> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # 在沙盒里运行Claude Code - URL: https://www.hubwiz.com/blog/run-claude-code-in-a-sandbox/ - Published: 2026-02-03T03:58:54.000Z - Updated: 2026-02-03T03:59:32.000Z - Description: 在这里，我将分享一个编写代码的 Anthropic Skill（通用代理）的最简单示例，以及两种创建沙盒环境的方法... - Author: admin - Tags: TOOL, CLAUDE CODE, #Import 2026-10-14 14:41 在这里，我将分享一个编写代码的 Anthropic Skill（通用代理）的最简单示例，以及两种创建沙盒环境的方法... ### 一些背景知识... 在*具有代码编写能力的 AI 代理*的语境中，沙盒是一个*关键的隔离层*。 它保护您的系统免受 AI 生成的潜在有害或错误代码的侵害。 当 AI 代理编写代码时，总是存在代码可能包含错误、死循环、资源密集型操作甚至安全漏洞的风险。 特别是当 AI 代理正在实验或从用户反馈中学习时。 通过在沙盒环境中运行代理（如 Python 虚拟环境、Docker 容器或专用虚拟机），您可以创建边界，限制生成的代码可以访问和修改的内容。 这意味着，如果 AI 编写的代码试图删除文件、消耗过多内存或访问敏感系统资源，沙盒会将损害限制在一个可以轻松重置或丢弃的隔离空间中。 ***高级沙盒化可以包括：*** - 限制文件系统访问， - 网络隔离， - CPU/内存限制，以及 - 代码执行的时间约束。 在创建容器时，所有这些参数以及更多内容都可以设置... 这个***保护层***允许您安全地试验 AI 生成的代码，而不会冒犯您的开发环境或生产系统的风险。 对于任何部署自主编码代理的人来说，这都是必不可少的实践。 ### 虚拟环境 vs Docker 容器 我对使用 VE 或 DC 的主要差异做了一些研究... 从实际角度来看，VE 易于快速设置或运行。DC 要求稍高，但... 据说 Docker 容器比 Python 虚拟环境提供更强的隔离性、更好的可移植性和更一致的行为。 据说这使得 Docker 成为生产级 AI 代理部署和安全敏感工作流的更好选择。 虚拟环境（venv 或 virtualenv）在同一操作系统内的应用程序级别隔离 Python 包和依赖项。 > 简而言之，使用虚拟环境进行快速、本地实验；当隔离、一致性和生产准备就绪变得不可协商时，切换到 Docker。 它们防止项目之间的版本冲突，但共享主机内核、文件系统和系统级库。 如果恶意代码运行，这为意外干扰或安全泄露留下了空间。 *Docker 容器通过封装整个运行时环境（包括操作系统用户空间、库、二进制文件和网络堆栈）走得更远。* Docker 似乎更适合更深层的进程隔离，在不同机器上可重复构建。 同时能够实施严格的资源限制和安全策略。 虽然虚拟环境对于本地开发来说仍然轻量且快速，但 Docker 在需要为运行不受信任的 AI 生成的代码、CI/CD 管道或部署到多样化基础设施而进行沙盒化的场景中表现出色。 ### MacOS 上的虚拟环境设置... 创建一个工作目录... `mkdir ai-sandbox-agent` 进入该目录... `cd ai-sandbox-agent` 创建一个虚拟环境... `python3 -m venv sandbox_env` 激活虚拟环境... `source sandbox_env/bin/activate` 运行这些安装... `pip install anthropic` 和... `pip install python-dotenv ipython` 将您的 Anthropic API 保存为环境变量... `echo "ANTHROPIC_API_KEY=your_api_key_here" > .env` 创建一个空 Python 文件并命名... `touch code_agent.py` 打开它... `vim code_agent.py` 粘贴以下 Python 代码： ```python import os from anthropic import Anthropic from dotenv import load_dotenv # 加载环境变量 load_dotenv() # 初始化客户端 client = Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY")) def run_code_agent(task): """ 运行一个具有代码编写能力的 AI 代理 """ system_prompt = """你是一个专业的代码编写助手。 当被要求编写代码时： - 提供干净的、有注释的代码 - 解释代码的功能 - 在适当的地方包含错误处理 - 建议如何运行/测试代码 """ message = client.messages.create( model="claude-sonnet-4-5-20250529", max_tokens=4000, system=system_prompt, messages=[ {"role": "user", "content": task} ] ) return message.content[0].text # 交互模式 if __name__ == "__main__": print("AI 代码代理已初始化！") print("输入 'exit' 退出\n") while True: task = input("您想让我编写什么代码？> ") if task.lower() in ['exit', 'quit']: print("再见！") break print("\n" + "="*60) response = run_code_agent(task) print(response) print("="*60 + "\n") ``` 您可以从命令行运行此编码代理： `python code_agent.py` 然后在提示时输入您的请求： `What would you like me to code? > 构建一个简单的 Flask API，包含两个端点` ### Docker 设置 安装 Docker... `pip install docker` 创建 Dockerfile ```dockerfile cat > Dockerfile << 'EOF' FROM python:3.11-slim ``` 创建 requirements.txt 文件... ```text cat > requirements.txt << 'EOF' anthropic python-dotenv EOF ``` 粘贴后按**回车**。 在 `ai-sandbox-agent` 文件夹中，您应该在列表中看到 `Dockerfile` 和 `requirements.txt`。 构建 Docker 镜像... ```bash docker build -t code-agent . ``` 然后运行镜像... ```bash docker run -it --env-file .env code-agent ``` 下面是您如何通过命令行与编码代理（代理技能）交互的视图... ![无](https://www.hubwiz.com/blog/content/images/2026/02/1-fNbSxF-qGikWkTSdqcfAWg.png) 如果您前往 docker UI，您将看到您的容器已列出... ![无](https://www.hubwiz.com/blog/content/images/2026/02/1-Wagc4xXrwvVsc5PZIhYFZg.png) --- 原文链接: [Claude Code Sandboxing](https://cobusgreyling.medium.com/claude-code-sandboxing-b33d42b61888?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处