E2B 中文教程：AI 代码沙箱、文件与生命周期管理¶

最后核验：2026-10-21。PyPI 核对：e2b 2.58.0，Python >=3.11。

E2B 解决什么问题¶

E2B 提供可编程隔离环境，让 Agent 在独立环境中运行代码与工具。适合临时计算、数据分析、测试和代码执行。沙箱 Key 与模型 Key 是两套凭证，计费也应分开估算。

本文先用命令运行标准 Python，不混用 e2b 与 @e2b/code-interpreter 等不同 SDK 的接口。

1. 安装与凭证¶

python3.12 -m venv .venv-e2b
source .venv-e2b/bin/activate
python -m pip install "e2b==2.58.0"

在官方服务创建账户并设置环境变量 E2B_API_KEY。不要把 Key 放入沙箱镜像或公开脚本。Windows 使用 py -3.12 创建和 PowerShell 激活。

2. 完整创建、执行和清理¶

保存为 sandbox_demo.py：

from e2b import Sandbox


def main() -> None:
    sandbox = Sandbox.create()
    try:
        result = sandbox.commands.run("python -c 'print(20 + 22)'")
        print(result.stdout)
        if result.exit_code != 0:
            raise RuntimeError("沙箱命令执行失败")
    finally:
        sandbox.kill()


if __name__ == "__main__":
    main()

python sandbox_demo.py

验收：输出 42，命令退出码为零，并确认环境已终止。宿主程序被强制中断时 finally 不一定执行，因此仍需要服务端生命周期限制。

3. 用文件传入数据¶

sandbox.files.write("/tmp/input.json", '{"values":[1,2,3]}')
result = sandbox.commands.run(
    "python -c \"import json; print(sum(json.load(open('/tmp/input.json'))['values']))\""
)
print(result.stdout)

示例在有效沙箱生命周期内运行。实际项目把固定程序和 JSON 输入分开，不把用户文字拼进 Shell。

4. 模板与依赖¶

每次临时安装大型依赖会增加启动时间。稳定任务可以使用官方 Template 工作流预装依赖，固定版本并记录模板 ID。镜像层和模板文件中不要存秘密。

模板更新后先跑固定输入，比较输出和依赖版本，再切换生产任务。

5. 暂停、恢复和终止¶

暂停保留状态，终止释放环境，两者语义不同。持久化方式、保留时间和成本以当前账户与官方说明为准。不能把“任务结束”自动等同于“所有关联资源已删除”。

为每项任务记录 sandbox ID、创建时间、负责人和最终清理状态，定期找出异常残留。

6. 网络和凭证¶

只传任务必需的短期凭证，避免把宿主环境变量全部复制进去。限制访问范围，检查下载文件大小与类型。没有网络限制的沙箱仍然可能把其中的数据发出。

处理来自模型的代码时，限制运行时间、CPU / 内存、输出大小和下载路径，防止资源消耗与数据泄露。

7. 与 Daytona 怎么选¶

二者都能提供 Agent 执行环境。用你的实际任务比较创建时间、模板构建、文件 I/O、网络配置、可观测性、地区和计费，不引用不同环境下的启动数字做排名。

已有 Daytona 教程可作为另一条实现路径。不要把两个 SDK 的 delete、kill 或文件方法互相照搬。

8. 常见问题¶

问题	检查
401	E2B Key 和账户权限
创建失败	配额、模板、区域和网络
命令超时	程序耗时、后台进程、任务时间限制
文件不存在	绝对路径、工作目录、沙箱是否已终止
费用持续增长	暂停 / 运行状态、清理失败和残留任务