code-sandbox

Files (1)

• SKILL.md

SKILL.md (first lines)

# 安全代码沙箱

在隔离的沙箱环境中执行 AI 生成的代码，保护用户系统安全。支持 Docker 本地沙箱（免费）和 E2B 云沙箱两种模式。

## 使用场景

- 用户说「帮我写个脚本分析这个 CSV 文件」→ 在沙箱中执行，不污染主系统
- 用户说「帮我画个图表」→ matplotlib 在沙箱中运行，输出图片文件
- 用户说「运行一下这段代码看看结果」→ 安全隔离执行
- 数据分析、原型验证、临时脚本等不适合在主系统直接执行的场景
- 执行来历不明或复杂度高的代码片段

## 何时使用此 Skill（而非直接 system.run）

```
判断逻辑：

需要执行代码
  ├── 简单系统命令（ls, git, pip 等） → 直接 system.run
  ├── 用户提供的完整脚本 → code-sandbox ✅ 更安全
  ├── AI 生成的分析/处理代码 → code-sandbox ✅ 推荐
  ├── 需要安装额外依赖的代码 → code-sandbox ✅ 不污染主环境
  └── 需要网络访问的爬虫/API 调用 → code-sandbox ✅ 隔离风险
```

## 前置条件（二选一）

### 方式一：Docker 本地沙箱（推荐，免费）

1. 安装 Docker：https://www.docker.com/get-started
2. 确保 Docker 正在运行：`docker info`
3. 无需额外配置，首次使用时自动拉取基础镜像

### 方式二：E2B 云沙箱

1. 注册 E2B 账号：https://e2b.dev/
2. 设置环境变量：`export E2B_API_KEY="your-key"`
3. 提供免费额度，适合不想装 Docker 的用户

## 执行方式

### Docker 本地沙箱模式

#### 执行 Python 脚本

```python
import asyncio
import tempfile
import os

async def run_in_sandbox(code: str, files: dict = None, timeout: int = 60):
    """在 Docker 沙箱中执行 Python 代码"""

    # 创建临时工作目录
    work_dir = tempfile.mkdtemp(prefix="sandbox_")

    # 写入用户代码
    script_path = os.path.join(work_dir, "script.py")
    with open(script_path, "w") as f:
        f.write(code)

    # 如果有输入文件，复制到工作目录
    if files:
        for name, content in files.items():
            fpath = os.path.join(work_dir, name)
            if isinstance(content, bytes):
                with open(fpath, "wb") as f:
                    f.write(content)
            else:
                with open(fpath, "w") as f:
                    f.write(content)

    # Docker 执行命令
    cmd = [
        "docker", "run", "--rm",
        "--network=none",               # 默认禁用网络（需要时可开启）
        "--memory=512m",                 # 内存限制
        "--cpus=1.0",                    # CPU 限制
        "-v", f"{work_dir}:/workspace",  # 挂载工作目录
        "-w", "/workspace",
        "python:3.12-slim",
        "python", "script.py"
    ]

    proc = await asyncio.create_subprocess_exec(
        *cmd,
        stdout=asyncio.subprocess.PIPE,
        stderr=asyncio.subprocess.PIPE,
    )
    stdout, stderr = await asyncio.wait_for(
        proc.communicate(), timeout=timeout
    )

    return {
        "success": proc.returncode == 0,
        "stdout": stdout.decode(),
        "stderr": stderr.decode(),
        "output_dir": work_dir,  # 检查输出文件
    }
```

#### 带依赖安装的执行

```python
async def run_with_deps(code: str, packages: list, files: dict = None):
    """安装依赖后执行"""
    pip_install = " ".join(packages)
    wrapper = f"""
import subprocess, sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "-q", {', '.join(repr(p) for p in packages)}])

{code}
"""
    return await run_in_sandbox(wrapper, files, timeout=120)
```

### E2B 云沙箱模式

```python

From malue-ai/dazee-small, MIT.

More from malue-ai/dazee-small