sandbox Fusion：下一代代码沙盒执行工具

1. 什么是 Sandbox Fusion？

想象一下这个场景：你正在开发一个基于大语言模型（LLM）的编程助手，模型生成了代码，你需要验证它是否能正确运行。直接在你的电脑上运行这些代码显然风险极高——万一它包含恶意指令、死循环，或者试图删除你的系统文件呢？

Sandbox Fusion 正是为了解决这个问题而生的。它是字节跳动豆包大模型团队开源的一款代码沙盒执行工具，简单来说，它提供了一个安全、隔离的“容器”环境，让你可以在其中放心地运行和测试各种代码，而不用担心会对主机系统造成任何损害。

它最初是为了配合字节开源的 FullStack Bench 代码大模型测评基准而开发的，但由于其强大的通用性，它很快就能独立服务于更广泛的场景。你可以把它看作是一个通过 HTTP API 调用的、支持 20 多种编程语言的、安全的“代码运行器”。

2. 为什么需要 Sandbox Fusion？它解决了什么问题？

在 AI 与代码结合日益紧密的今天，我们经常需要动态地执行代码。无论是评估模型生成的代码质量，还是为学生提供在线编程练习平台，都离不开一个安全、高效的代码执行环境。Sandbox Fusion 的核心价值在于它精准地切中了几个关键的痛点：

• 安全性：这是沙盒最核心的使命。它通过容器技术、资源限制（CGroups）、网络隔离等多层防护机制，将不信任的代码执行限制在一个“笼子”里，防止其“越狱”破坏系统或窃取数据。
• 多语言支持：AI 模型需要处理的不只是 Python。Sandbox Fusion 覆盖了 23 种编程语言，包括 Python、Java、C++、Go、Rust，甚至还有 Verilog（硬件编程）和 CUDA（GPU 编程）等小众语言。这让它在技术栈多样化的项目中游刃有余。
• 标准化评估：对于 AI 研究人员，它提供了一个统一的接口来对接多种主流代码评估数据集（如 MBPP、HumanEval），极大地简化了模型评估流程。

3. 核心工作原理窥探

虽然我们通过 API 来使用它，但理解其内部机制有助于更好地使用它。Sandbox Fusion 的工作流程大致如下：

1. 创建临时战场：当收到执行代码的请求后，它会在容器内的 /tmp 目录下创建一个临时文件夹。
2. 准备文件：它会将你传入的 code 参数（以及通过 files 参数传入的任何依赖文件）写入到该临时目录下。
3. 执行代码：根据你指定的语言和隔离模式，它会调用相应的编译器或解释器（如 python、javac）来执行代码。整个过程受到资源限制（CPU、内存）和时间限制，防止恶意代码耗尽资源。
4. 回收结果：它会捕获程序的标准输出（stdout）、标准错误（stderr）、执行时间、返回码等运行信息，并将这些结果打包成 JSON 格式返回给你。
5. 清理现场：最后，它会销毁那个临时目录，确保每次执行都是干净、独立的环境，不留任何痕迹。

Sandbox Fusion 提供了两种隔离模式：

• 无隔离：性能最佳，但限制最少，适合运行完全可信的代码。
• 轻量隔离：提供了包括 CGroups 资源限制、网络隔离、文件系统隔离在内的完整防护，是处理不受信任代码的首选模式。

4. 快速上手：最小的可用示例

好了，理论说再多也不如一个能跑的代码来得实在。下面，我们就来一步步搭建并使用 Sandbox Fusion。

4.1 第一步：通过 Docker 一键部署

这是最简单快捷的启动方式。确保你的机器上已经安装了 Docker，然后在终端中执行以下命令：

docker run -d --rm -p 8080:8080 volcengine/sandbox-fusion:server-20250609

国内用户可以使用字节提供的镜像源以获得更快的下载速度：

docker run -d --rm -p 8080:8080 vemlp-cn-beijing.cr.volces.com/preset-images/code-sandbox:server-20250609

