器里,只看得到你挂载进去的项目目录。生产环境或团队环境应当优先选 Docker 路线,个人尝鲜可以先走最快的那条路,但不要在上面放生产密钥。
第一条路是 Agent Canvas 的 npm 全局安装,公开资料给出的前置条件是 Node.js 22.12 或更新版本,同时需要 uv 这个 Python 包管理工具。命令只有两行:先执行 npm install -g @openhands/agent-canvas,装好之后在终端输入 agent-canvas 即可启动。启动后在浏览器里打开本地地址,进入设置添加模型密钥,就可以开始对话。这是目前公开资料里被标注为推荐的快速上手方式,优点是步骤最少,缺点是 Agent 直接跑在本机上。
第二条路是 Docker 沙箱安装,适合想把风险关进笼子里的人。公开资料给出的示例做法是先准备一个项目目录,例如把 HOME 目录下的 projects 文件夹作为项目根目录,同时准备一个用于保存配置的目录,然后用 Docker 运行 ghcr.io/openhands/agent-canvas 镜像,把容器的 8000 端口映射到本机,启动后访问本地 8000 端口。不同来源给出的镜像标签并不完全一致,有 1.18.0 这样的具体版本,也有建议用最新标签的做法。版本迭代很快,正确的做法是去仓库的发布页核对当前最新标签再填,不要照抄本文里的旧标签。
第三条路是更早期的经典路线,也是很多老教程里的做法:用 Docker 运行 allhandsai/openhands 镜像,访问本地 3000 端口进入网页界面;或者用 uvx 启动命令行版本,例如 uvx –python 3.12 –from openhands-ai openhands,完整图形界面则用 openhands serve 子命令启动。这条路线的要点有两个:一是必须先装好并启动 Docker,因为 Agent 的每一次命令执行都在隔离的沙箱容器里进行,没有 Docker 就没有 Agent;二是主容器与沙箱运行时容器的版本标签必须严格对应,公开资料里多次提到,标签对不上会出现难以定位的容器启动错误。
还有一个只在本地模型场景下才会踩到的坑值得单独提醒。如果你打算用 Ollama 在本机跑开源模型,不要在配置里写 localhost,因为 Docker 里的 OpenHands 容器看不到宿主机的 localhost。公开的本地部署指南给出的做法是使用 host.docker.internal 这个特殊主机名,并在启动命令里加上 –add-host host.docker.internal:host-gateway 参数。模型接入本身走 LiteLLM,公开资料称支持上百家模型供应商,包括 Ollama 与 llama.cpp 这类本地推理后端。本地模型的可用性与效果高度依赖模型本身,32B 以下的小模型在公开评测里被明确提示不适合直接承担 Agent 任务。
核心功能拆解:从一句话到一个拉取请求
OpenHands 的核心循环可以拆成四个环节:理解任务、制定计划、执行并验证、整理交付。理解任务阶段,它会读取议题描述或你的自然语言指令,检索仓库结构,找到可能相关的文件。制定计划阶段,较新的版本提供了规划模式,Agent 会先写一份实现计划并停下来等你确认,确认之后才开始动手改代码。这个功能在公开资料里被标注为测试版,但被多篇评测认为是超出简单修补场景后最能提升成功率的功能,因为它把“方向错了白干半小时”的风险提前到了动手之前。
执行阶段是它与补全工具拉开差距的地方。Agent 的底层框架是 CodeAct,也就是把写代码与执行代码作为主要行动方式,而不是只输出文本。它会在沙箱里编辑文件、运行测试、调用命令行工具,看到报错后自己读日志、改代码、再跑一遍。这种循环不需要你一步步指挥,代价是你必须接受它会走弯路,也必须接受它会消耗比单次对话多得多的 Token。公开资料里提到,默认的每任务步数上限可以达到 500 步,这个数字本身就说明了它的工作方式:它不是一次回答,而是一段持续数分钟甚至更久的工作过程。
