OpenHands AI डेवलपर

Clore.ai पर OpenHands (पूर्व में OpenDevin) तैनात करें — कोडिंग, डिबगिंग और GitHub मुद्दा समाधान के लिए किफायती GPU क्लाउड सर्वरों पर पूर्णतः स्वायत्त एआई सॉफ़्टवेयर इंजीनियर चलाएँ।

अवलोकन

OpenHands (पूर्व में OpenDevin) स्वायत्त एआई सॉफ़्टवेयर विकास एजेंटों के लिए एक ओपन-सोर्स प्लेटफ़ॉर्म है। 65K+ GitHub स्टार्स के साथ, यह एआई को वास्तविक प्रोग्रामिंग कार्य सौंपने के लिए सबसे लोकप्रिय टूल्स में से एक बन गया है — कोड लिखना, बग ठीक करना, GitHub मुद्दों का समाधान करना, शेल कमांड चलाना, वेब ब्राउज़ करना और आपके कोडबेस के साथ एंड-टू-एंड इंटरैक्ट करना।

सामान्य कोड-पूरक टूल्स के विपरीत, OpenHands एक एजेन्टिक लूपचलाता है: यह एक कार्य प्राप्त करता है, योजना बनाता है, कोड लिखता है, उसे निष्पादित करता है, आउटपुट का निरीक्षण करता है, और पुनरावृत्ति करता है — यह सब बिना मानव हस्तक्षेप के। यह OpenAI, Anthropic Claude, Google Gemini सहित दर्जनों LLM बैकएंड्स और Ollama या vLLM के माध्यम से लोकली-होस्टेड मॉडलों का समर्थन करता है।

OpenHands के लिए Clore.ai क्यों?

OpenHands स्वयं CPU-आधारित है और GPU की आवश्यकता नहीं होती
हालाँकि, इसे स्थानीय LLM (Ollama, vLLM) के साथ एक ही सर्वर पर जोड़ने से API लागत और विलंबता समाप्त हो जाती है
Clore.ai के किफायती GPU सर्वर आपको OpenHands और एक स्थानीय मॉडल चलाने देते हैं, वह भी सिर्फ $0.20–$0.35/घं
आपको स्थायी वर्कस्पेस स्टोरेज, Docker-in-Docker समर्थन और पूर्ण रूट एक्सेस मिलता है
लंबे समय तक चलने वाले स्वायत्त कार्यों के लिए आदर्श जो क्लाउड LLM APIs के माध्यम से महंगे होंगे

Clore.ai पर सामान्य उपयोग के मामलों में:

विशिष्ट विवरण या मुद्दे के वर्णन से स्वायत्त कोड जनरेशन
बड़े कोडबेस का थोक रीफैक्टरिंग
100% ऑफ़लाइन एजेन्टिक विकास के लिए OpenHands + Ollama को साथ में चलाना
API लागत के बिना CI/CD कार्य स्वचालन

आवश्यकताएँ

OpenHands को Docker सॉकेट एक्सेस की आवश्यकता होती है और यह आंतरिक रूप से एक सैंडबॉक्सेड रनटाइम कंटेनर चलाता है। निम्न तालिका Clore.ai पर अनुशंसित कॉन्फ़िगरेशन को कवर करती है:

कॉन्फ़िगरेशन

GPU

VRAM

RAM

स्टोरेज

अनुमानित मूल्य

केवल API (कोई स्थानीय LLM नहीं)

किसी भी / केवल CPU

लागू नहीं

8 GB

20 GB

~$0.05–0.10/घंटा

+ Ollama (Llama 3.1 8B)

RTX 3090

24 GB

16 GB

40 GB

~$0.20/घंटा

+ Ollama (Qwen2.5 32B)

RTX 4090

24 GB

32 GB

60 GB

~$0.35/घंटा

+ vLLM (Llama 3.1 70B)

A100 80GB

80 GB

64 GB

100 GB

~$1.10/घंटा

+ vLLM (Llama 3.3 70B INT4)

RTX 4090

24 GB

32 GB

80 GB

~$0.35/घंटा

नोट: यदि आप केवल OpenAI/Anthropic/Gemini APIs का उपयोग करते हैं, तो ≥8 GB RAM वाला कोई भी सर्वर काम कर जाएगा। उसी मशीन पर स्थानीय LLM चलाना है तो GPU की आवश्यकता होगी। देखें GPU तुलना मार्गदर्शिका अधिक विवरण के लिए।

Clore.ai सर्वर पर सॉफ़्टवेयर आवश्यकताएँ:

Docker Engine (सभी Clore.ai इमेजेस पर पहले से इंस्टॉल)
NVIDIA कंटेनर टूलकिट (GPU इमेज पर पूर्व-इंस्टॉल्ड)
Docker सॉकेट पहुंच योग्य है: /var/run/docker.sock
GHCR इमेज खींचने के लिए बाहरी इंटरनेट एक्सेस

