tensorlake

一键部署智能体后台任务，沙箱安全执行代码

Tensorlake 是一个面向智能体应用的无服务器运行时，专注于沙箱环境和后台任务部署。它解决了 AI 智能体在代码执行、工具调用和强化学习训练中需要隔离、安全和弹性伸缩的问题。核心能力包括：提供轻量级沙箱来安全运行不可信代码，支持代码解释器模式，方便智能体执行 Python 等脚本；作为无服务器平台，自动管理后台任务的生命周期，支持事件驱动和异步处理；与 LLM 工作流深度集成，可配合 RL 训练流程使用。它旨在简化从原型到生产的智能体部署，让开发者无需关心基础设施，专注业务逻辑。项目处于早期阶段，但设计理念清晰，适合需要安全代码执行和后台任务编排的 AI 应用场景。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1012

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队tensorlakeai

所属国家

官网地址https://tensorlake.ai

GitHubhttps://github.com/tensorlakeai/tensorlake

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai-agents,ai-infra,ai-infrastructure,code-execution,code-interpreter,llm,rl,sandbox,sandboxes,tensorlake

GitHub 星标★ 1012

30天Star增速

HF 下载量

上线时间2024-11-15 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

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4

使用教程

难度：入门约 15 分钟部署方式：命令行工具 7 步

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  -- sh -lc "printf 'Hello from the sandbox!
'"
```

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 --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

项目介绍

tensorlake 是基础设施领域的开源项目，由 tensorlakeai 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（1,012）位列前 30%，在基础设施分类中处于中上游。

近 45 天，它的 GitHub 星标从 983 增加到 1,012，净增 29。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。从国内网络环境看，可直接访问。

它主要面向的使用场景是：AI智能体需要安全执行用户提供的代码（如代码解释器）。同类可对比的替代方案包括 E2B、Modal、Fly.io。

上一篇：dns-aid-core

下一篇：agent-trace