为什么需要
出海做产品需要 AI Agent 干活——写代码、跑测试、做 code review、发周报——但每个 Agent（Claude Code、Codex、Gemini）单独跑，状态不互通、上下文切来切去、自动化要自己接。OpenHands 把它们装进一个自托管控制中心，统一前端 + 多后端 + 自动化引擎，一个人管一支 AI 工程师团队。
最实用的能力是预制自动化（Pre-built Automations）：定期生成报告推送到 Slack、GitHub issue 自动拆分成子任务、依赖包过期自动升级 PR。这些流程用图形界面配，触发器和动作都现成的，不用写 glue code。
怎么用
最快启动（无沙箱模式，agent 直接访问本地文件系统）：
npm install -g @openhands/agent-canvas
agent-canvas
生产推荐用 Docker 沙箱：
export PROJECTS_PATH="$HOME/projects"
mkdir -p "$PROJECTS_PATH" "$HOME/.openhands"
docker run -it --rm -p 8000:8000 -v "$HOME/.openhands:/home/openhands/.openhands" -v "${PROJECTS_PATH}:/projects" ghcr.io/openhands/agent-canvas:1.8.0
启动后打开 http://localhost:8000，在设置里接 LLM API Key（OpenAI、Anthropic、Google 都行），选 Agent 后端（OpenHands 内置 / Claude Code / Codex / Gemini），就可以让 Agent 干活了。
核心特性
- 多 Agent 后端 — 同时支持 OpenHands、Claude Code、Codex、Gemini，任何支持 ACP 协议的 Agent
- 多环境运行 — 本机、Docker、远程 VM、云端后端可切换，团队共享或个人隔离都行
- 预制自动化 — Slack 报告推送、GitHub issue 拆分、依赖升级 PR 等开箱即用
- 三方集成 — Slack、GitHub、Notion、Linear、Datadog 等服务可直接连
- 自带模型 — 任意 LLM 都行，包括自托管 Ollama
- 云端或自托管 — 自带 OpenHands Cloud 和 Enterprise 方案，不想运维用云端
- Node.js 22+ — 启动快，资源占用低
使用案例
独立开发者运营 3 个出海 SaaS 产品，需要每周发工程进展报告给投资人。用 OpenHands 配一个自动化：每周一早上 9 点 PST 触发，让 Claude Code Agent 读所有仓库 git log，按产品分组生成 200 字摘要，自动推送到 #investor-updates Slack 频道。整个流程零人工，3 个产品的报告每周自动发。
另一个场景：海外小团队的 PR review 自动化。每个 GitHub PR 提交后，OpenHands 自动让 Codex Agent 跑测试 + Claude Code Agent 做代码审查，结果汇总到 PR 评论。人工 reviewer 只看 AI 已经审过的 PR，省掉 60% review 时间。
注意事项
- Apache 2.0 开源，可商用
- 自托管需要 Node.js 22.12+，Docker 模式额外要 Docker
- 建议至少 4GB RAM，多 Agent 并发跑任务时更吃资源
- 当前是 beta 版，API 偶有 breaking change
- 与 sandboxd 类似产品比：sandboxd 专注多用户沙箱隔离，OpenHands 专注 Agent 调度和自动化，二者可叠加