在评估一款兼容E2B或作为E2B替代方案的沙箱用于AI应用时，在决定迁移前，务必核查以下方面：API接口重叠度、SDK接口兼容性、代码解释器会话行为、文件与状态生命周期、包安装策略、网络出口控制、会话时长与并发限制、以及定价模型。这些检查每一项都不需要超过一个下午的测试时间——但跳过任何一项，都是生产环境中迁移后出现意外的最常见根源。
为什么沙箱迁移问题如此重要
沙箱提供商在表面上看很相似。它们都提供隔离执行环境、某种形式的Python支持，以及REST或SDK接口。但一旦你尝试运行真实的智能体工作负载，细节就会迅速分化：一个需要跨工具调用持久化文件系统的编码智能体、一个需要在运行时安装pandas的数据分析工作流、或者一个需要向特定API发出出站HTTPS请求的浏览器智能体。
一份有用的迁移检查清单不是功能对照表。而是一系列问题，你需要根据应用的实际需求来回答，才能判断提供商切换是低摩擦的，还是需要完全重新架构。
本指南逐一介绍每个类别，提出值得关注的问题、在提供商文档中需要留意的地方，以及Novita 智能体沙箱如何针对每个维度为正在评估其作为迁移目标的团队提供支持。
API 和 SDK 兼容性
需要问的问题：
- 目标提供商是否提供你所使用语言（Python、TypeScript、Go）的官方 SDK？
- SDK 是否暴露了你依赖的相同高层原语：沙箱创建、代码执行、文件操作、进程管理？
- REST API 是否稳定且版本化，还是处于快速变化中？
- SDK 使用什么认证流程（API Key 头、OAuth、服务账号）？是否符合你现有的密钥管理方式？
需要留意的地方： SDK 文档应明确涵盖沙箱生命周期方法、文件系统方法和进程方法。如果提供商只有通用 REST API 而没有维护的 SDK，那么你需要编写更多的胶水代码。
实践中差异出现的地方： E2B 的 Python SDK 封装了沙箱创建、通过 sandbox.run_code() 执行代码以及文件系统操作。如果你的应用调用了特定的方法名，或者依赖 SDK 的流式输出行为，那么在实际迁移前，一定要在目标提供商上测试这些路径。
代码解释器兼容性
需要问的问题：
- 沙箱是否支持交互式 Python 执行（REPL 风格，而不仅仅是脚本执行）？
- 标准输出、标准错误和执行结果是如何分离的？
- 沙箱能否通过 Python 代码生成图表、图形或二进制输出（PNG、SVG、HTML）？
- 默认的 Python 版本是什么？是否可配置？
- 代码解释器能否运行任意 shell 命令，还是执行仅限于 Python？
需要留意的地方： 许多 AI 应用框架假设存在一个流式或结构化的执行结果，能够区分 stdout、stderr、展示数据（Jupyter 风格富输出）和执行错误。如果你的智能体需要解析这种结构，而提供商只返回纯文本响应，你将需要重写解析层。
流式执行结果： 有些提供商在代码运行时流式输出部分结果，另一些则在执行完成后返回单个响应对象。对于短代码片段这通常不重要，但对于长时间运行的数据处理步骤，流式输出部分结果通常对用户体验很重要。
会话生命周期与超时行为
需要问的问题：
- 默认和最大会话超时时间是多少？
- 提供商是否支持暂停和恢复会话（跨中断保留状态）？
- 如果会话超时，正在执行的代码会怎样？
- 会话创建是从应用角度同步还是异步的？
- 如何显式终止会话，以及自动清理会做什么？
需要留意的地方： 编码智能体和多步骤数据分析工作流通常需要会话持续时间超过单次 LLM 调用。提供商默认超时 60 秒且不支持暂停/恢复，会迫使你的智能体在每次轮次结束前序列化所有状态——这是一个重要的架构约束。
