1. 为什么 CodeAct 闭环总在模型通道上卡住OpenHands 的 CodeAct 范式本质是把 LLM 的每一次「行动」都变成一段可执行的 Python 代码。它和传统 ReAct 最大的区别在于ReAct 输出的是 JSON 或自然语言指令再由外部解析器派发而 CodeAct 直接让模型写代码交给解释器跑跑完把 stdout、stderr、异常栈原样塞回下一轮 prompt。这个「写-跑-看-改」的循环就是 CodeAct 的命脉。问题也恰恰出在这里。CodeAct 对模型通道的要求比普通对话高得多它需要模型稳定输出结构化的代码块需要多轮上下文里保留历史执行结果还需要在报错后能根据 stderr 自我修正。如果你在 OpenHands 里填的 Base URL 指向一个不稳定的通道或者模型本身对代码格式的遵循度不够就会出现几种典型症状——模型返回的代码被截断、execute标签丢失、解释器收到空代码、或者干脆在第二轮就忘了上一轮的报错信息。闭环断在「跑」和「看」之间Agent 就变成了只会空想的摆设。我试过在本地把 OpenHands 的模型通道切到 TaoToken整个 CodeAct 循环才真正跑顺。这篇就按「接入配置」的视角把从拿 Key 到验证闭环的完整过程拆开讲你照着填就能复现。2. 接入前先理清 TaoToken 在 CodeAct 里的角色TaoToken 在这里扮演的是「模型通道」——OpenHands 不直接连某个模型厂商而是把请求发到你配置的 Base URL由这个通道转发到具体模型。对 CodeAct 来说通道要满足三个硬条件一是兼容 OpenAI 风格的/v1/chat/completions接口因为 OpenHands 的 LLM 层默认走这套协议二是支持多轮 messages 数组且能保留较长的上下文三是响应里choices[0].message.content要能稳定带回代码块不能被中间层改写或截断。TaoToken 的 API 地址是https://taotoken.net/apiKey 在控制台创建。你需要在 OpenHands 的配置文件或环境变量里把原来指向其他厂商的 Base URL 替换成这个地址再把 Key 填进对应的字段。这样 OpenHands 发出的每一次 LLM 调用包括 CodeAct 循环里的「生成代码」「根据报错重写」这些步骤都会走这把 Key。注意Base URL 填https://taotoken.net/api不要带多余的路径后缀。OpenHands 内部会自己拼/v1/chat/completions你多填了反而会 404。创建 Key 的入口在控制台模型对话的调试入口在模型对话页接入文档在 doc 页。这三个地址后面 CTA 会再给一次先记着。3. 可复制的 OpenHands 模型通道配置OpenHands 的配置方式取决于你用的是 Docker 还是源码启动。下面给两种最常见的写法你按自己的部署方式选。3.1 环境变量方式Docker 启动常用如果你是用docker run或docker-compose起的 OpenHands模型配置一般通过环境变量注入。核心是这几个# 模型通道的 Base URL指向 TaoToken export LLM_BASE_URLhttps://taotoken.net/api # 你在 TaoToken 控制台创建的 Key export LLM_API_KEYsk-你的TaoToken密钥 # 指定模型名按 TaoToken 支持的模型填写 export LLM_MODELclaude-sonnet-4-20250514 # OpenHands 的 LLM 提供方标识走 OpenAI 兼容协议 export LLM_PROVIDERopenai如果你用docker-compose.yml把这些写进environment段services: openhands: image: docker.all-hands.dev/all-hands-ai/openhands:latest environment: - LLM_BASE_URLhttps://taotoken.net/api - LLM_API_KEYsk-你的TaoToken密钥 - LLM_MODELclaude-sonnet-4-20250514 - LLM_PROVIDERopenai ports: - 3000:3000 volumes: - /var/run/docker.sock:/var/run/docker.sock - ~/.openhands-state:/.openhands-state3.2 config.toml 方式源码或持久化配置OpenHands 也支持用config.toml管理 LLM 配置路径通常在~/.openhands/config.toml或项目根目录。写法如下[llm] base_url https://taotoken.net/api api_key sk-你的TaoToken密钥 model claude-sonnet-4-20250514 provider openai改完之后重启 OpenHands 服务让配置生效。如果你是在 Web UI 里填的注意 UI 里的「Base URL」字段要填完整地址不要只填域名。3.3 关键参数对照配置项填什么说明Base URLhttps://taotoken.net/api不要加/v1OpenHands 自己拼API Key控制台创建的 Key所有模型调用都走这把 KeyModel按 TaoToken 支持的模型名建议选代码能力强的Provideropenai走 OpenAI 兼容协议4. 验证 CodeAct 闭环是否真的跑通配置填完不代表闭环就通了得实际发一个需要「写代码-执行-看结果-再改」的任务来验证。