OpenClaw Creator's new secret project...
三句話摘要
Crab Box：讓 AI Agent 在雲端隔離沙箱環境中並行測試與驗證，解決多 Agent 平行運行時的環境衝突問題。 Crab Box 透過雲端沙箱隔離與增量檔案同步，解決了大規模並行 Agent 開發最後一哩路的瓶頸，使得數十個 Agent 能在同一時刻各自獨立驗證工作，並自動附帶測試證據，是構建高效能 Agent 協作開發系統的關鍵基礎設施。 1. 大規模平行 Agent 的測試瓶頸 — 當同時運行 10+ 個 Agent 時，傳統的單機開發環境面臨資源競爭、數據庫衝突等問題，導致測試結果不可靠。原因在於共享的 Docker daemon、數據庫實例、硬編碼的埠號，使得多個工作樹無法真正隔離。
重點整理
重點- 1
1. 大規模平行 Agent 的測試瓶頸 — 當同時運行 10+ 個 Agent 時，傳統的單機開發環境面臨資源競爭、數據庫衝突等問題，導致測試結果不可靠。原因在於共享的 Docker daemon、數據庫實例、硬編碼的埠號，使得多個工作樹無法真正隔離。
- 2
2. Crab Box 的核心設計 — 每個 Agent 在雲端獲得自己的完整沙箱環境（包含獨立 DB 與應用伺服器），透過檔案增量同步機制避免重複部署，同時支持實時命令執行與動態測試。這使得 Agent 無需等待提交流程，改進本地檔案後立即重新測試。
- 3
3. 配置即代碼的簡化方式 — 透過 `crabbox.yaml`（定義沙箱提供商、環境變數、同步規則）與 `setup.sh`（自動化部署指令）兩個檔案，Agent 可一鍵啟動完整的開發環境，降低了複雜的基礎設施配置門檻。
- 4
4. 證據自動回傳的工作流優化 — Crab Box 內建 `artifact` 指令家族，可自動蒐集測試結果（截圖、錄影），並直接上傳至 S3 或 GitHub Release，使 Agent 撰寫的 PR 包含完整的測試證據，加速審核與合併流程。
實用技巧與重點
乾貨- 工具與平台：Crab Box、Daytona（沙箱提供商）、Docker、Superbase、Playwright（端到端測試）、GitHub Release Assets
- 核心命令
- `crabbox one-map`：啟動雲端沙箱
- `crabbox run [provider] [id]`：在沙箱中執行命令並自動同步檔案
- `crabbox run --nosync`：不同步檔案直接執行（適用於讀檔或測試）
- `crabbox stop`：關閉並清理沙箱
- `artifact global`、`artifact screenshot`、`artifact video`、`artifact publish`：蒐集與發佈測試證據
- SSH 隧道連接本地測試：`ssh -i key -L 3000:sandbox:3000 -L backend:sandbox:backend user@sandbox` 將雲端伺服器暴露至本地瀏覽器
- Daytona 設定流程
- `datona login`
- `datona organization list` / `datona organization use [org]`
- `datona snapshot create [name] --dockerfile [path] --cpu [核心] --memory [GB] --disk [GB] --region [區域]`
- 環境變數配置：通過 `crabbox.yaml` 的環境變數段落定義，自動透過 SSH 安全傳遞至沙箱
- 同步排除規則：在 `crabbox.yaml` 中設 `exclude` 標籤排除 node_modules、.turbo 等不需同步的重檔案夾
- 並行 Agent 數量：演示中展示至少 15 個並行工作階段無衝突運行
- 實際測試策略：定義 Bash wrapper 指令（如 `cbx.sh`）預設化 provider、--nosync 旗標等，並使用背景執行搭配 10 秒輪詢監控直到環境就緒
- 可選文件：提供開源的 `crabbox-setup-sku` 與 `setup-codebase-harness-sku` 供用戶快速複製
結論
結論“Crab Box 透過雲端沙箱隔離與增量檔案同步，解決了大規模並行 Agent 開發最後一哩路的瓶頸，使得數十個 Agent 能在同一時刻各自獨立驗證工作，並自動附帶測試證據，是構建高效能 Agent 協作開發系統的關鍵基礎設施。”
完整解析
詳細當 AI Agent 的使用規模從個位數擴展至十數個並行運行時，開發團隊面臨一個關鍵瓶頸：如何在保證環境隔離的前提下，讓每個 Agent 都能獨立驗證自己的工作成果。傳統做法是在本地機器上為每個工作樹啟動一套開發環境，但這方案很快就碰到無法調和的衝突。一臺電腦只有一個 Docker daemon、一個資料庫實例，埠號通常是硬編碼的，結果是多個工作樹搶奪同一份資源，任何一個 Agent 對資料庫 schema 的改動都會連鎖破壞其他所有工作階段。即使透過小心的設計避免了這些衝突，運行現代化的完整應用伺服器仍然耗資源巨大，難以在本地機器上無限擴展。
Crab Box 的解決方案是將這套隔離環境搬到雲端。每個 Agent 啟動時，都會在遠端沙箱提供商（如 Daytona）那裡為自己租借一臺獨立的虛擬機，包含完全隔離的資料庫、應用伺服器埠號、以及檔案系統。但 Crab Box 並未止步於簡單的遠端虛擬機調度：它實現了增量檔案同步機制，使得 Agent 在本地修改程式碼後，無需提交也無需重新部署整個環境，只需執行 `crabbox run` 指令就會自動將增量變更同步到沙箱並執行命令。這是傳統 CI/CD 流程做不到的，因為 CI/CD 往往假設代碼已經提交並推送。通過這個設計，Agent 可以形成快速迭代迴圈：修改 → 同步 → 測試 → 查看結果，而完全不會干擾其他 Agent 的運行環境。
配置層面，Crab Box 採用了「配置即代碼」的哲學。只要撰寫兩個檔案就能構建整套自動化：`crabbox.yaml` 定義沙箱基礎設施（提供商、CPU 記憶體、環境變數、哪些資料夾不需同步），`setup.sh` 是一段初始化指令碼，負責在沙箱啟動時安裝依賴、啟動應用伺服器等重複性工作。演講者展示的實例使用了 Daytona 作為沙箱提供商，先建立 Docker snapshot（預先打包的環境映像，啟動速度快），再連接 API key 便可自動化啟停機器。為了進一步簡化 Agent 的命令界面，可以額外封裝一個 Bash wrapper（如 `cbx.sh`），將複雜的參數和旗標隱藏起來，Agent 只需執行一行簡單的指令。
工作流的完成不只靠程式碼通過測試，更重要的是 Agent 能證明測試確實有跑過。Crab Box 內建的 `artifact` 指令家族自動蒐集測試證據，包括端到端測試的截圖、整個操作的錄影檔，甚至可以直接上傳至 S3 或 GitHub Release Assets。Agent 撰寫的 PR 會自動附帶這些視覺證據，人工審核時不再需要猜測「這個 Agent 有沒有真的測過」，而是直接看到完整的執行記錄。這大幅降低了審核風險，加速了大規模並行 Agent 系統從「寫碼」到「上線」的整個流程。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
