OpenHands 深度调研:从 OpenDevin 到 80K Star 开源编程 Agent 的两年进化
2024 年 3 月 12 日,一个致敬闭源产品 Devin 的开源项目在 GitHub 上悄悄发布,名字叫 OpenDevin。两年后的今天,它改名为 OpenHands,累计拿到 GitHub 80,000+ Star、900 万+下载量,背后的公司 All Hands AI 完成了两轮融资,最新一轮是 2025 年 11 月由 Madrona 领投的 $1880 万美元 A 轮。它的核心团队论文登上了 ICLR 2025,它的 SDK 在 arXiv 上被拿来和 OpenAI、Anthropic、Google 三家的 Agent SDK 逐项对比。
这不是一个靠营销堆出来的故事。OpenHands 的每一步演进——从命令行小工具到有沙箱执行、模型路由、安全分析器的完整 Agent 平台——都有对应的技术论文和架构重构记录可查。这篇文章按时间线拆解它是怎么走到今天的,再把它放进 Devin、Claude Code、OpenCode 这些同类产品中做实力对比,帮你判断它是否值得放进你的工具箱。
起源:一个"致敬"项目的自我进化
OpenHands 的第一行代码来自 Qwen 团队的两位成员 Binyuan Hui 和 Junyang Lin。他们当时想做一个开源版的 Devin——Cognition AI 在 2024 年初推出的那个引发全网讨论的"AI 软件工程师"。项目最初起名 OpenDevin,意图很直白:把闭源 Devin 展示的能力,用开源的方式还原出来。
项目发布后很快聚集起社区,CMU 教授 Graham Neubig、有开源公司产品/工程背景的 Robert Brennan,以及 UIUC 博士生 Xingyao Wang 相继加入核心贡献者行列。三人随后联合创立了 All Hands AI 公司,专门支撑项目的长期发展。2024 年 8 月,项目正式改名为 OpenHands——团队的解释是,项目的范围已经远超"复刻 Devin","OpenHands"这个名字既呼应了开源社区的开放姿态,也暗示"给开发者多一双手"的定位。项目 Logo 也换成了 🙌(双手举起庆祝)这个 emoji。
2025 年 3 月,OpenHands 迎来一周年,团队公开的数据是:超过 50,000 GitHub Star、3,500+ 次提交、250+ 独立贡献者、每日数千次应用下载。同年,团队将 OpenHands 的系统设计整理成论文,发表在 ICLR 2025(国际学习表征会议)上,论文标题是《OpenHands: An Open Platform for AI Software Developers as Generalist Agents》,作者名单里能看到 UIUC、CMU、Yale、UC Berkeley、阿里巴巴等多个机构的名字——这本质上是一个学术圈和工业界共同驱动的项目。
两轮融资:从种子轮到 Madrona 领投的 A 轮
-
2024 年 9 月,All Hands AI 完成 500 万美元种子轮融资,由 Menlo Ventures 领投,Pillar Companies、Betaworks、Rebellion 等跟投。这是项目改名后不久拿到的第一笔机构资金,用于把开源项目转化为可持续运营的公司。
-
2025 年 11 月 18 日,All Hands AI 宣布完成 1880 万美元 A 轮融资,由 Madrona 领投,Menlo Ventures、Obvious Ventures、Fujitsu Ventures、Alumni Ventures 跟投。公司同时把总部信息更新为美国波士顿,融资新闻稿的标题直接点明用途:把开源云端编程 Agent 带进企业市场("Bring Open-Source Cloud Coding Agents to Enterprises")。
两轮相加,All Hands AI 累计融资约 $23.8M。对比同期其他编程 Agent 公司(Cognition 的 Devin 融资规模在数亿美元级别),OpenHands 走的是一条"轻资本、重社区"的路线——真正撑起它估值和影响力的,是开源社区贡献出的 Star 数、下载量和论文引用,而不是烧钱铺量。
产品版图:从一个命令行工具到完整平台
两年时间里,OpenHands 的产品形态经历了明显的扩张。今天它至少包含这几层:
- 开源核心:MIT 协议,可自由自托管,这是项目的信任基础
- Agent Canvas:本地优先的可视化工作台(Web GUI),可以运行 OpenHands 自身的 Agent,也可以通过 ACP(Agent Client Protocol)接入 Claude Code、OpenAI Codex、Gemini CLI 等第三方 Agent,统一管理