最直接的办法是在 OpenHands 的对话界面里丢一个带报错修复的任务。4.1 用一个会触发报错的任务测闭环你可以输入这样的指令请写一段 Python 代码读取当前目录下所有 .txt 文件并统计总行数。 如果目录下没有 .txt 文件请先创建一个测试文件再统计。这个任务会逼着 CodeAct 走完整循环模型先写代码 → 解释器执行 → 如果报FileNotFoundError或目录为空 → 模型看到 stderr → 下一轮补上创建文件的逻辑 → 再执行 → 返回统计结果。如果闭环正常你会在 OpenHands 的执行日志里看到类似这样的多轮记录[Turn 1] Action: IPythonRunCellAction code: import os; files [f for f in os.listdir(.) if f.endswith(.txt)]; ... Observation: FileNotFoundError: [Errno 2] No such file or directory [Turn 2] Action: IPythonRunCellAction code: open(test.txt, w).write(hello\nworld\n); ... Observation: 2 [Turn 3] Action: AgentFinishAction message: 当前目录下共有 1 个 .txt 文件总行数 2。4.2 用 curl 单独验证通道如果你想先确认 TaoToken 通道本身是通的可以在配 OpenHands 之前用 curl 打一发curl https://taotoken.net/api/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer sk-你的TaoToken密钥 \ -d { model: claude-sonnet-4-20250514, messages: [ {role: user, content: 用 Python 写一句 print hello} ] }返回里如果choices[0].message.content带出了print(hello)这样的代码说明通道和 Key 都没问题。这一步过了再去配 OpenHands能省掉很多排查时间。4.3 观察 CodeAct 的「看-改」环节CodeAct 和普通对话最大的区别是它会把执行结果当作下一轮 prompt 的一部分。你可以在 OpenHands 的日志里确认这一点第二轮请求的 messages 数组里应该包含第一轮的IPythonRunCellAction和对应的Observation。如果通道把历史消息截断了或者没把 observation 带回去模型就会「失忆」闭环就断了。TaoToken 作为通道时这部分是透传的你只要确认 OpenHands 侧没开奇怪的压缩开关就行。5. 本篇常见错排查5.1 报 404 或路径错误最常见的原因是 Base URL 填多了。有人填成https://taotoken.net/api/v1OpenHands 再拼一次/v1/chat/completions就变成了/api/v1/v1/chat/completions。正确写法就是https://taotoken.net/api让 OpenHands 自己拼。5.2 报 401 或鉴权失败先检查 Key 有没有复制完整前后有没有多余空格。然后确认LLM_PROVIDER设成了openai因为 TaoToken 走的是 OpenAI 兼容协议如果 provider 设成别的鉴权头可能拼错。如果还不行用 4.2 的 curl 单独测一下 Key排除是 Key 本身的问题。5.3 模型返回的代码没有execute标签CodeAct 依赖模型按 prompt 要求输出thought和execute标签。如果模型不遵循这个格式OpenHands 就解析不出代码闭环直接断在第一环。解决办法是选一个指令遵循能力强的模型或者在 OpenHands 的 system prompt 里强化格式要求。TaoToken 通道本身不改写内容模型输出什么就透传什么所以格式问题要从模型选择上解决。5.4 第二轮开始上下文丢失如果 CodeAct 跑到第二轮就忘了第一轮的报错检查 OpenHands 的max_message_chars或历史压缩配置。有些版本默认会截断长上下文把 observation 裁掉了。你可以适当调大这个值或者确认 TaoToken 通道没有做额外的消息裁剪。5.5 解释器执行超时CodeAct 的代码是在沙箱里跑的如果模型生成的代码里有死循环或长时间阻塞会触发超时。这跟模型通道无关是 OpenHands 沙箱的限制。你可以在配置里调大sandbox_timeout但更根本的办法是让模型别写阻塞式代码。6. 把通道固定下来让 CodeAct 持续跑配置一次不难难的是让这套通道长期稳定。我的做法是把 TaoToken 的 Key 和 Base URL 写进 OpenHands 的持久化配置而不是每次启动临时 export。这样重启容器或换机器时CodeAct 闭环不会因为配置丢失而断掉。如果你后面要跑长期的编码任务或 Agent 工作流可以关注 Coding Plan它更适合这种持续调用的场景。需要调试模型输出时模型对话页可以直接对比不同模型在 CodeAct 格式遵循上的差异。Key 的管理在 API Keys 页接入细节在接入文档。把 Base URL 填成https://taotoken.net/apiKey 填对然后用一个带报错修复的任务跑一遍看到「写-跑-看-改」四步都出现在日志里这套 CodeAct 闭环就算真正立住了。