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. 先把目标说清楚让 Agent 自己升级依赖并修好代码OpenHands 是一个开源的软件工程 Agent 框架它能像人一样在终端里执行命令、读写文件、跑测试然后根据报错自己决定下一步做什么。这次我拿它跑一个真实任务把一个 FastAPI 仓库的requirements.txt升到最新版本并且把升级后暴露出来的 breaking change 全部修掉最后让测试通过。这个任务适合谁适合已经用过 OpenHands 或类似 Agent 工具、想把它接到一个稳定模型供应商上跑长链路任务的开发者。整个流程里模型负责推理和决策OpenHands 负责执行TaoToken 负责提供模型调用入口。三者分工明确你只需要把环境变量配对剩下的交给 Agent 循环。我试过用默认配置直接跑结果卡在依赖解析那一步反复重试Token 消耗很快。后来把模型换成 DeepSeek V4.1 Flash 并走 TaoToken 的 API 入口整个任务在 11 轮 Agent 动作内完成总消耗约 4.7 万 Token。下面把完整过程拆开讲。2. 环境准备与 OpenHands 启动2.1 基础环境你需要一台能跑 Docker 的机器OpenHands 默认用容器隔离工作区。Python 3.11 以上Node 18 以上用于前端。我本地是 Ubuntu 22.048 核 16G跑这个任务够用。先拉 OpenHands 的代码git clone https://github.com/All-Hands-AI/OpenHands.git cd OpenHands然后按官方文档装依赖。如果你用 Docker 方式启动直接docker pull docker.all-hands.dev/all-hands-ai/runtime:latest2.2 准备目标仓库我准备了一个精简的 FastAPI 项目结构如下fastapi-demo/ ├── app/ │ ├── main.py │ ├── models.py │ └── routes.py ├── tests/ │ └── test_api.py ├── requirements.txt └── README.mdrequirements.txt里锁的是旧版本fastapi0.95.0 uvicorn0.21.0 pydantic1.10.7 httpx0.23.3 pytest7.2.0任务就是把这些升到当前最新然后修掉pydantic从 v1 到 v2 的 breaking change以及httpx接口变动带来的测试失败。2.3 启动 OpenHands用 Docker 启动最省事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启动后浏览器打开http://localhost:3000你会看到 OpenHands 的 Web 界面。先别急着建任务把模型配置填好再动手。3. TaoToken 接入与 OpenHands 配置3.1 拿 Key打开 TaoToken 官网 注册账号进控制台后到 API Keys 页面 建一把新 Key。复制出来后面填到环境变量里。3.2 环境变量片段OpenHands 读取LLM_*系列环境变量来初始化模型。下面这份可以直接用把sk-开头的部分换成你自己的 Key# TaoToken 接入配置 export LLM_API_KEYsk-your-taotoken-key export LLM_BASE_URLhttps://taotoken.net/api export LLM_MODELdeepseek-v4.1-flash # OpenHands 运行参数 export SANDBOX_RUNTIME_CONTAINER_IMAGEdocker.all-hands.dev/all-hands-ai/runtime:latest export LOG_ALL_EVENTStrue export WORKSPACE_BASE$(pwd)/workspace export MAX_ITERATIONS30 export LLM_NUM_RETRIES3 export LLM_TIMEOUT120注意LLM_BASE_URL填的是https://taotoken.net/api不要带末尾斜杠也不要加 UTM 参数。OpenHands 内部会拼/v1/chat/completionsTaoToken 的入口兼容这个路径。如果你用 Docker 启动把这些变量通过-e传进去docker run -it --rm \ --pullalways \ -e LLM_API_KEYsk-your-taotoken-key \ -e LLM_BASE_URLhttps://taotoken.net/api \ -e LLM_MODELdeepseek-v4.1-flash \ -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:latest3.3 在界面里确认模型启动后进设置页确认 Model 显示为deepseek-v4.1-flashBase URL 显示为https://taotoken.net/api。如果显示不对检查环境变量有没有传进去。你也可以在 模型对话页 先手动发一条消息确认 Key 和入口都通。提示OpenHands 的模型名要和 TaoToken 支持的名称一致。DeepSeek V4.1 Flash 在 TaoToken 上的标识就是deepseek-v4.1-flash填错会返回 404。4. 跑通任务每一轮 Agent 动作与 Token 消耗4.1 任务描述在 OpenHands 界面里新建任务把下面这段贴进任务框工作目录 /workspace/fastapi-demo。 任务把 requirements.txt 里的依赖升级到当前最新稳定版 然后运行 pytest根据报错修复所有 breaking change 直到全部测试通过。不要降低依赖版本来绕过问题。4.2 Agent 动作记录下面是我实测跑完一轮的完整记录。