- OpenHands Software Agent SDK:面向开发者的编程接口,支持从几行代码的最简 Agent,扩展到带自定义工具、内存管理的复杂 Agent
- OpenHands Cloud:托管的云端沙箱执行环境,免去自己搭建 Docker/K8s 的成本
- 企业控制平面:RBAC、SAML 单点登录、审计日志、预算管控,支持部署到客户自己的 VPC 中
从自动化场景来看,官方模板已经覆盖 Slack @提及监听、Linear 工单自动分类、Jira 事故分诊、GitHub PR 审查、CI 失败自动修复、安全漏洞修复等开箱即用的工作流。也就是说,今天的 OpenHands 已经不满足于"帮你写代码",而是想成为软件开发生命周期(SDLC)里可以调度的自动化基础设施——这一点和团队自己的定位陈述一致:"不只是帮助开发者写代码,而是运行软件生命周期中有意义的部分"。
架构进化:V0 到 V1 的一次彻底重写
如果只看表面的功能列表,容易低估 OpenHands 在工程上做的事情。2025 年 11 月发布的论文《The OpenHands Software Agent SDK: A Composable and Extensible Foundation for Production Agents》记录了一次完整的架构重写,从 V0 到 V1。
V0 的问题:最早的架构是单体仓库(monorepo),Agent 核心逻辑、评测代码、前后端应用全部耦合在一起。当时假设所有工具调用都必须在沙箱容器里执行,这个假设后来带来了连锁问题——一旦要支持本地直接执行(比如给 CLI 场景用),团队只能给 MCP(Model Context Protocol)和工具系统写一套本地专用的重复实现,绕开原有沙箱路径。配置系统同样在失控:140+ 个配置字段、15 个配置类、2800 行配置代码,不同入口(CLI、Web UI、GitHub App、SaaS)各自维护一套覆盖规则,同样的参数在不同入口跑出来的结果可能不一致。
V1 的四条设计原则:
- 沙箱可选,非强制:默认在同一进程内执行 Agent 和工具调用,符合 MCP 的设计假设;需要隔离时再透明切换到容器化沙箱
- 无状态为默认,状态只有一个真源:Agent、工具、LLM 全部设计为不可变的 Pydantic 模型,唯一可变的是 ConversationState 这个统一状态对象,支持确定性回放和长期恢复
- 严格的关注点分离:把 Agent 核心逻辑拆成独立的 SDK,CLI、Web UI、GitHub App 等下游应用作为共享库来消费,而不是各自复制逻辑
- 两层可组合性:部署层面拆成 SDK、Tools、Workspace、Agent Server 四个独立 Python 包;能力层面暴露类型化的组件模型,开发者可以声明式地扩展或替换工具、Agent
四个包各司其职:openhands.sdk 提供核心抽象(Agent、Conversation、LLM、Tool、事件系统);openhands.tools 是具体工具实现;openhands.workspace 提供 Docker、托管 API 等执行环境;openhands.agent_server 暴露 REST/WebSocket 接口用于远程执行。这套设计让同一份 Agent 代码可以"本地起步、随处部署"——从笔记本上的交互式调试,到切换一个 Workspace 类型就能扩展成容器化的多租户生产部署,中间不需要改动业务代码。
论文里还系统对比了 OpenHands SDK 与 OpenAI Agents SDK、Claude Agent SDK、Google ADK 在 31 项特性上的差异,OpenHands 独有的能力包括:
- 原生远程执行 + 安全沙箱(OpenAI 需要外部 Temporal 编排,Claude/Google 只支持本地执行)
- 内置 REST+WebSocket 生产服务器(其他三家只是纯库,开发者要自己搭服务层)
- LLM 驱动的动作级安全分析器(给每个工具调用打风险等级:低/中/高,高风险动作会暂停等待人工确认)
- 100+ 模型的模型无关多 LLM 路由(通过 LiteLLM),且对不支持原生 function calling 的模型也有兼容方案
- VNC 桌面、浏览器内 VSCode、内置 Chromium 浏览器三种交互式工作区访问方式,让 Agent 不再是"黑箱进程"

性能实力:SWE-bench 和 GAIA 上的数字
数字比叙事更有说服力。根据 2025 年 11 月的 SDK 论文,OpenHands Software Agent SDK 在两个标准学术基准上的表现:
