1. Skill Sandbox Runtime 跑 WeKnora先解决模型入口再解决持续工作空间WeKnora 的 Skill Sandbox Runtime 不是“多一个代码执行器”这么简单。它给每个聊天 Session 挂了一个持续存在的工作空间Agent 可以检索企业知识库、调用 Skill、执行 Shell、读写文件、处理用户上传的 Excel/PDF最后把生成的文件作为结果返回。对 Agent 运行时工程师来说这套东西最值得盯住的是“状态”和“隔离”状态要跨轮次保留隔离要保证不同会话、不同用户、不同任务不互相污染。但要让这条链路真正跑起来模型入口必须先稳定。我的做法是去 TaoToken 拿 Key模型侧统一填https://taotoken.net/api再让 WeKnora 的 ReAct Agent 和 Skill Sandbox Runtime 共用这个入口。TaoToken 官网入口在这里https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_sandbox。本文不写新闻评论直接给可复现产出一份 Skill Sandbox Runtime 配置片段一份 Agent 执行结果对照以及 Claude Code、Codex、CC Switch 在 TaoToken 下的配置边界。如果你正在做的是企业知识库 Agent而不是单纯 PDF 问答那么大概率会遇到三个具体问题第一模型调用走哪个 Base URL、Key 放在哪层第二沙箱后端选 Docker、E2B 还是 Cube第三Agent 执行完 Python 后生成的文件怎么回到会话里。下面按运行时工程师的视角拆开。2. 为什么 Agent 运行时需要 Skill Sandbox Runtime传统 RAG 的典型链路是上传文档、解析、切块、向量化、检索、拼上下文、交给模型回答。它能解决“知识在哪里”但解决不了“知识怎么被使用”。比如用户上传一份 Excel问“按照公司差旅补贴规则重新计算并给我一份报告”纯 RAG 最多召回规则片段然后让模型口算。模型可能算对也可能漏行、错列、把表头当数据。企业场景里这种不确定性不能靠 prompt 兜底。WeKnora 把能力往 Agent 方向延伸后链路变成ReAct Agent 先理解任务再检索企业知识库找到差旅补贴规则然后调用 Skill在沙箱里运行 Python沙箱读取用户附件执行 pandas 计算生成新的 Excel最后把文件路径和摘要返回给 Agent。Agent 不需要把整个 Excel 塞进上下文也不需要让模型手算每一行。模型负责规划、检索、解释沙箱负责确定性执行。这就是 Skill Sandbox Runtime 的价值它把“模型推理”和“工具执行”分开。模型侧要稳定、可替换、可计费沙箱侧要隔离、可持久化、可审计。WeKnora 支持 Docker、E2B、Cube 三种后端正好对应不同运行时环境Docker本地或内网部署最直接适合已有容器平台的团队。缺点是要处理 Docker socket 权限、镜像预热、资源限制。E2B云端沙箱适合不想维护容器调度的团队。要注意网络策略、数据出域、附件上传路径。Cube偏隔离和轻量级执行适合对启动速度和资源占用敏感的场景。具体能力要按你用的版本来评估。从我的经验看刚开始验证链路时优先用 Docker。因为你能看到容器、卷、日志、退出码排障路径最短。等 Skill 稳定了再考虑 E2B 或 Cube 做弹性。无论选哪个后端模型侧都建议统一走 TaoToken。原因不是“额度”两个字而是运行时需要可替换的模型入口今天用 Claude 做规划和总结明天换一个更便宜的模型做检索改写Base URL 和 Key 管理方式不应该跟着变。WeKnora 还补了 Wiki Mode、长期记忆、知识图谱、MCP Server、CLI 和 API。这些能力组合起来Agent 不只是“知道公司文档”还逐步记住用户是谁、关注什么、做过哪些任务。对运行时工程师来说这意味着会话状态、记忆写入、沙箱工作空间、文件生命周期要一起设计。下面先解决 Key 和 Base URL。3. 从 TaoToken 取 Key三步拿到 Agent 的模型入口第一步打开 TaoToken 官网注册或登录https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_key。第二步先在模型对话里做一次最小验证确认模型可用https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_chat。这一步不是走过场。运行时排障最怕把“模型不可用”误判成“沙箱坏了”。先用对话确认 Key、Base URL、模型名三件事。第三步到控制台创建 API Keyhttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_keys。创建后复制 Key后面用YOUR_API_KEY占位。在 Agent 运行时里建议把 Key 放在环境变量或密钥管理里不要写进代码仓库。基础环境变量如下# TaoToken 模型入口 export TAOTOKEN_API_KEYYOUR_API_KEY export OPENAI_API_KEYYOUR_API_KEY export OPENAI_BASE_URLhttps://taotoken.net/api # 如果某个组件使用 Anthropic 兼容协议再单独设置 export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_AUTH_TOKENYOUR_API_KEY注意两点。第一OPENAI_BASE_URL和ANTHROPIC_BASE_URL都填https://taotoken.net/api不要加 UTM 参数。UTM 是给官网链接做来源标记的工具配置只认干净的 Base URL。第二不要混用协议。OpenAI 兼容客户端用OPENAI_*Anthropic 兼容客户端用ANTHROPIC_*。后面讲 Codex 时会单独用config.toml不会把ANTHROPIC_*套过去。