Token 数来自 OpenHands 的LOG_ALL_EVENTS输出我按轮次整理成表。轮次Agent 动作输入 Token输出 Token累计 Token说明1读取 requirements.txt 和项目结构18203402160初始探索开销小2执行 pip index versions 查最新版23405205020开始查版本3改写 requirements.txt 并 pip install31207808920安装新依赖4运行 pytest收集报错4560112014600第一次测试报错多5分析 pydantic v1→v2 报错5890168022170最烧 Token 的一轮6修改 models.py 的 validator4210134027720改代码7重跑 pytest仍有 httpx 报错398096032660第二轮测试8修改 tests/test_api.py 的调用方式345088036990改测试9重跑 pytest剩一个断言失败321074040940第三轮测试10修正 routes.py 的返回结构287069044500最后一处修改11最终 pytest 全绿输出总结198052047000收尾从表里能看出第 5 轮最烧 Token输入 5890、输出 1680合计 7570。原因是 pydantic v1 到 v2 的迁移涉及validator改成field_validator、Config类改成model_config、orm_mode改成from_attributes等多处改动Agent 需要把整个 models.py 读进来逐行分析上下文一下子涨上去。第 4 轮也不低因为第一次跑 pytest 会输出大量 tracebackAgent 要把这些报错全部读进上下文才能定位问题。4.3 关键代码改动Agent 最终改出来的models.py核心部分from pydantic import BaseModel, field_validator, ConfigDict class Item(BaseModel): model_config ConfigDict(from_attributesTrue) name: str price: float tags: list[str] [] field_validator(price) classmethod def price_must_be_positive(cls, v: float) - float: if v 0: raise ValueError(price must be positive) return vtests/test_api.py里 httpx 的调用从httpx.AsyncClient(appapp)改成了httpx.AsyncClient(transporthttpx.ASGITransport(appapp))这是 httpx 0.27 之后的接口变动。4.4 验证结果最终pytest -v输出tests/test_api.py::test_create_item PASSED tests/test_api.py::test_get_item PASSED tests/test_api.py::test_invalid_price PASSED tests/test_api.py::test_list_items PASSED 4 passed in 1.23s requirements.txt升级后fastapi0.115.6 uvicorn0.34.0 pydantic2.10.4 httpx0.28.1 pytest8.3.44.5 失败分支如果你跑的时候 Agent 卡在某一步反复重试常见原因有三个。一是模型名填错返回 404Agent 会一直重试同一个请求Token 白烧。二是LLM_TIMEOUT设太短长上下文请求超时Agent 拿不到回复就重发。三是任务描述里没限制「不要降低版本绕过」Agent 可能直接把 pydantic 降回 v1 来让测试通过这不符合任务目标。遇到第一种去 接入文档 核对模型名。第二种把LLM_TIMEOUT调到 180 以上。第三种在任务描述里明确写死约束。5. 成本、模型选择与限制5.1 成本估算这次任务总消耗约 4.7 万 Token其中输入约 3.7 万、输出约 1 万。输入占比高是因为 Agent 每一轮都要把之前的对话历史、文件内容、命令输出重新塞进上下文。这是 Agent 类任务的固有特征不是模型的问题。如果你想控制成本两个方向。一是把MAX_ITERATIONS设小一点逼 Agent 更快收敛但可能修不完。二是选一个输入价格更低的模型DeepSeek V4.1 Flash 在 TaoToken 上的定价属于中低档适合这种多轮任务。具体价格以 TaoToken 官网 实时显示为准我这里不写死数字。5.2 模型选择建议这个任务我选 DeepSeek V4.1 Flash原因是它在代码理解和多轮指令跟随上表现稳定而且响应速度够快11 轮跑下来没有一次超时。如果你要跑更复杂的重构任务比如跨多个模块的接口迁移可以考虑换更强的模型但 Token 消耗会相应上升。OpenHands 支持在界面里随时切换模型你不用改代码只要在设置页换LLM_MODEL对应的值就行。切换后新任务用新模型旧任务的历史不受影响。5.3 限制OpenHands 的 Agent 循环依赖模型返回结构化的动作指令。如果模型输出格式不对Agent 会解析失败并重试。DeepSeek V4.1 Flash 在这方面的稳定性不错但我还是建议把LLM_NUM_RETRIES设成 3给偶发格式错误留缓冲。另外Agent 跑任务时会在容器里执行任意命令包括pip install。确保你的沙箱环境是隔离的别在宿主机上直接跑。OpenHands 默认用 Docker 隔离这一点做得比较到位。最后Token 记录表里的数字是我这次实测的结果你的项目结构不同、报错数量不同消耗会有浮动。但「报错分析轮最烧 Token」这个规律基本成立你可以据此判断哪一步该重点优化。如果你还没建 Key从 TaoToken 控制台 进去建完直接填到上面的环境变量片段里就能跑。 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