验证与交付阶段,Agent 会运行项目已有的测试来检查改动是否成立,并在完成后整理出代码差异供你审查。更进一步的用法是把它接进 GitHub 的工作流:给它一个议题链接,它在沙箱里完成修复并提交出拉取请求,人工只需要做代码审查。公开资料里还提到,企业版本在 2026 年 5 月 6 日推出了 Agent Control Plane,也就是 Agent 舰队管理能力,可以做按工作流划分的最小权限控制、按工作流统计花费,以及完整的操作日志,用于调试与合规。这部分属于企业部署范畴,个人用户一般用不到,但它说明了这个项目正在从单人工具向团队基础设施演进。
模型选择是 OpenHands 的另一个核心卖点:它本身不绑定任何一家模型供应商。你可以在配置里切换 Claude、GPT、Gemini、DeepSeek、Qwen 等模型,也可以接本地模型。基准分数因此不能只看工具名,必须连同模型一起看。公开的 SWE-bench Verified 榜单数据显示,搭配 Claude 4 Sonnet 的 OpenHands 约为 68.5%,搭配 Devstral Small 的约为 46.8%;另有 2026 年 5 月的评测称,搭配 Claude Sonnet 4.5 的新版工具链可达约 72%。这些数字来自不同时间、不同工具链版本,不能直接横向比较,但它们共同说明了一个结论:模型越强,OpenHands 的成绩越好,工具本身的上限很大程度上由模型决定。
定价与成本:软件免费,账单在模型那里
OpenHands 的定价结构是理解它成本的关键。开源自托管版本本身是 0 元,MIT 许可,你只需要自己支付模型调用费用。云端个人版在公开资料里同样标注为免费,但每天有 10 个会话的上限,需要自带模型密钥,或者使用 OpenHands 按成本价转售的模型额度。企业版是定制报价,包含多用户、单点登录、专属支持等内容,具体价格官方未公开,需要联系销售。
这里有一个口径出入必须如实说明。2026 年 5 月的一篇评测提到存在每月 20 美元的 Cloud Pro 档位,包含运行环境费用与 20 美元的一次性云端额度;而 2026 年 10 月更新的另一份中文评测则明确表示,截至其核查时点并不存在 Cloud Pro 这一中间档,要么免费自带密钥,要么直接谈企业版。两个说法无法同时成立,最稳妥的理解是定价档位在 2026 年内发生过调整,或者不同地区的页面展示不一致。部署或付费之前,请以 openhands.dev 的定价页实时内容为准,不要以本文为准。
比月费更重要的是使用成本的计算方式。自带密钥模式下,每一次任务的真实花费取决于模型价格与任务步数。公开资料给出的参考值是,一个中等任务大约花费 0.5 至 2 美元,按 Claude Sonnet 的 Token 价格估算。这个数字听起来不高,但它有一个前提:任务顺利。如果 Agent 陷入循环,例如反复修改同一处错误、反复运行失败的测试,账单会迅速上升。公开资料里记录的教训是,有用户因为 Agent 陷入循环而一夜烧掉 100 美元以上。因此,使用 OpenHands 的正确姿势是设置好预算上限、步数上限,并养成先用规划模式确认方向、再放手让它执行的习惯,而不是把一个含糊的任务丢过去就不管了。
插件与技能生态:开放,但别指望应用商店
OpenHands 的生态逻辑与 Cursor 这类编辑器不同。它没有一个面向普通用户的插件商店,它的扩展性主要体现在三个层面。第一个层面是模型接入层:通过 LiteLLM 支持上百家模型供应商,换模型只需要改配置,不需要换工具。第二个层面是协议层:公开资料提到它支持 MCP,也就是模型上下文协议,可以把外部工具接进来;同时 Agent Canvas 支持 Agent Client Protocol,可以驱动多种外部 Agent。这意味着它的能力边界不是由官方预装的功能决定的,而是由你愿意接多少外部工具决定的。
第三个层面是软件开发工具包层。OpenHands 提供了一个独立的 Python 软件开发工具包,采用 Apache 2.0 许可,开发者可以定义自己的 Agent 工作流、把专门任务委派给子 Agent、把 OpenHands 编程式地集成进持续集成与持续交付流水线,而不需要启动图形界面。这条路线面向的是想把 Agent 能力嵌进自己产品的团队,而不是普通个人用户。对于个人用户来说,更现实的扩展方式是写好项目规则、配好 MCP 服务器、固定好一套顺手的模型组合,而不是到处找插件。