具体关于暂停/恢复： 暂停/恢复与创建带有快照的新会话不同。暂停/恢复保留内存中的进程状态、打开的文件句柄和加载的库。快照-恢复仅恢复文件系统镜像，通常不保留正在运行的进程。了解提供商提供的是哪种机制，以及你的智能体实际需要哪种。
会话创建延迟： 如果你的智能体每次工具调用都创建新沙箱，启动延迟会累积。查看提供商文档了解冷启动与预热池行为，以及是否能够预预热会话。
文件与状态持久化
需要问的问题：
- 沙箱在会话内的多次代码执行步骤之间是否有持久化文件系统？
- 一个会话中创建的文件能否在后续会话中访问，还是文件系统是每个会话临时性的？
- 是否有文件上传/下载 API，还是必须通过内联方式传递文件？
- 文件系统大小限制是多少（每个会话的磁盘配额）？
- 如果你的智能体生成大型工件（模型、数据集），文件导出如何工作？
需要留意的地方： 大多数沙箱提供每个会话的临时文件系统。如果你的工作流需要跨会话持久化（例如，一个编码智能体在多次用户交互中构建工件），请检查提供商是否支持命名卷、持久化工作区，或者有文档化的导出-恢复模式。
代码解释器模式下的文件 I/O： 对于数据分析智能体，在沙箱内写入 CSV 或 PNG 然后下载到应用是核心原语。测试端到端往返：上传文件，运行代码读取并转换，下载结果。
包安装策略
需要问的问题：
- 沙箱中的代码能否无限制地在运行时执行
pip install？ - 提供商是否允许自定义基础镜像或预安装的包环境？
- 是否有机制允许或禁止特定包？
- 包安装是否在会话内的多次工具调用之间持久化，还是每次执行都重置？
- 包安装失败时（缺少系统依赖、版本冲突）会发生什么？
需要留意的地方： 运行时包安装是沙箱最常见的差异点之一。有些提供商将包安装到持久化会话层，因此步骤 1 中的 pip install pandas 在步骤 2 中仍然可用。其他提供商则每个代码块都重置为基础镜像。如果你的智能体假设安装是持久化的，这就是一个破坏性假设。
供应链说明： 允许在运行时任意 pip install 存在供应链风险。对于生产工作负载，询问提供商是否支持互联网受限的安装（来自私有 PyPI 镜像或经过审核的允许列表），而不是开放的从公共互联网 pip install。
网络策略与出站流量
需要问的问题：
- 出站互联网访问默认是开启的，还是沙箱网络隔离的？
- 沙箱内的代码能否向外部 API 发出 HTTP 请求？
- 是否有可配置的出站目标允许列表或禁止列表？
- 沙箱内的 DNS 解析如何处理？
- 两个沙箱能否直接通信，还是只能通过应用层通信？
需要留意的地方： 对于获取公共数据集的数据分析智能体，开放出站很方便。对于在安全敏感环境中运行的编码智能体，受控或阻断的出站是合适的默认设置。了解你的工作负载需要哪种。
浏览器智能体 vs. 代码执行智能体： 浏览器智能体通常需要完全互联网访问（以导航到用户指定的 URL）。代码执行智能体通常只需要访问特定 API。这是不同的出站配置文件，可能需要不同的沙箱配置。
沙箱中的密钥处理
需要问的问题：
- 如何在沙箱创建时注入密钥（API 密钥、凭据）？
- 注入的密钥是作为环境变量、挂载文件还是两者都可访问？
- 密钥在执行日志或序列化状态中是否可见？
- 提供商是否自动从日志输出中清除密钥？
需要留意的地方： 最常见的错误是通过环境变量注入密钥，然后沙箱在启动时记录所有环境变量，导致密钥泄露到你的可观测性栈中。询问提供商是否有任何清除行为，如果没有，则构建应用层清除。
与通用环境变量的区别： 并非所有环境变量都是密钥。将两者等同对待（没有类型化密钥，没有脱敏）的提供商需要你在自己这边进行更多防御性编码。
并发与扩展限制
需要问的问题：
- 每个账户的默认和最大并发沙箱限制是多少？
- 并发限制是硬性的（超过限制请求失败）还是软性的（请求排队）？