- SWE-Bench Verified(衡量 Agent 解决真实 GitHub issue 的能力):Claude Sonnet 4.5 + 扩展思考模式下达到 72.8%,Claude Sonnet 4 为 68.0%,GPT-5(高推理强度)为 68.8%,开源模型 Qwen3 Coder 480B A35B 为 65.2%
- GAIA(衡量 Agent 通用任务解决能力):Claude Sonnet 4.5 达到 67.9%,GPT-5 为 62.4%,Qwen3 Coder 为 41.2%
这些结果略优于此前的研究系统 OpenHands-Versa,验证了 V1 架构重构没有牺牲 Agent 能力,反而在保持研究级性能的同时获得了生产级的工程稳定性。
团队还维护着一个独立的模型评测榜单 OpenHands Index,覆盖 issue 解决、从零构建应用、前端开发、软件测试、信息收集五类任务,同时统计成本和耗时。2026 年 5 月的更新显示:综合性价比上 Claude Opus 4.7 排名第一,GPT-5.5 紧随其后;DeepSeek-3.2-Thinker 用 1/10 的价格跑出了很有竞争力的成绩;响应速度上 Claude 和 GPT 系列凭借并行工具调用占优;软件测试类任务上 Claude 是断层式的第一,显示出很强的调试能力。这个榜单某种程度上也说明了 OpenHands 的一个战略定位——它不绑定任何单一模型厂商,而是把自己变成"哪个模型好用就接入哪个"的中立测试场。
横向对比:OpenHands 在编程 Agent 生态中的位置
编程 Agent 赛道到 2026 年已经足够拥挤,有必要把 OpenHands 放进坐标系里看清楚它和谁在竞争、和谁互补。
| 产品 | 性质 | 核心定位 | 与 OpenHands 的关系 |
|---|---|---|---|
| Devin / Devin Desktop | 闭源,Cognition AI | 全自主云端 AI 软件工程师,任务从描述到 PR 全自动完成 | 直接竞品,闭源对开源的正面对抗 |
| Claude Code | 闭源,Anthropic | 终端优先的交互式编程 Agent | 既是竞品也是被集成对象(可通过 ACP 接入 Agent Canvas) |
| OpenCode | 开源,MIT | 终端优先的"内循环"交互式编码工具,75+ 模型供应商 | 互补关系,OpenHands 官方博客将其定位为"内循环 vs 外循环"分工 |
| OpenAI Agents SDK / Google ADK | 半开源框架 | 通用 Agent 编排框架,非专注软件工程 | 技术对标对象,论文中逐项对比特性 |
vs Devin:Devin 的核心叙事是"全自主 AI 工程师",走订阅制商业模式(Free / Pro $20 / Max $200 / Teams $80+$40 每席位 / Enterprise 定制)。2025 年底 Cognition 收购 Windsurf 并于 2026 年 6 月改名 Devin Desktop,进一步把 IDE 体验和自主 Agent 整合到同一账户体系下。OpenHands 走的是相反路线——核心永远开源可自托管,商业化只发生在企业治理层。选 Devin 意味着买断整套体验和支持,选 OpenHands 意味着自己承担部署成本但换来完全的代码和数据主权,这是本质的路线分歧,不是简单的功能对比。
vs Claude Code:Claude Code 是终端里跑的单一 Agent,深度绑定 Anthropic 自家模型(Claude Agent SDK 论文里明确写着"locked to Anthropic's Claude models only")。OpenHands 则通过 LiteLLM 做到 100+ 模型自由切换,同时把 Claude Code 当作可以被 Agent Canvas 接入的"外部 Runtime"之一——你完全可以一边用 Claude Code 写代码,一边让它的会话被 OpenHands 平台统一记录和调度。二者不是完全的替代关系,更像是"引擎"和"车身"的关系。
vs OpenCode:这两个项目都是开源、MIT 协议、模型无关,但分工不同。OpenCode 定位是"终端里的交互式内循环"——你坐在键盘前,一步步和 Agent 对话式协作;OpenHands 定位是"外循环里的委托式工作"——Agent 拿到任务后独立读代码、改文件、跑测试、开 PR,不需要你实时盯着。OpenHands 官方博客甚至专门写过一篇《OpenCode vs OpenHands》的对比文章,结论是两者可以搭配使用:OpenHands 负责后台自动化并产出 PR,OpenCode 负责后续的本地调试和精修。如果你想了解更偏"团队协作管理"维度的选择,也可以参考我们之前写过的开源 Multica 平台深度拆解——它是坐在 OpenCode/Claude Code 之上的看板式协调层,和 OpenHands 面对的问题类似但解法不同。
