告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度1. 目标与产物用 OpenHands Kimi K2.7 Code 修一个真实 Python issue本文要完成的事情很具体从一个公开 Python 仓库里挑一个带复现步骤的 issue让 OpenHands 这个开源 Agent 框架调用 Kimi K2.7 Code 生成 patch并以仓库自带测试通过作为完成条件。TaoToken 出现在“默认供应商”这一步——在官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content 拿到 API Key 后把 OpenHands 的 LLM Base URL 指向 https://taotoken.net/api模型 ID 填 Kimi K2.7 Code 对应的标识就能让 Agent 在容器里读代码、改文件、跑测试。产物有三样一份可复现的启动命令、一份 OpenHands 的 LLM 配置、以及一段“patch 测试输出”的验证记录。本文不含排行分数也不对任何模型做跑分对比所有涉及价格、模型版本、上下文长度的信息都以 TaoToken 官网当前页面为准。选 issue 的原则是“可验证”issue 描述里有明确的复现命令、期望行为与实际行为仓库里有对应的测试文件。这样 Agent 的完成条件不是“看起来改对了”而是pytest真的从红变绿。OpenHands 的价值在于它把“读 issue → 定位文件 → 编辑 → 运行测试 → 根据报错再改”串成一个循环而 Kimi K2.7 Code 在这个循环里承担代码理解与补丁生成。2. 操作步骤从拿 Key 到启动 OpenHands2.1 准备 API Key 与模型 ID先在 TaoToken 官网注册并创建 Key。入口在控制台的 API Keys 页面建议单独建一把用于 Agent 的 Key方便后续按项目轮换或吊销控制台 / API Keyshttps://taotoken.net/console?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content模型 ID 不要凭记忆写。到模型对话页或文档里确认 Kimi K2.7 Code 在当前平台上的准确标识再填进配置模型对话https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content2.2 安装 OpenHands 并准备仓库OpenHands 官方推荐用 Docker 运行因为它需要在隔离环境里执行命令。先克隆目标仓库到本地再让 OpenHands 挂载进去# 1. 克隆一个带复现步骤的 Python 仓库 git clone https://github.com/owner/repo.git cd repo # 2. 确认 issue 对应的测试能跑此时应该是失败的 python -m pytest tests/test_xxx.py -q # 3. 安装 OpenHands以官方当前推荐方式为准 # 常见做法是 pip 安装或使用官方 Docker 镜像 pip install openhands-ai如果仓库依赖较多建议先在本地建虚拟环境把测试跑通一次确认“失败是 issue 导致的”而不是环境缺包。否则 Agent 会把时间花在装依赖上。2.3 启动命令OpenHands 的启动方式随版本有差异核心是让它知道工作目录和 LLM 配置。下面给出一个通用形态具体参数以你安装的版本为准# 设置工作目录为待修复的仓库 export WORKSPACE_BASE$(pwd) # 启动 OpenHandsDocker 方式示例 docker run -it --rm \ --pullalways \ -e SANDBOX_RUNTIME_CONTAINER_IMAGEdocker.all-hands.dev/all-hands-ai/runtime:latest \ -e LOG_ALL_EVENTStrue \ -v /var/run/docker.sock:/var/run/docker.sock \ -v ~/.openhands-state:/.openhands-state \ -p 3000:3000 \ --add-host host.docker.internal:host-gateway \ --name openhands-app \ docker.all-hands.dev/all-hands-ai/openhands:latest启动后在浏览器打开http://localhost:3000进入 Settings 配置 LLM。也可以在启动前用环境变量注入避免每次手填。3. TaoToken 接入与配置Base URL 与模型 IDOpenHands 的 LLM 设置里有三个关键字段Provider、Base URL、Model。把 Provider 选成 OpenAI 兼容或自定义Base URL 填https://taotoken.net/apiAPI Key 填你在 TaoToken 控制台创建的那把Model 填 Kimi K2.7 Code 的准确 ID。