- 是否有按区域或按数据中心的并发上限？
- 是否采用沙箱-每用户隔离模型，还是所有沙箱共享账户级限制？
- 当从 0 并发瞬间飙升到 100 并发沙箱时，有什么突发行为？
需要留意的地方： 评估工作负载、强化学习环境以及多租户编码平台都需要高并发。免费层限制在 5 或 10 个并发沙箱的提供商适合原型开发，但无法满足 50–100 个并行试验的生产级强化学习运行。
账户 vs. 组织限制： 有些提供商对每个 API 密钥实施限制，并允许一个组织使用多个密钥。另一些则无论密钥数量如何，都按组织级别实施限制。对于高并发工作负载，这种区别会影响你如何构建生产账户。
可观测性与日志记录
需要问的问题：
- 提供商暴露哪些执行日志：stdout、stderr、系统事件、网络流量？
- 日志是实时流式传输，还是仅在执行完成后可用？
- 日志保留多长时间？
- 是否有结构化日志 API（JSON、可搜索字段）还是只有纯文本？
- 能否附加你自己的可观测性栈（OpenTelemetry、Datadog、Splunk）？
需要留意的地方： 在生产中调试智能体故障时，你需要知道运行了什么代码、输出了什么、创建了什么文件、发出了什么网络调用。仅暴露 stdout/stderr 而不提供其他信息的提供商会使根本原因分析变得缓慢。
审计跟踪要求： 如果你的用例涉及受监管数据或合规要求，请询问提供商是否能够生成包含时间戳的所有执行事件的审计日志。纯文本 stdout 不是审计跟踪。
迁移路径与工作量
在承诺迁移之前，从以下维度评估实际工作量：
SDK 层： 如果目标提供商有官方 SDK 且方法名相似，应用层更改可能仅限于初始化、认证和少量方法签名。如果目标只提供 REST API，你需要编写适配器层。
会话与状态模型： 如果当前提供商支持暂停/恢复而目标不支持，你需要重新设计智能体如何处理多轮状态。这通常不是小改动。
包环境： 如果当前提供商使用带有预安装包的自定义基础镜像，在目标提供商上重建该环境需要时间和测试。
测试： 任何沙箱迁移都应包含一个集成测试套件，在切换生产流量之前，在目标提供商上端到端运行你的实际智能体工作负载。模拟沙箱的单元测试是不够的——行为差异恰恰出现在真实执行环境中。
粗略的工作量信号： 如果目标提供商拥有封装相同原语（创建、运行代码、列出文件、下载文件、终止）的 SDK，并且你的会话模型是每轮无状态的，迁移通常需要 1–2 天。如果你依赖暂停/恢复、自定义基础镜像或特定流式输出行为，请规划一周或更长时间用于设计、实现和测试。
定价模型差异
沙箱定价模型差异很大，合适的模型取决于你的工作负载形态。
常见的定价维度：
| 维度 | 影响 |
|---|---|
| 按秒计费 | 适合会话短且空闲时间少的工作负载 |
| 按分钟计费 | 适合计费增量较小的工作负载 |
| 订阅月费 | 无论使用量如何，固定月费 |
| vCPU + 内存计费 | 可自定义资源分配；按配置付费 |
| 按次执行计费 | 对于统一任务大小，成本可预测 |
需要问的问题：
- 计费是基于使用量（按活跃沙箱时间的秒/分钟计费）还是基于订阅（每月最低消费）？
- vCPU 和内存是独立计费，还是绑定到固定层级？
- 什么是可计费秒——会话创建时间、代码活跃执行时间、还是会话总挂钟时间？
- 是否有免费层，它对你的工作负载类型有哪些限制？
- 冷启动会话和预热会话之间是否有成本差异？
实践中定价如何分化： 一个从会话创建到会话终止（无论代码是否正在运行）都计费的提供商，对于智能体轮次之间长时间空闲的工作负载会更贵。一个只在活跃执行期间计费的提供商对于这些工作负载更便宜，但可能在你需要的资源层级上不存在。