无法回避的风险案例
2025 年 4 月,《Wired》杂志报道称,一名为美国退伍军人事务部(VA)工作的顾问提议用 OpenHands 为该部门编写代码。报道中被采访的部门员工表达了明确担忧:在没有完成既定安全审查流程的情况下,让一个自主 Agent 接触涉及敏感系统和信息的代码仓库,风险敞口过大。
这个案例值得单独拿出来说,因为它精准指出了所有"能自主读写代码、执行命令"的 Agent 平台都要面对的现实问题——技术上能做到自动化,不代表组织流程上已经准备好承接这种自动化。OpenHands 在企业层提供的 RBAC、审计日志、VPC 私有化部署,本质上就是在回应这类担忧,但工具本身解决不了流程和审批文化的问题,这需要使用方自己补齐。
谁适合用 OpenHands
适合:
- 需要模型自由切换、不想被单一厂商锁定的团队(100+ 模型通过 LiteLLM 接入)
- 已经在用 Claude Code / Codex / Gemini CLI,想要一个统一工作台管理多个 Agent 会话的开发者
- 需要把"外循环"自动化——工单分诊、PR 审查、CI 修复、安全漏洞修复——沉淀为可复用工作流的工程团队
- 对数据主权敏感、需要自托管到自己 VPC 的企业
不太适合:
- 只想要一个开箱即用、无需自己承担运维成本的全自主编程助手(更适合看 Devin 或 Claude Code)
- 团队规模很小、日常只需要终端里交互式改代码,没有"批量任务外包给 Agent"的需求(更适合直接用 OpenCode)
- 需要把多个 Agent 编排成看板任务、做技能沉淀管理的团队,可能更适合直接看 Multica 这类协调层平台
小结
OpenHands 两年走过的路径,是开源 AI 项目里少见的"技术叙事驱动商业化"的案例:先有致敬 Devin 的一行代码,再有社区聚拢起来的贡献者,再有支撑长期发展的公司和两轮融资,再有登上 ICLR 的系统论文,再有从 V0 到 V1 的彻底架构重写。80,000+ Star、900 万+下载量、72.8% 的 SWE-bench Verified 成绩,这些数字背后是持续两年的工程投入,不是一次性的营销爆发。
对于正在纠结"该不该在编程工作流里引入 Agent 平台"的团队,OpenHands 提供的不是唯一答案,而是一个特定坐标——如果你在意模型自由、数据主权、以及把重复性工程工作外包给可审计的自动化流程,它值得放进候选清单;如果你只是想要一个立即能用、不操心运维的助手,闭源产品在体验打磨上目前仍有优势。选型的关键不是"哪个更强",而是"你愿意用多少运维成本换多少控制权"。
免责声明:本文基于公开资料整理,不构成任何投资、采购或安全合规建议。涉及企业数据和敏感系统的 Agent 部署,请务必结合自身安全审查流程评估。
参考来源
- OpenHands - Wikipedia
- One Year of OpenHands: A Journey of Open Source AI Development - OpenHands Blog
- All Hands AI raises $5M to build open source agents for developers - TechCrunch
- OpenHands Raises $18.8M in Series A Funding - FinSMEs
- The OpenHands Software Agent SDK: A Composable and Extensible Foundation for Production Agents - arXiv
- The OpenHands Index: 3 Months Out - OpenHands Blog
- Inside DOGE's AI Push at the Department of Veterans Affairs - Wired
- OpenCode vs OpenHands: AI Coding Agents Compared - OpenHands Blog
- OpenHands 官网
相关阅读
- 开源 Multica 全解析:Managed Agents 平台深度拆解
- OpenCode 实战指南:免费 AI 编程 Agent
- 闭源 AI 编程工具横评 2026
- 企业 AI Agent 部署实战手册
- Agent 治理与可观测性的隐藏成本
- Vibe Coding 的隐藏代价与安全风险
- oh-my-pi 深度调研
推荐搭配装备
善其事,利其器。以下硬件能最大化你的AI体验👇
🔗 通过以上链接购买可支持本站持续运营 🙏