可以在本地先用 curl 验证模型入口curl -sS https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer YOUR_API_KEY \ -H Content-Type: application/json \ -d { model: gpt-4o-mini, messages: [ {role: user, content: 只回复 pong} ] }如果返回正常说明 Key 和 Base URL 没问题。接下来把 WeKnora 的模型配置指向同一个入口。4. WeKnora Skill Sandbox Runtime 最小配置WeKnora 推荐用 Docker Compose 部署。提前准备 Docker、Docker Compose 和 Git然后克隆项目。这里不重复官方命令重点放在运行时配置。不同版本的变量名可能不同以你拉取下来的.env.example或config.yaml为准。核心映射关系是三类模型 Base URL、API Key、沙箱后端。在项目根目录准备.env把模型侧和沙箱侧分开写# 模型侧统一走 TaoToken MODEL_PROVIDERopenai-compatible OPENAI_API_BASEhttps://taotoken.net/api OPENAI_API_KEYYOUR_API_KEY MODEL_NAMEgpt-4o-mini # 如果 WeKnora 的某些 Agent 组件走 Anthropic 兼容协议 ANTHROPIC_BASE_URLhttps://taotoken.net/api ANTHROPIC_AUTH_TOKENYOUR_API_KEY ANTHROPIC_MODELclaude-sonnet-4-5 # Skill Sandbox Runtime SKILL_SANDBOX_ENABLEDtrue SANDBOX_BACKENDdocker SANDBOX_IMAGEpython:3.11-slim SANDBOX_WORKSPACE_DIR/data/weknora/sandbox SANDBOX_PERSISTtrue SANDBOX_TIMEOUT600 SANDBOX_NETWORKnone SANDBOX_MEMORY512m SANDBOX_CPU1.0解释几个关键项SANDBOX_BACKENDdocker先用本地 Docker 跑通排障最直接。SANDBOX_IMAGEpython:3.11-slim基础镜像。如果你要跑 pandas、openpyxl可以直接用也可以在自定义镜像里预装。SANDBOX_WORKSPACE_DIR工作空间根目录。每个 Session 最好有独立子目录例如sess_8f3a。SANDBOX_PERSISTtrue跨轮次保留文件。没有这个Agent 第二轮就找不到上一轮生成的文件。SANDBOX_NETWORKnone默认不给沙箱外网。需要装包时再按需开网络或者预装依赖。SANDBOX_TIMEOUT600任务超时。模型调用超时和沙箱执行超时要分开设置否则排障时分不清是谁超时。Compose 层要把工作空间和 Docker socket 挂进去。示例services: weknora: image: weknora/weknora:latest ports: - 80:80 env_file: - .env volumes: - ./data:/data - /var/run/docker.sock:/var/run/docker.sock # 如果项目拆分出了 sandbox-runtime 服务按实际 compose 文件调整 sandbox-runtime: image: weknora/sandbox-runtime:latest env_file: - .env volumes: - ./data/weknora/sandbox:/data/weknora/sandbox - /var/run/docker.sock:/var/run/docker.sock depends_on: - weknora启动docker compose up -d docker compose logs -f weknora浏览器访问http://localhost进入 Web UI。如果沙箱启动失败优先查三件事Docker daemon 是否运行、当前用户是否有 Docker socket 权限、SANDBOX_WORKSPACE_DIR是否可写。不要一上来就改模型配置。模型入口和沙箱运行时是两条排障线先分开验证。5. 写一个能在沙箱里跑的 SkillExcel 差旅补贴分析为了验证 Skill Sandbox Runtime 是否真的在工作我构造一个具体任务用户上传expenses.xlsx问“按企业差旅补贴规则计算每位员工的补贴并生成报告文件”。Agent 需要先检索知识库里的规则再调用 Skill 在沙箱里跑 Python。目录结构可以这样放skills/ travel-subsidy/ skill.yaml run.py requirements.txtskill.yaml描述 Skill 的输入输出name: travel-subsidy description: 根据企业差旅规则计算员工补贴并生成 Excel 报告 runtime: python entrypoint: run.py inputs: - name: expense_file type: file required: true - name: policy_query type: string default: 差旅补贴标准 outputs: - name: report type: file path: output/report.xlsxrequirements.txtpandas openpyxlrun.py是沙箱里真正执行的脚本import os from pathlib import Path import pandas as pd def main(): # 