项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1042
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- Python 环境（用于 pip 安装 tensorlake SDK）
- Tensorlake 账号与 API Key（cloud.tensorlake.ai 注册获取）
- 可访问外网以执行安装脚本和部署
- OpenAI API Key（运行 README 示例 city_guide 时需要）
安装与启动步骤
-
1安装 Python SDK
使用 pip 安装 tensorlake SDK，用于在代码中创建和管理沙箱。
pip install tensorlake -
2安装 tl CLI
tl 命令行是独立二进制，不走 PyPI/npm，需用官网安装脚本安装。
curl -fsSL https://tensorlake.ai/install | sh -
3配置 API Key
到 cloud.tensorlake.ai 注册并获取 API Key，写入环境变量供后续使用。
export TENSORLAKE_API_KEY="your-api-key" -
4登录 CLI
用 tl login 完成命令行身份认证，之后才能部署与操作沙箱。
tl login -
5设置 OpenAI 密钥
运行 README 的 city_guide 示例需要 OpenAI Key，用 tl secrets 存入平台。
tl secrets set OPENAI_API_KEY "your-openai-key" -
6部署示例应用
把 city_guide.py 部署到 Tensorlake，平台会为每个函数构建运行时镜像。
tl deploy examples/readme_example/city_guide.py -
7操作沙箱
用 tl sbx exec 在指定沙箱中执行命令，验证代码隔离执行是否正常。
tl sbx exec <sandbox-id> -- sh -lc "printf 'Hello from the sandbox!\n'"
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
TENSORLAKE_API_KEY | 是 | Tensorlake 平台身份认证密钥，SDK 与 CLI 均依赖 | your-api-key |
OPENAI_API_KEY | 否 | 示例应用调用 OpenAI 模型所需，通过 tl secrets 设置 | your-openai-key |
TENSORLAKE_API_URL | 否 | 镜像与应用请求的默认服务地址，用于鉴权与项目身份绑定 | https://api.tensorlake.ai |
TENSORLAKE_IMAGE_SERVICE_URL | 否 | 拆分布署时可单独指定镜像服务地址 | https://image.tensorlake.ai |
TENSORLAKE_FUNCTION_SERVICE_URL | 否 | 拆分布署时可单独指定函数服务地址 | https://function.tensorlake.ai |
如何确认成功
tl login 成功且 tl deploy 输出应用部署信息，tl sbx exec 能返回 Hello from the sandbox! 即正常。
常见问题
Q：tl 可以用 pip 或 npm 安装吗？
A：不可以。README 明确 tl CLI 是独立二进制，只通过 curl -fsSL https://tensorlake.ai/install | sh 安装。
Q：重复部署同一个应用会怎样？
A：相同代码与配置的重复部署是幂等的；若用同一版本搭配不同代码或配置会被拒绝。
Q：沙箱默认能访问外网吗？
A：默认可以，README 提供了 tl sbx update <sandbox-id> --no-internet 来屏蔽沙箱的全部外网访问。
Q：TENSORLAKE_API_URL 有什么作用？
A：镜像和应用请求默认经它路由，以便入口鉴权并附加可信的项目身份信息。
注意事项
- README 未给出 tl sbx create 的具体命令，创建沙箱请参考官方文档。
- 自托管/拆分布署需要额外设置 IMAGE 与 FUNCTION 服务地址环境变量。
- 部署镜像只包含声明的依赖与运行时，应用源码以独立 ZIP 随清单上传。
核心亮点
- 内置沙箱隔离，安全执行不可信代码，适合多租户场景
- 无服务器架构，自动扩缩容，降低运维成本
- 专为智能体设计，与 LLM 和 RL 工作流无缝集成
不足之处
- 项目早期，文档和生态尚不完善
- 社区规模小，示例和最佳实践较少
适用场景
- AI 智能体需要安全执行用户提供的代码（如代码解释器）
- 后台运行长时任务，如数据抓取、批量推理或 RL 训练
- 构建多租户 SaaS 服务，要求隔离不同用户的执行环境
替代项目
E2B、Modal、Fly.io
上一篇：dns-aid-core
下一篇：agent-trace
同类项目推荐
TensorRT-Model-Connect
开源
两条命令把 PyTorch 模型跑成 TensorRT 推理
From PyTorch model to end-to-end TensorRT inference experience in two commands—AI-n···
terraform-genai-rag
开源
填几个变量，云上 RAG 环境一键搭好
Deploys a Generative AI RAG solution
cerul
开源
让 AI 记住视频内容，秒级检索关键画面
Open-source video processing core and CLI. Search and annotate local videos with you···
split-lang
开源
一句话拆开混合语言，让 NLP 更精准
✨ Split text by languages (e.g. 你喜欢看アニメ吗 -> 你喜欢看 | アニメ | 吗) for NLP···
ollamaMQ
开源
多用户抢本地大模型？按人头公平排队，终端实时看板
High-performance LLM backends proxy with per-user fair-share queuing, round-robin sc···
OpenToys
开源
用 MacBook 和 ESP32 快速造本地 AI 玩具
Make Local AI Toys, Robots, Devices that work with a MacBook and an Arduino ESP32
bella-openapi
开源
一个网关搞定多种AI能力，还带计费和限流
Bella OpenAPI是一个提供了丰富的AI调用能力的API网关，可类比openrouter，与之不同的是除···
zerolan-core
开源
一个框架集成本地多模态 AI 模型，开箱即用
ZerolanCore integrates many open-source, locally deployable AI models, and aims to i···
pai
开源
管好 GPU 集群，让 AI 训练快人一步
Resource scheduling and cluster management for AI