单任务运行 (E2B)

在 E2B 云端 Sandbox 中运行一个 EdgeBench 任务（ad_placement_optimization）。不需要本地 Docker daemon 或 Kubernetes 集群，唯一需要自己部署的是 Judge Server。

适用场景

本地没法跑 Docker 时，E2B 是最省事的方式。Work、Judge 和 Game 环境都会从官方预构建的 Template 创建为 E2B Sandbox。并发数和 Sandbox 生命周期受你的 E2B 套餐限制，扩大规模前请先看套餐限制与运行规模。

费用

前沿模型的运行费用很高——单个任务跑满官方 12 小时预算，API 费用可达数百甚至上千美元，另外还有 E2B Sandbox 时长费用。建议先用较短的 --timeout（本示例为 2 小时）试跑，摸清费用水平后再扩大规模。

前提条件

要求	验证方式
E2B 账号和 API key	在 E2B 控制台获取 E2B_API_KEY
一台有公网可达地址的主机运行 Judge Server	Sandbox 通过公网向它提交
Python >= 3.10	python --version

注意： Agent timeout 必须落在 E2B 套餐允许的最大 Sandbox 生命周期之内， 且要给评测和清理留出时间。跑长任务前先确认套餐上限。

使用 Claude Code + Anthropic API

1. 安装带 E2B 依赖的 SForge

pip install "sforge[e2b]"

2. 获取任务定义

sforge fetch-tasks edgebench

将 EdgeBench 任务 JSON 和 BENCHMARK.yaml 下载到 ./tasks/。验证：

sforge list

3. 配置 E2B

E2B Sandbox 从 Template 启动而不是 Docker 镜像，所以没有 sforge pull 这一步。 所有已发布 EdgeBench 任务的官方 Template 已经构建好，SForge 会根据任务镜像引用 自动推导 Template 名称。在 Judge Server 主机和运行主机上都设置：

export E2B_API_KEY="e2b_xxxx"
export SFORGE_E2B_TEMPLATE_NAMESPACE=edgebench

如果 Judge Server 和 sforge run 不在同一台机器，两边还需要一个共享的 admin secret。Judge Server 只接受与自己一致的 secret，而未设置时两边会各自在 SFORGE_LOG_DIR/.judge-admin-secret 下随机生成，值对不上。在两台主机上导出同一个值：

export SFORGE_ADMIN_SECRET="$(openssl rand -base64 32)"   # 两台主机使用同一个值

同一台机器、同一个 log 目录下运行时，两边自动共用生成的文件，不需要设置。 不要把该 secret 传给 Agent。

4. 启动 Judge 服务器

在公网可达的主机上：

sforge serve --host 0.0.0.0 --port 8080

Judge Server 同样需要 E2B_API_KEY：运行注册后，它会在 E2B 上创建 Judge 和 Game Sandbox，在临时 Judge Sandbox 中评测每个提交的压缩包并返回分数。 确保 8080 端口对公网开放。

5. 运行 Agent

在运行主机上（可以和 Judge Server 同一台机器），--judge-url 指向 Judge Server 的公网地址：

SFORGE_AGENT_API_KEY="sk-ant-xxxx" \
sforge run --backend e2b \
  --task ad_placement_optimization --agent claude-code \
  --model claude-opus-4-8[1m] \
  --timeout 7200 \
  --judge-url http://YOUR_PUBLIC_HOST:8080 \
  --run-id ad-placement-optimization-e2b-001

这会在 E2B Work Sandbox 中启动 Claude Opus 4.8 处理该任务，持续 2 小时。 你会在 stdout 中实时看到 Agent 的工作输出。

--backend e2b 下每个任务独立评测；传入多个 task ID 只是调度多套互不相关的 Sandbox。

6. 查看结果

通过内置 Web UI 实时查看评分进展：

sforge visualizer
# 打开 http://127.0.0.1:8000

也可以直接查看文件：

ls logs/runs/*/ad_placement_optimization/
cat logs/runs/*/ad_placement_optimization/final_result.json

运行结束后 Sandbox 会自动删除。如果超过一分钟仍有残留，见常见问题。

使用第三方模型

模型路由和上下文窗口的配置与 Docker 示例完全相同，只需改后端参数。按照 使用第三方模型配置，并在 sforge run 命令中加上 --backend e2b --judge-url http://YOUR_PUBLIC_HOST:8080，例如：

export SFORGE_AGENT_API_KEY="your-deepseek-key"
export SFORGE_AGENT_API_BASE_URL="https://api.deepseek.com/anthropic"
export SFORGE_CLAUDE_CACHE_OPT=1
export SFORGE_AGENT_EXTRA_ENV="ANTHROPIC_MODEL=deepseek-v4-pro[1m],ANTHROPIC_DEFAULT_OPUS_MODEL=deepseek-v4-pro[1m],ANTHROPIC_DEFAULT_SONNET_MODEL=deepseek-v4-pro[1m],ANTHROPIC_DEFAULT_HAIKU_MODEL=deepseek-v4-pro[1m],CLAUDE_CODE_SUBAGENT_MODEL=deepseek-v4-pro[1m]"

sforge run --backend e2b \
  --task ad_placement_optimization --agent claude-code \
  --model deepseek-v4-pro[1m] \
  --timeout 7200 \
  --judge-url http://YOUR_PUBLIC_HOST:8080 \
  --run-id ad-placement-deepseek-e2b-001

网络隔离

任务 JSON 中的 internet 字段以及 --disable-internet / --enable-internet 参数与 Docker 下用法一致。E2B 上 SForge 通过 E2B 原生的 update_network API 下发白名单，而不是宿主机 iptables，因此本机不会留下任何残留。E2B 规则是主机级 而非端口级：放行一个域名即放行它的所有端口。

宿主机的 HTTP_PROXY / HTTPS_PROXY 不会转发进 Sandbox。如果模型 API 必须走代理，该代理需要公网可达，并通过 SFORGE_HTTP_PROXY / SFORGE_HTTPS_PROXY 显式指定。详见网络隔离。

LLM 评分任务

college_english_exam_bank 这类 LLM 评分任务需要在 Judge 环境中提供评分用凭证， 与 Docker 下相同。在启动 Judge 服务器前设置 SFORGE_JUDGE_EXTRA_ENV，变量 说明见 LLM 评分任务。