沙箱工作空间内上传附件通常会被映射到 input/ 或环境变量指定路径 expense_file os.environ.get(EXPENSE_FILE, input/expenses.xlsx) output_dir Path(output) output_dir.mkdir(parentsTrue, exist_okTrue) df pd.read_excel(expense_file) # 示例规则一线城市 500/天二线 350/天其他 200/天 # 真实场景中这些规则应由 Agent 从 WeKnora 知识库检索后传入 city_rate { 北京: 500, 上海: 500, 广州: 500, 深圳: 500, 杭州: 350, 成都: 350, } df[标准] df[城市].map(city_rate).fillna(200) df[补贴] df[天数] * df[标准] total int(df[补贴].sum()) report output_dir / report.xlsx df.to_excel(report, indexFalse) print(frows{len(df)}) print(ftotal_subsidy{total}) print(freport{report}) if __name__ __main__: main()然后在 WeKnora 里上传 Excel输入任务请从企业知识库中找到差旅补贴标准调用 travel-subsidy Skill 读取我上传的 expenses.xlsx计算补贴并返回 report.xlsx。预期执行链路ReAct Agent 解析任务识别需要检索知识库和调用 Skill。检索模块从 WeKnora 知识库召回差旅规则。Agent 调用travel-subsidy把附件路径、规则参数传给沙箱。Skill Sandbox Runtime 启动容器挂载 Session 工作空间。run.py读取 Excel执行 pandas 计算写出output/report.xlsx。Agent 收到 stdout 和文件路径把报告作为附件返回。这里最容易出问题的是文件路径。建议在运行时日志里打印工作空间绝对路径并确保SANDBOX_PERSISTtrue。否则第一轮生成的文件第二轮 Agent 就找不到了。6. Agent 执行结果对照无沙箱 vs 有沙箱为了判断 Skill Sandbox Runtime 是否值得上我做了一组对照。同一个 Excel、同一个问题分别跑纯 ReAct 检索和带沙箱 Skill 的流程。| 环节 | 无 Skill Sandbox Runtime | 有 Skill Sandbox Runtime | | 知识检索 | 能召回规则片段 | 能召回规则片段 | | 计算方式 | 模型在上下文里口算 | 沙箱内 pandas 逐行计算 | | 附件读取 | 通常只能把文本塞进上下文 | 直接读 Excel 原始单元格 | | 结果文件 | 只能返回文字 | 返回report.xlsx下载 | | 可复现性 | 同一问题多次运行可能不一致 | 同一输入输出一致 | | 审计 | 只有对话记录 | 有 Shell stdout、退出码、文件路径 | | 多轮会话 | 文件容易丢 | Session 工作空间持久 | | 复杂任务 | 行数一多容易漏 | 可处理数千行 |沙箱执行日志大致如下[retrieval] found 3 chunks from policy/travel.md [skill] travel-subsidy started [sandbox] backenddocker imagepython:3.11-slim workspace/data/weknora/sandbox/sess_8f3a [stdout] rows42 [stdout] total_subsidy38600 [stdout] reportoutput/report.xlsx [result] file attached: report.xlsx (8.7 KB)对照结论很直接如果任务只要求“回答文档里写了什么”纯 RAG 够用。如果任务要求“按照规则处理文件、计算、生成新文件”没有沙箱的 Agent 会在确定性和文件交付上卡住。Skill Sandbox Runtime 补的正是这一层。对运行时工程师来说还要关注资源限制。SANDBOX_MEMORY512m、SANDBOX_CPU1.0、SANDBOX_TIMEOUT600是起步值。真实任务里要按 Excel 行数、pandas 内存占用、生成文件大小调整。不要让沙箱无限制使用宿主机资源。7. 把 Claude Code、Codex、CC Switch 接到 TaoTokenWeKnora 的一个重要方向是充当其他 Agent 的外部知识层。它提供 API、CLI 和 MCP ServerClaude Code、DeepSeek Harness 或自研 Agent 可以搜索 WeKnora 知识库、读取完整文档或者调用 RAG / ReAct 流程。模型供应商则可以统一走 TaoToken。先看 Claude Code。它的配置入口是settings.json使用ANTHROPIC_*环境变量{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: claude-sonnet-4-5, ANTHROPIC_SMALL_FAST_MODEL: claude-haiku-4-5 } }如果你的 Claude Code 版本使用 API Key 而不是 auth token可以把ANTHROPIC_AUTH_TOKEN换成ANTHROPIC_API_KEY。不要同时写两个值不一致的 Key。Base URL 保持https://taotoken.net/api不要带 UTM。再看 Codex。Codex 不使用ANTHROPIC_*它用config.toml。