त्वरित प्रारम्भ

चरण 1: एक Clore.ai सर्वर चुनें और कनेक्ट करें

में Clore.ai मार्केटप्लेससेर्वरों को फ़िल्टर करने के लिए:

RAM ≥ 16 GB (स्थानीय LLM कॉम्बो के लिए)
Docker: ✓ सक्षम
यदि स्थानीय मॉडल का उपयोग कर रहे हैं तो अपनी पसंदीदा GPU चुनें

सर्वर प्रोविजन होने के बाद SSH के माध्यम से कनेक्ट करें:

ssh root@<server-ip> -p <port>

चरण 2: जांचें कि Docker चल रहा है

docker info
ls -la /var/run/docker.sock

दोनों कमांड सफल होनी चाहिए। यदि Docker सॉकेट गायब है, तो Clore.ai समर्थन से संपर्क करें या किसी अलग इमेज का चयन करें।

चरण 3: OpenHands पुल और चलाएँ

# वर्कस्पेस निर्देशिका सेट करें
export WORKSPACE_BASE=$(pwd)/workspace
mkdir -p $WORKSPACE_BASE

# OpenHands चलाएँ (GHCR से नवीनतम 0.38 इमेज खींचता है)
docker run -it --pull=always \
  -e SANDBOX_RUNTIME_CONTAINER_IMAGE=ghcr.io/all-hands-ai/runtime:0.38-nikolaik \
  -e SANDBOX_USER_ID=$(id -u) \
  -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
  -v $WORKSPACE_BASE:/opt/workspace_base \
  -v /var/run/docker.sock:/var/run/docker.sock \
  -p 3000:3000 \
  --add-host host.docker.internal:host-gateway \
  ghcr.io/all-hands-ai/openhands:0.38

चरण 4: वेब UI तक पहुँच

UI उपलब्ध है: http://<server-ip>:3000

Clore.ai पोर्ट फॉरवर्डिंग: Clore.ai डैशबोर्ड में, सुनिश्चित करें कि पोर्ट 3000 आपकी सर्वर कॉन्फ़िगरेशन में अग्रेषित/एक्सपोज़ किया गया है। कुछ टेम्पलेट्स बाहरी पोर्ट्स को प्रतिबंधित करते हैं — अपने सर्वर विवरण में "Ports" सेक्शन की जाँच करें।

प्रथम लॉन्च पर, OpenHands आपसे एक LLM प्रदाता कॉन्फ़िगर करने के लिए कहेगा।

चरण 5: अपना LLM कॉन्फ़िगर करें

वेब UI सेटिंग्स में:

प्रदाता: OpenAI, Anthropic, Google, या Custom चुनें
API कुंजी: अपनी API कुंजी दर्ज करें
मॉडल: उदा., gpt-4o, claude-3-5-sonnet-20241022, या ollama/llama3.1

लोकल Ollama (नीचे GPU Acceleration सेक्शन देखें) के लिए, उपयोग करें:

प्रदाता: ollama
बेस URL: http://host.docker.internal:11434
मॉडल: ollama/llama3.1:8b

कॉन्फ़िगरेशन

पर्यावरण चर

OpenHands को पूरी तरह से उन पर्यावरण चर के माध्यम से कॉन्फ़िगर किया जा सकता है जो docker run:

docker run -it --pull=always \
  -e SANDBOX_RUNTIME_CONTAINER_IMAGE=ghcr.io/all-hands-ai/runtime:0.38-nikolaik \
  -e SANDBOX_USER_ID=$(id -u) \
  -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
  -e LLM_MODEL=claude-3-5-sonnet-20241022 \
  -e LLM_API_KEY=sk-ant-... \
  -e LLM_BASE_URL="" \
  -e SANDBOX_TIMEOUT=120 \
  -e MAX_ITERATIONS=100 \
  -v $WORKSPACE_BASE:/opt/workspace_base \
  -v /var/run/docker.sock:/var/run/docker.sock \
  -p 3000:3000 \
  --add-host host.docker.internal:host-gateway \
  ghcr.io/all-hands-ai/openhands:0.38

वैरिएबल

विवरण

डिफ़ॉल्ट

LLM_MODEL

मॉडल पहचानकर्ता (जैसे gpt-4o, claude-3-5-sonnet-20241022)

UI में सेट किया गया

LLM_API_KEY

LLM प्रदाता के लिए API कुंजी

UI में सेट किया गया

LLM_BASE_URL

कस्टम बेस URL (Ollama, vLLM, LiteLLM के लिए)

प्रदाता डिफ़ॉल्ट

SANDBOX_TIMEOUT

एजेंट सैंडबॉक्स टाइमआउट (सेकंड में)

