企业官网建设流程全解析

让 AI 替你值班：OpenHands Agent Canvas 完整部署与自动化配置全解

【免费下载链接】OpenHands🙌 OpenHands: AI-Driven Development项目地址: https://gitcode.com/GitHub_Trending/ope/OpenHands

OpenHands 是一个可以自部署的 AI 编程代理控制台，正式名称叫 Agent Canvas。它装在你自己的电脑或服务器里，把 OpenHands、Claude Code、Codex、Gemini 这些编码代理统一管理起来：聊天式改代码、按定时任务跑依赖升级、在新 PR 提交时自动做代码评审。和云端 SaaS 不同的是，它跑在你掌控的硬件上，代理有权限访问哪些目录、连哪个模型，全部由你说了算。

这篇分享来自我在一台 Mac 上实际部署的体验，目标是让你从零到"第一个自动化任务跑起来"，全程不超过 10 分钟。

先搞清楚它能干什么

OpenHands 的定位不是"又一个聊天框"，而是一个代理调度中枢。它的价值主要体现在三块：

• 多代理统一管理：开源的 OpenHands 代理开箱即用，同时支持任何符合 ACP（Agent-Client Protocol，代理客户端协议）的第三方代理，比如 Claude Code 和 Codex，可以在同一个界面里来回切换。
• 多后端灵活部署：代理可以跑在你笔记本上、Docker 容器里、一台云服务器（比如 Mac Mini 或 VM）上，甚至 OpenHands 官方云。同一个前端可以同时接多个后端——公司共享一台服务器做代码评审，自己笔记本上跑个人代理，互不干扰。
• 自动化工作流：这是它最"值钱"的部分。定时任务、Webhook 事件触发、对接 Slack / GitHub / Linear 都是原生能力，比如每晚扫描安全漏洞、每次 push 自动生成 changelog。

上面这张就是自动化仪表盘：每个自动化任务的健康状态、运行次数、成功率、平均耗时一目了然，还能手动点"Run now"触发一次。

三种启动方式，选最适合你的

部署前只需要确认一件事：你想让代理接触你机器的哪些文件。这决定了走哪条路。

方式一：npm 全局安装（最快，但无沙箱）

前提是需要 Node.js 22.12+ 和 uv。两条命令：

npm install -g @openhands/agent-canvas # 全局安装 agent-canvas # 启动完整本地栈

注意：这种方式代理服务器直接跑在你本机上，代理对你的文件系统有完全访问权限。只在信任环境使用。也可以拆开启动：agent-canvas --frontend-only或--backend-only。

方式二：Docker 沙箱（推荐，隔离最省心）

代理被关进容器，只能通过挂载的目录访问你指定的项目文件夹，是日常使用最稳妥的选择：

export PROJECTS_PATH="$HOME/projects" # 指定代理可访问的项目目录 mkdir -p "$PROJECTS_PATH" "$HOME/.openhands" docker run -it --rm -p 8000:8000 \ -v "$HOME/.openhands:/home/openhands/.openhands" \ -v "${PROJECTS_PATH}:/projects" \ ghcr.io/openhands/agent-canvas:1.15.0

PROJECTS_PATH目录必须在容器启动前创建好，否则挂载会失效——这是新手最常踩的第一个坑。

方式三：从源码跑（适合想改前端或跟进开发）

git clone https://gitcode.com/GitHub_Trending/ope/OpenHands cd OpenHands && npm install && npm run dev

启动后浏览器访问 http://localhost:8000 即可（Docker 方式的路径是 http://localhost:8000/canvas），后端也可以在界面里随时追加。

打开界面后，先做这三件事

左下角有个 Getting started 清单，按顺序走完就能开始干活：

1. 添加 LLM 配置：OpenHands 支持自带任何模型（BYOK 思路），在 Customize 区域填好 API key 并选择模型。没有 key 之前代理无法对话，这一步卡住的人最多。
2. 确认后端连接：左下角显示当前后端（如 Local backend, localhost:5199），状态点是绿色的就是通了。
3. 挑一个会话开始聊天：直接输入自然语言指令即可，代理会生成代码、跑命令、把结果贴回对话里。

把重复劳动交给自动化模板

聊天解决一次性任务，真正拉开效率差距的是 Automate 模块。点进 Templates 页面，OpenHands 提供了一批现成配方：GitHub 代码评审代理、GitHub 仓库监控（盯着 issue 和 PR 里的 @OpenHands 提及）、Slack 频道监听，还有一批 Beta 模板如 Slack 每日摘要、Linear 工单分诊。

点开任意模板（比如"GitHub Code Review Agent"）就是预填好的配置，确认细节后启动即可。以"新 PR 自动评审"这个自动化为例，详情页里能看到完整链路：

• Prompt：评审聚焦正确性、安全性和性能，结果以行内评论形式发回 PR；
• Trigger：GitHub 的pull_request_opened事件触发，并用 Filter 表达式限定只处理指定仓库；
• LLM profile：指定用哪个模型跑（示例里用的是 review-fast，说明评审类任务可以挂一个更快更便宜的模型）；
• Notification：结果通过 GitHub 评论回传。

也就是说，"谁在什么时候、用什么模型、处理什么事件"全部显式可配，出问题时看 Activity 里的 Last run 就能定位。

给代理装"技能"：Skills 市场

Customize → Skills 页面内置了 59 个可安装的技能（skill），每个技能本质上是给代理注入的一段结构化提示词和工作流，例如add-javadoc（给 Java 类补文档）、agent-memory（把代码库的关键信息持久化到 AGENTS.md 文件里）、code-review（严格模式代码审查）。

左侧筛选器支持按状态（Enabled/Disabled）、推荐度和分类（自动化配方、环境工具、CI、写作文档等）过滤。技能变更后对新会话生效，已开启的旧会话不受影响——调完技能想立刻验证，记得开个新聊天。

容易踩的坑与排障建议

• 无沙箱模式的权限边界：npm/源码方式下代理能碰你整台机器的文件。如果这台机器上有敏感数据，强烈建议走 Docker 方式，或者干脆把后端放到一台独立服务器上。
• 端口冲突：本地栈默认占用 8000 端口，Docker 沙箱内部代理服务器在 5199 端口，起多个实例时留意区分。
• Windows 用户：PowerShell 下的挂载和路径写法有差异，直接看仓库里的 README.windows.md。
• 想长期跑在云服务器上：官方有一份面向自托管的安全加固指南，覆盖了反向代理、认证和持久化等细节，见 docs/SELF_HOSTING.md。
• 想接入第三方代理：Claude Code、Codex、Gemini CLI 的接入步骤写在 docs/ACP_AGENTS.md，系统各模块的边界划分可参考 docs/architecture.md。

写在最后

部署只是起点，真正值得花时间的，是想清楚你手头哪些事是"规则明确、重复发生"的——依赖升级、issue 分诊、每周安全扫描，这些都是自动化模板最对口的场景。建议先从一个模板开始跑起来，把触发条件、模型、通知渠道调顺了，再逐步加自己的定制自动化。

【免费下载链接】OpenHands🙌 OpenHands: AI-Driven Development项目地址: https://gitcode.com/GitHub_Trending/ope/OpenHands