配置方式如下model gpt-5-codex model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat对应环境变量export TAOTOKEN_API_KEYYOUR_API_KEY这样 Codex 会从TAOTOKEN_API_KEY读取 Key从https://taotoken.net/api走模型请求。注意不要把 Claude Code 的ANTHROPIC_*复制到 Codex 配置里两者协议和字段不同混用会直接导致 401 或 404。如果你用 CC Switch 管理多套配置可以把它理解成“三件套”的切换器供应商名称、Base URL、API Key。落到 Claude Code 上三件套就是ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN、ANTHROPIC_MODEL对应的配置组落到 Codex 上三件套是model_provider、base_url、env_key对应的config.toml段。CC Switch 只负责切换不负责把 Anthropic 协议翻译成 OpenAI 协议。所以配置边界要自己守住。如果要把 WeKnora 作为外部知识层挂给 Claude Code可以单独配 MCP。注意这里连的是 WeKnora 的 MCP Server不是模型 Key。模型 Key 仍然走 TaoToken。{ mcpServers: { weknora: { command: weknora, args: [mcp, serve], env: { WEKNORA_API_BASE: http://localhost:8080, WEKNORA_API_KEY: YOUR_WEKNORA_KEY } } } }生产环境里不要把 MCP 或 Agent 直连到 Oracle、MySQL 等生产库。让 WeKnora 通过受控 API 暴露知识检索SQL 和命令由读者在本地或隔离环境执行。运行时边界要清楚模型侧走 TaoToken知识侧走 WeKnora执行侧走 Skill Sandbox Runtime。8. 常见排障与验收清单排障时按链路拆不要一锅炖。401 / 403Key 错误或没带上。去 TaoToken 控制台重新创建https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_troubleshoot。确认环境变量名和工具要求一致。404Base URL 路径不对。工具配置填https://taotoken.net/api不要填官网首页也不要带 UTM。OpenAI 兼容客户端通常会自动补/v1。模型名不存在先到模型对话确认可用模型https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_model。Codex、Claude Code、WeKnora 的模型名可能不同不要硬编码一个名字到处用。沙箱启动失败检查 Docker daemon、socket 权限、镜像是否可拉取。SANDBOX_NETWORKnone时容器内不能临时pip install要预装依赖或自定义镜像。文件不持久确认SANDBOX_PERSISTtrue确认SANDBOX_WORKSPACE_DIR挂载到了宿主机目录。检查 Session ID 是否变化。多会话串数据每个 Session 使用独立工作空间。不要多个 Session 共用一个目录。超时模型超时和沙箱超时分开配。SANDBOX_TIMEOUT600是沙箱执行上限模型请求超时在模型客户端侧设置。验收清单可以这样列[ ] TaoToken Key 可用模型对话返回正常 [ ] WeKnora 模型侧 Base URL https://taotoken.net/api [ ] Skill Sandbox Runtime 后端启动成功 [ ] Session 工作空间可写、可持久化 [ ] Skill 能在沙箱内执行 Python [ ] 上传 Excel 后能生成 report.xlsx [ ] 第二轮对话仍能引用上一轮文件 [ ] Claude Code 使用 ANTHROPIC_* 配置 [ ] Codex 使用 config.toml未混用 ANTHROPIC_* [ ] 沙箱未直连生产库SQL 由本地或隔离环境执行9. 推荐接入路径如果你还没拿到 Key建议按这个顺序走先到模型对话验证模型可用https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_cta_chat需要长期跑 Agent、Coding Agent 或沙箱任务看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_cta_plan创建 API Key填入YOUR_API_KEYhttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_cta_keysClaude Code 配置参考官方文档https://taotoken.net/doc/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_cta_claudecodeWeKnora 把企业知识库从“能被检索”推进到“能被 Agent 使用”Skill Sandbox Runtime 则把“能回答”推进到“能执行、能产出文件”。运行时工程师要做的是把模型入口、知识入口、执行入口三者拆清楚模型入口走 TaoTokenBase URL 填https://taotoken.net/api知识入口走 WeKnora 的 API、CLI 或 MCP Server执行入口走 Skill Sandbox Runtime配置好 Docker/E2B/Cube 后端和持久工作空间。这样无论上层是 Claude Code、Codex 还是自研 Agent底层知识层和沙箱运行时都可以复用。TaoToken 官网入口再放一次方便直接取 Keyhttps://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentweknora_final。