命令解释：

• docker run -d：在后台运行容器。
• --rm：容器停止后自动删除。
• -p 8080:8080：将容器的 8080 端口映射到主机的 8080 端口。
• 最后一部分是镜像名称。

启动后，一个完整的 Sandbox Fusion 服务就在你的 localhost:8080 上等待着请求了。

4.2 第二步：发送第一个代码执行请求

服务跑起来后，我们可以用 curl 命令来测试一下。打开一个新的终端，执行：

curl 'http://localhost:8080/run_code' \
  -H 'Content-Type: application/json' \
  --data-raw '{"code": "print(\"Hello, Sandbox Fusion!\")", "language": "python"}'

这个命令向沙盒服务发送了一段简单的 Python 代码。如果一切正常，你会收到一个 JSON 格式的响应，类似下面这样：

{
  "status": "Success",
  "message": "",
  "compile_result": null,
  "run_result": {
    "execution_time": 0.016735315322875977,
    "return_code": 0,
    "stdout": "Hello, Sandbox Fusion!\n",
    "stderr": ""
  },
  "executor_pod_name": null,
  "files": {}
}

恭喜你！你已经成功运行了你的第一个 Sandbox Fusion 程序。stdout 字段里正是我们代码的输出。return_code 为 0 表示程序正常退出。

4.3 第三步：用 Python 代码调用（更复杂的例子）

当然，在实际项目中，我们通常不会用 curl，而是用编程语言来调用。下面是一个 Python 示例，它演示了如何请求执行一段 C++ 代码：

import requests
import json

# 定义要执行的 C++ 代码
cpp_code = """
#include <iostream>
using namespace std;

int main() {
    cout << "Hello from C++ in Sandbox!" << endl;
    return 0;
}
"""

# 发送 POST 请求到 /run_code 端点
response = requests.post(
    'http://localhost:8080/run_code',
    json={
        "code": cpp_code,
        "language": "cpp"
    }
)

# 打印格式化的 JSON 结果
print(json.dumps(response.json(), indent=2))

运行这个 Python 脚本，你将会看到类似之前的 JSON 输出，其中 stdout 会包含 C++ 程序的输出。这个例子展示了 Sandbox Fusion 强大的多语言能力。

5. 进阶用法：评估 LLM 生成的代码

Sandbox Fusion 的强大之处不仅在于运行单段代码，更在于它提供了一套完整的代码评估工作流，尤其适合用于测试 AI 模型。

它集成了 Datasets 模块，让你可以通过 API 获取标准数据集的题目，并自动提交模型的答案进行正确性判断。

1. 获取题目：你可以向 /get_prompts 接口请求题目。例如，要获取 MBPP 数据集的所有题目：

   curl 'http://localhost:8080/get_prompts' \
     -H 'Content-Type: application/json' \
     --data-raw '{"dataset":"mbpp","config":{}}'
   

   服务会返回一个包含题目 ID、问题描述（prompt）和测试用例（labels）的列表。

2. 提交答案并验证：当你有了模型的输出（completion）后，可以将其提交给 /submit 接口，Sandbox Fusion 会自动将模型输出、测试用例等组合成一个可执行的测试程序并运行，最后告诉你模型生成的代码是否通过了所有测试。

这种“获取题目-模型生成-沙盒验证”的闭环，正是当前 LLM 研究中进行自动化评估和强化学习训练的关键环节。

6. 总结

Sandbox Fusion 是一个设计精巧、功能强大的代码沙盒工具。它通过 Docker 化部署、丰富的 API 接口和完善的安全隔离机制，为我们提供了一个运行和评估“不信任代码”的可靠解决方案。无论你是致力于代码大模型研究的科研人员，还是需要构建在线编程平台、自动化评测系统的开发者，Sandbox Fusion 都值得你深入了解和尝试。