还需要提醒一点:这个项目的迭代速度极快,公开资料里提到发布频率接近每天一次,仓库里的未解决议题数量超过一千个。这种速度的好处是新功能来得快,坏处是文档与教程很容易过期。今天能跑通的命令,下个月可能已经换了入口。因此,使用 OpenHands 的用户需要养成一个习惯:动手之前先看仓库最新说明,部署时固定版本号,不要追最新标签。
优缺点:先说好的,再说扎手的
优点方面,第一是开源与可控。MIT 许可意味着你可以自己看代码、自己部署、自己决定数据去向,代码与密钥不需要交给第三方平台。对于有合规要求或隐私顾虑的团队,这是决定性优势。第二是模型自由。你不被锁定在任何一家供应商上,模型涨价、降质或下线时可以随时切换,这在 2026 年模型格局快速变化的背景下非常实用。第三是自主程度高。它能独立完成从议题到拉取请求的完整链路,适合批量处理明确的缺陷修复与小型功能开发。第四是基准成绩扎实。在 SWE-bench Verified 这类以真实 GitHub 议题为题目的基准上,搭配强模型时它的成绩在开源工具里处于前列。
缺点方面,第一是上手门槛高。Docker、版本标签对应、本地模型网络配置,每一步都可能卡住新手。公开评测里反复提到,版本不匹配是早期最常见的挫败来源。第二是成本不可预测。自带密钥模式下没有月费封顶,循环失控就可能烧出意外账单,预算管理是用户自己的责任。第三是质量波动大。任务描述越清晰、测试覆盖越完整,成功率越高;需求含糊、仓库庞大、测试缺失的场景下,它可能产出看似合理但实际错误的代码,人工审查不可省略。第四是安全风险真实存在。公开资料提到,2026 年 3 月曾发布过一个关于 Git 差异处理命令注入的高危安全公告;直接在主机上运行的安装方式本身就被仓库警告过。给 Agent 完整文件系统权限之前,必须先想清楚隔离方案。
使用口碑:好评集中在能力,差评集中在折腾
综合 2026 年的多篇公开评测,口碑呈现出明显的两极分化。正面评价几乎都指向同一个点:这是目前最强的开源自主编程 Agent,特别是在搭配 Claude 等前沿模型处理真实 GitHub 议题时,它的表现明显超过同类开源工具。有评测用“开源自主编程 Agent 的旗手”来形容它,认为它适合“想要 Devin 的能力,又不想为专有平台付费,同时担心代码出境”的用户。企业用户看重的是自托管与审计能力,个人开发者看重的是零软件费用与模型自由。
负面评价则集中在工程体验上。最常见的抱怨是安装与配置环节的摩擦:Docker 要求、版本标签对应、本地模型连通性,每一个都可能消耗一个晚上。其次是运行成本的不可预测性与任务成功率的波动,特别是在复杂功能开发场景下,有评测指出,即便是最强的模型组合,在面向完整功能开发的新基准上通过率也只有一成左右,远远低于修补缺陷场景下的成绩。这提醒使用者不要把基准分数直接等同于日常成功率。
还有一个口碑细节值得注意:这个工具的适用人群画像非常清晰。它最适合的不是刚学编程的新手,而是已经熟悉 Git、Docker 与测试流程,能够写出清晰任务描述、能够审查 Agent 产出代码的中高级开发者。新手用它最大的风险不是学不会,而是看不懂它错在哪里。
结论:适合谁,不适合谁
OpenHands 适合三类人。第一类是重视数据主权与合规的团队与个人,代码与密钥必须留在自己手里,开源自托管是硬性要求。第二类是愿意投入时间搭建工作流、并且有能力审查 Agent 产出的开发者,他们能把这个工具的自主能力真正转化为生产力。第三类是想把 Agent 能力集成进自己产品的团队,软件开发工具包与协议支持给了他们二次开发的空间。
它不适合三类人。第一类是只想打开编辑器立刻开始写代码的人,OpenHands 的安装与调试成本会先消耗掉你的耐心。第二类是预算敏感且不愿管理 Token 账单的人,循环失控的账单风险需要你自己兜底。第三类是希望 Agent 对含糊需求也能一次做对的人,现阶段任何自主 Agent 都做不到这一点,OpenHands 也不例外。
如果你决定尝试,建议按这个顺序来:先用 Docker 沙箱路线在测试仓库上跑通一次,固定好版本号与模型组合;先从小而明确的缺陷修复任务开始,养成先规划、后执行的习惯;设置好预算与步数上限;最后再考虑是否把它接进日常工作流。开源的价值不在于免费,而在于你随时可以换模型、换部署方式、换实现细节。把这个自由用好,OpenHands 才算真正为你工作。












Please log in to view comments