对于高并发强化学习或评估工作负载，每千次运行的成本通常比每秒费率更重要。在选定提供商之前，使用现实的月运行次数进行计算。
Novita 智能体沙箱的适用性
Novita 智能体沙箱 是本文档检查清单主要针对的迁移目标之一。它面向编码智能体、浏览器智能体、数据分析、评估和强化学习工作负载。对于正在使用本检查清单的团队，以下是 Novita 的适用领域以及可能存在的差距：
SDK 和 API： Novita 提供 Python SDK 和 REST API 用于沙箱创建、代码执行、文件系统操作和进程管理。从 E2B 风格工作流迁移的团队会发现熟悉的原语。请针对你的目标 SDK 版本，与 Novita 沙箱文档 核对具体方法名。
会话生命周期： Novita 支持最长 24 小时的会话，并支持暂停/恢复以及空闲会话的自动暂停/自动恢复。对于需要在 LLM 调用之间保留会话状态的多轮编码智能体，这是一个与限制 60 分钟的提供商有意义的操作差异。
并发： Novita 的基础层支持 50 个并发沙箱，无需订阅费。对于需要更高并发的评估或强化学习工作负载，请通过 Novita 企业版联系。
定价模型： Novita 按实际 vCPU 和内存按秒计费，无订阅最低消费。对于使用模式可变或突发的工作负载，无底线的按使用量计费通常比基于订阅的替代方案更便宜。在做出成本预测之前，请查看 Novita AI 定价页面 确认当前费率。
BYOC 部署： Novita 支持在您自己的 AWS 或 GCP VPC 内运行沙箱。对于有严格网络隔离要求的团队，这避免了多租户公共云模型。
需要仔细验证的地方： E2B API/SDK 兼容性、即插即用替换保证以及特定功能对等性都处于持续开发中。在未针对 Novita 当前 SDK 测试你的特定工作负载模式之前，不要假设完全兼容。建议在发布任何兼容性声明之前进行产品审查。
Novita 可能不适合的地方： 深度投入 E2B 特定 SDK 抽象的团队、需要 GPU 沙箱支持的团队、或者需要在 AWS/GCP 之外进行本地部署的团队，应在迁移前仔细评估适用性。
常见问题
Novita 智能体沙箱能否作为 E2B 的即插即用替代品？
不能默认假设。SDK 方法名、会话生命周期行为、流式输出结构以及包安装持久性都需要针对你的特定工作负载进行测试，才能将任何提供商视为即插即用替代品。请使用本指南中的检查清单逐一验证每个维度。
从 E2B 迁移到其他沙箱提供商的最小工作量是多少？
如果目标提供商拥有类似原语（创建、运行代码、文件操作、终止）的官方 SDK，并且你的会话模型是每轮无状态的，迁移通常需要 1–2 天，涵盖 SDK 初始化、认证和少量方法签名。如果你依赖暂停/恢复、自定义基础镜像或特定流式输出行为，请规划一周或更长时间。
Novita 智能体沙箱是否支持暂停和恢复？
是的。Novita 支持空闲会话的暂停/恢复以及自动暂停/自动恢复，会话长度最长可达 24 小时。这对于需要在 LLM 调用之间保留会话状态的多轮编码智能体非常重要。请针对你的 SDK 版本，与 Novita 沙箱文档 核对当前行为。
如何测试目标沙箱提供商是否与我的应用兼容？
在切换生产流量之前，在暂存环境中端到端运行你的实际智能体工作负载。测试你的应用调用的具体 SDK 方法、你的解析器期望的流式输出结构、包安装在工具调用之间的持久性，以及文件往返（上传、转换、下载）。模拟沙箱的单元测试是不够的——兼容性差异只出现在真实执行中。
Novita 是否支持在私有云账户内运行沙箱？
是的。Novita 支持 BYOC（自带云）部署，可在您自己的 AWS 或 GCP VPC 内运行。对于有严格网络隔离、数据驻留或合规要求的团队，这避免了多租户公共云模型。请联系 Novita 了解当前 BYOC 的可用性和配置选项。