如果走环境变量形态大致如下export LLM_API_KEYYOUR_TAOTOKEN_API_KEY export LLM_BASE_URLhttps://taotoken.net/api export LLM_MODELKimi K2.7 Code 的模型 ID注意 Base URL 只写到/api不要自己拼/v1/chat/completions之类的路径OpenHands 会按 OpenAI 兼容协议补全。模型 ID 必须和 TaoToken 文档里列出的完全一致大小写、连字符都要对上否则会返回模型不存在的错误。如果你同时用 Claude Code 或 Codex配置位置不同别混用Claude Code改settings.json设置ANTHROPIC_BASE_URL与ANTHROPIC_API_KEY等ANTHROPIC_*变量。Codex改config.toml在 provider 段里写 base_url 与 model。CC Switch用它管理多套供应商配置时注意三件套供应商、Key、模型要成套切换避免 Key 和 Base URL 对不上。配置完成后在 OpenHands 界面里发一条最简单的消息测试连通性比如“列出当前目录的文件”。如果这一步就报 401说明 Key 或 Base URL 有问题报 404 通常是模型 ID 写错或路径拼错。4. 可验证结果与失败分支4.1 让 Agent 开始修 issue在 OpenHands 对话框里贴入 issue 的复现步骤和期望行为并明确完成条件仓库根目录是 /workspace/repo。 Issue粘贴 issue 标题与复现步骤 期望运行 python -m pytest tests/test_xxx.py -q 全部通过。 请定位问题、修改代码并运行上述测试验证。测试不通过就继续改。Agent 会先读文件、搜索相关函数然后给出 patch。它通常会在容器里直接执行测试。你要做的是观察它的每一步尤其是它是否真的运行了测试而不是只声称“已修复”。4.2 结果对照表下面这张表是本地复现记录不是公开排行榜也不含任何评测分数。它只描述“这次任务里发生了什么”阶段命令预期实际修复前pytest tests/test_xxx.py -q失败失败与 issue 描述一致Agent 修改OpenHands 编辑源文件生成 patch生成 patch改动集中在目标函数修复后pytest tests/test_xxx.py -q通过通过回归pytest -q不引入新失败以仓库实际结果为准patch 的形态可以用git diff查看git diff如果测试通过把 diff 保存下来作为产物git diff fix-issue.patch4.3 失败分支Agent 任务失败通常有几类处理方式不同401/403Key 无效或权限不足。回 TaoToken 控制台确认 Key 状态必要时重建。404模型 ID 或 Base URL 写错。核对文档里的模型标识确认 Base URL 是https://taotoken.net/api。测试一直红可能是 issue 描述不完整或仓库本身有环境问题。先手动复现一次确认失败原因。Agent 反复改同一个文件把完成条件写得更硬比如“必须运行指定测试命令并贴出输出”减少它“自认为改好”的空间。超时或上下文超限换更小的任务范围或按官网说明选择上下文更合适的模型。5. 限制、成本与模型选择OpenHands 跑真实仓库有几个现实限制。第一它需要在容器里执行命令对本地 Docker 资源有要求仓库越大索引和搜索越慢。第二Agent 的完成质量高度依赖 issue 的可复现性——描述模糊的 issue它容易改错地方。第三测试通过不等于修复正确有些边界情况仓库测试没覆盖仍需人工 review。成本方面Agent 任务会消耗大量 token读文件、跑命令、根据报错重试每一步都在调用模型。具体单价、计费方式和可用模型以 TaoToken 官网当前页面为准本文不写死数字。控制成本的做法是把任务范围缩小到单个 issue、单个测试文件避免让 Agent 做“全仓库重构”这类开放任务。模型选择上Kimi K2.7 Code 适合代码理解与补丁生成这类任务。如果你要跑的是长期、多轮的开发任务可以了解 Coding PlanCoding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content如果你更想先手动对话确认模型行为再去接 Agent模型对话https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_generateutm_mediumcsdnutm_campaigngenerateutm_content最后提醒一句本文的验证记录来自一次具体任务不代表模型在所有仓库上的表现。换仓库、换 issue、换模型版本结果都可能不同。把“测试通过”当作最低门槛而不是质量保证。 告别海外账号与网络限制稳定直连全球优质大模型限时半价接入中。 点击领取海量免费额度