envd

一条命令搞定可复现开发环境，人和 AI 都能用

envd 是一个面向人类和 AI 代理的可复现开发环境管理工具。它解决了开发环境配置不一致、依赖管理复杂、环境迁移困难等痛点，通过声明式配置文件和容器化技术，让开发者能够快速创建、共享和复用一致的开发环境。envd 的核心能力包括：基于 Python 或 Go 的 DSL 定义环境，自动构建镜像，支持 GPU 加速，内置 Jupyter、VS Code 等常见开发工具集成，并提供 CLI 和 Python SDK 接口。它特别适合数据科学、机器学习和 AI 应用开发场景，能够将环境配置代码化，实现环境即代码，从而提升团队协作效率和开发体验。

开源 free 编程开发

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2236

维护状态维护中

是否开源是

定价模式 free

项目数据

分类编程开发

开发团队tensorchord

所属国家

官网地址https://envd.tensorchord.ai

GitHubhttps://github.com/tensorchord/envd

定价模式free

价格说明开源项目，Apache-2.0 许可证，可自由使用和部署，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Go

技术栈/模型agent,buildkit,code-agent,codex,developer-tools,development-environment,docker,hacktoberfest,llmops,mlops,mlops-workflow,model-serving

GitHub 星标★ 2236

30天Star增速

HF 下载量

上线时间2022-04-11 00:00:00

最近更新2026-09-23 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：命令行工具 6 步

环境要求

已安装 Python 与 pip（envd 通过 PyPI 分发）
网络可访问 PyPI，或能手动下载 GitHub Releases 二进制
构建容器环境需本机具备 Docker（bootstrap 会涉及 docker.io registry 配置）

安装与启动步骤

1安装 envd

用 pip 安装或升级 envd，也可以直接从 GitHub Releases 下载二进制文件。
```
pip install --upgrade envd
```
2初始化 bootstrap

安装完成后必须执行 bootstrap，它会准备构建环境所需的组件。
```
envd bootstrap
```
3配置 Docker 镜像

网络受限或拉取慢时，可在 bootstrap 时加 --dockerhub-mirror 或 -m 指定 docker.io 镜像源。
```
envd bootstrap --dockerhub-mirror https://docker.mirrors.sjtug.sjtu.edu.cn
```

4编写 build.envd

在项目目录创建 build.envd，用 Python DSL 声明基础环境、依赖包、shell 与 Jupyter。

def build():
    base(dev=True)
    install.conda()
    install.python()
    # Configure the pip index if needed.
    # config.pip_index(url = "https://pypi.tuna.tsinghua.edu.cn/simple")
    install.python_packages(name = [
        "numpy",
    ])
    shell("fish")
    config.jupyter()

5启动开发环境

在 build.envd 所在目录执行 envd up，构建镜像并进入容器；加 --detach 可后台运行。
```
envd up
```
6查看环境信息

后台启动后用 envd envs ls 查看环境名、Jupyter 地址、SSH 目标与运行状态。
```
envd up --detach
envd envs ls
```

关键配置

配置项	必填	说明	示例
`--dockerhub-mirror / -m`	否	配置 docker.io 仓库镜像，加速镜像拉取	`https://docker.mirrors.sjtug.sjtu.edu.cn`
`config.pip_index(url)`	否	设置 pip 源，加速 Python 包安装	`https://pypi.tuna.tsinghua.edu.cn/simple`
`install.python_packages(name)`	否	声明需要安装的 Python 依赖包列表	`name = ["numpy"]`

如何确认成功

执行 envd envs ls，STATUS 列显示 Up 即启动成功，JUPYTER 列会给出访问地址。

常见问题

Q：安装后直接构建报错怎么办？

A：必须先运行 envd bootstrap 完成初始化，之后才能执行 envd up 构建环境。

Q：下载镜像或依赖太慢怎么加速？

A：bootstrap 时加 --dockerhub-mirror 指定 docker.io 镜像；在 build.envd 中用 config.pip_index 指定 pip 源。

Q：怎么在集群里用同样的体验运行？

A：先执行 envd context use cluster 切换上下文，之后照常执行 envd up 即可。

Q：如何复用团队已有环境配置？

A：在 build.envd 中用 include 导入 Git 仓库（如 envdlib），再调用其中定义的函数。

注意事项

安装完成后务必先执行 envd bootstrap，否则无法构建环境。
build.envd 需放在执行 envd up 的项目目录中，两者要保持一致。
可通过 include("https://github.com/tensorchord/envdlib") 复用团队共享的环境函数。

核心亮点

声明式配置，用代码定义环境，告别手工搭建和文档说明
支持 GPU 加速，对 AI/ML 开发友好，自动处理 CUDA 等依赖
内置 Jupyter、VS Code 集成，开箱即用，提升开发效率

不足之处

项目处于成长阶段，生态和社区规模相对较小
文档和教程可能不够完善，上手有一定学习成本

适用场景

机器学习/深度学习项目开发，快速搭建 GPU 环境
数据科学团队统一开发环境，消除环境差异
AI 代理或自动化流程中按需创建隔离环境

替代项目

Devcontainer、Conda、Docker

项目介绍

envd 是基础设施领域的开源项目，由 tensorchord 开发，2022 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（2,236）位列前 30%，在基础设施分类中处于中上游。

项目仍在小幅维护中，最近一次代码更新于 2026-09-23。Apache-2.0 许可证，可自由使用和部署，无付费版本。

它主要面向的使用场景是：机器学习/深度学习项目开发，快速搭建GPU环境。同类可对比的替代方案包括 Devcontainer、Conda、Docker。

上一篇：tokenmaxxing

下一篇：u-claw