Agent37 创始人分享把 AI 沙箱成本压到同行 10% 以下的四条优化经验
Launch HN: Agent37 (YC F26) – Low-cost agent sandboxes for running agents
Agent37（YC F26）创始人 Vishnu 在 Hacker News 发布产品，称其 AI agent 沙箱成本不到多数厂商的 10%，客户平均每月每沙箱花费 $0.37，免费沙箱的基础设施成本约每用户每月 $0.05 到 $0.10，90% 以上新注册来自免费套餐。
作者公开了把沙箱成本压到同行十分之一的四条具体优化手法，对做 AI 基础设施的开发者有直接参考价值。
大家好，HN，我是来自 Agent37 的 Vishnu（https://agent37.com）。我们构建用于运行 AI 代理的沙箱，成本不到大多数沙箱提供商的 10%。我们的客户平均每个沙箱每月花费 $0.37。
你可以在这里查看产品的视频演示：https://youtu.be/DK5ISR2tbNo
我们二月份起步时也是那些 OpenClaw 套壳公司之一（是的……尽情评判我吧）。随着时间推移，我们加入了越来越多的 harness。
当时我的目标之一是向用户提供免费计划，以获得更多市场份额。但立刻这样做成本太高了。尤其是我们是自举创业，服务器靠我的积蓄在跑。
多亏了我们此后的优化，如今我们确实能够提供免费计划了。我们新注册用户中超过 90% 都是免费计划用户，他们在我们的云上托管个人的 Hermes/Openclaw/Claude Code 等。我们为免费沙箱支付的基础设施成本平均约为每用户每月 $0.05 到 $0.10。
以下是降低成本的一些有效技巧：
* 当你观察 agent harness 时，会发现它们在 CPU 和内存消耗上有特定模式。它们在初始化或执行某些任务时需要突发 CPU，但除此之外，通常不会达到峰值。对于浏览器和计算机使用类任务，它们需要更多内存。任务完成后，使用量通常会回落。这是降低成本的关键洞察，因此通过高效管理 CPU/内存利用率，我们得以降低成本。
* 其次，租用宿主机时必须避开超大规模云厂商。我之前在 Amazon 工作过，他们在 VM 上有 80-90% 的利润率。所以当我看到价格后，很自然地选择下沉一层，使用 Hetzner 和 OVH 这样的供应商。仅此一项可能就是降低成本的最大杠杆之一。
* 第三，你还需要选择一套能让你在宿主机之间高效缓存和共享资源的技术栈。我们使用 gVisor 来获得更好的利用率和更快的启动时间。它让我们可以在沙箱之间使用可用的宿主机内存，而无需为每个沙箱预留完整 VM 的内存。这里存在权衡：我们的 gVisor 沙箱不支持 Docker-in-Docker 或 Android 模拟器之类的工作负载。
* 最后，你购买的宿主机的规模和形态也会带来很大差异。就成本而言，瓶颈通常是内存而非 CPU。这对 agent harness 工作负载尤其如此，因此在购买服务器时，我们会优化在给定宿主机中装入更多内存。
我们还为需要的工作负载托管完整的 VM 沙箱，包括以稍高价格运行 Docker，但考虑到其他所有技术，它们的成本仍然相当低。
总的来说，我的经验是，只要专注于沙箱用例的一个细分领域并针对其进行优化，你就能给出好得多的成本/性能权衡。
我此前是 Amazon 的高级软件工程师和 Quantcast 的工程经理。我构建了 Amazon 的内部 AI 聊天机器人 Diya，以及他们的内部编码 harness Ziya。
如果你正在寻找在沙箱上运行代理并正在考察沙箱供应商，欢迎来看看我们。我们特别希望正在构建消息类代理的开发者来尝试他们的工作负载，挑战我们平台的极限和经济性。
谢谢！
来源：Hacker News · 首页 · news.ycombinator.com