必须配置本地可运行的代码执行环境：一、启用本地python沙箱，修改config.yaml中execution.enabled为true并指定python_path；二、可选docker沙箱，需安装docker、拉取镜像并配置sandbox_type；三、可选jupyter内核桥接，启动kernel并配置连接参数；四、统一设置timeout_seconds和max_memory_mb等资源限制。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望 Hermes Agent 能够实际执行您编写的代码片段，而非仅生成文本响应，则必须正确配置本地可运行的代码执行环境。以下是完成该配置的具体步骤：
一、启用本地 Python 执行引擎
Hermes Agent 默认不启用代码执行功能，需手动激活内置的 Python 沙箱环境，该环境限制网络访问与系统调用，确保安全执行。
1、打开 Hermes Agent 的配置目录，定位到 config.yaml 文件。
2、在 execution 区块下，将 enabled 字段值设为 true。
3、确认 python_path 指向已安装的 Python 3.9 或更高版本可执行文件（例如：/usr/bin/python3 或 C:\Python311\python.exe）。
二、配置 Docker 容器化沙箱
当本地 Python 环境不可控或需更强隔离性时，可使用 Docker 运行轻量级执行容器，Hermes Agent 通过 socket 与容器通信。
1、确保系统已安装 Docker Engine 24.0+ 并处于运行状态。
2、拉取官方执行镜像：docker pull hermesai/code-sandbox:latest。
3、在 config.yaml 中设置 sandbox_type: docker，并指定 docker_image: hermesai/code-sandbox:latest。
三、启用 Jupyter 内核桥接模式
若需支持交互式代码块、变量检查与多步状态延续，可将 Hermes Agent 连接到本地运行的 Jupyter kernel，利用其成熟执行管线。
1、启动一个空闲的 Jupyter kernel：jupyter kernel --ip=127.0.0.1 --port=55555 --no-browser。
2、在配置中启用 jupyter_mode: true，并填写 jupyter_connection_file 路径（如：~/.local/share/jupyter/runtime/kernel-*.json）。
3、重启 Hermes Agent，使其加载 kernel 连接参数并建立 ZeroMQ 通道。
四、配置超时与资源限制参数
为防止无限循环或内存溢出导致服务阻塞，必须显式设定单次执行的最大耗时与内存上限。
1、在 execution 区块中添加 timeout_seconds: 30。
2、设置 max_memory_mb: 256，该值将被传递至 cgroups（Linux）或 job objects（Windows）进行硬性约束。
3、若使用 Docker 模式，还需在 docker_options 下添加 mem_limit: "256m" 和 cpu_quota: 50000。