120

MAX_ITERATIONS

प्रति कार्य अधिकतम एजेन्टिक लूप पुनरावृत्तियाँ

100

SANDBOX_USER_ID

सैंडबॉक्स को चलाने के लिए UID (उपयोग करें $(id -u))

0

LOG_ALL_EVENTS

विस्तृत इवेंट लॉगिंग सक्षम करें (true/false)

false

स्थायी कॉन्फ़िगरेशन फ़ाइल

आप सेटिंग्स को एक कॉन्फ़िग डायरेक्टरी माउंट करके स्थायी बना सकते हैं:

mkdir -p /opt/openhands/config

docker run -it --pull=always \
  -e SANDBOX_RUNTIME_CONTAINER_IMAGE=ghcr.io/all-hands-ai/runtime:0.38-nikolaik \
  -e SANDBOX_USER_ID=$(id -u) \
  -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
  -v $WORKSPACE_BASE:/opt/workspace_base \
  -v /var/run/docker.sock:/var/run/docker.sock \
  -v /opt/openhands/config:/app/config \
  -p 3000:3000 \
  --add-host host.docker.internal:host-gateway \
  ghcr.io/all-hands-ai/openhands:0.38

बैकग्राउंड में चलाना (Detached मोड)

Clore.ai पर लंबे चलने वाले सत्रों के लिए:

export WORKSPACE_BASE=/opt/workspace
mkdir -p $WORKSPACE_BASE

docker run -d \
  --name openhands \
  --restart unless-stopped \
  --pull=always \
  -e SANDBOX_RUNTIME_CONTAINER_IMAGE=ghcr.io/all-hands-ai/runtime:0.38-nikolaik \
  -e SANDBOX_USER_ID=0 \
  -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
  -e LLM_MODEL=claude-3-5-sonnet-20241022 \
  -e LLM_API_KEY=your_api_key_here \
  -v $WORKSPACE_BASE:/opt/workspace_base \
  -v /var/run/docker.sock:/var/run/docker.sock \
  -p 3000:3000 \
  --add-host host.docker.internal:host-gateway \
  ghcr.io/all-hands-ai/openhands:0.38

# लॉग देखें
docker logs -f openhands

GPU त्वरण (स्थानीय LLM एकीकरण)

जबकि OpenHands स्वयं GPU का उपयोग नहीं करता, इसे Clore.ai के GPU पर स्थानीय LLM चलाने से आपको एक शक्तिशाली, किफायती, API-रहित स्वायत्त एजेंट मिलता है।

विकल्प A: OpenHands + Ollama (शुरुआती के लिए अनुशंसित)

पहले Ollama चलाएँ, फिर OpenHands को उसकी ओर इशारा करें:

# 1. Ollama शुरू करें (पूर्ण विवरण के लिए Ollama गाइड देखें)
docker run -d \
  --name ollama \
  --gpus all \
  -p 11434:11434 \
  -v ollama-data:/root/.ollama \
  ollama/ollama:latest

# 2. एक कोडिंग-अनुकूलित मॉडल खींचें
docker exec ollama ollama pull qwen2.5-coder:7b
# या अधिक शक्ति के लिए:
docker exec ollama ollama pull llama3.1:8b
docker exec ollama ollama pull deepseek-coder-v2:16b

# 3. OpenHands को Ollama की ओर संकेत करते हुए शुरू करें
export WORKSPACE_BASE=/opt/workspace
mkdir -p $WORKSPACE_BASE

docker run -d \
  --name openhands \
  -e SANDBOX_RUNTIME_CONTAINER_IMAGE=ghcr.io/all-hands-ai/runtime:0.38-nikolaik \
  -e SANDBOX_USER_ID=0 \
  -e WORKSPACE_MOUNT_PATH=$WORKSPACE_BASE \
  -e LLM_MODEL=ollama/qwen2.5-coder:7b \
  -e LLM_BASE_URL=http://host.docker.internal:11434 \
  -e LLM_API_KEY=ollama \
  -v $WORKSPACE_BASE:/opt/workspace_base \
  -v /var/run/docker.sock:/var/run/docker.sock \
  -p 3000:3000 \
  --add-host host.docker.internal:host-gateway \
  ghcr.io/all-hands-ai/openhands:0.38

पूरा देखें Ollama गाइड मॉडल चयन, प्रदर्शन ट्यूनिंग, और GPU कॉन्फ़िगरेशन के लिए।

विकल्प B: OpenHands + vLLM (उच्च प्रदर्शन)

बड़े मॉडलों के साथ अधिकतम थ्रूपुट के लिए:

# 1. कोडिंग मॉडल के साथ vLLM शुरू करें
docker run -d \
  --name vllm \
  --gpus all \
  -p 8000:8000 \
  --ipc=host \
  vllm/vllm-openai:latest \
  --model Qwen/Qwen2.5-Coder-32B-Instruct \
  --max-model-len 16384 \
  --gpu-memory-utilization 0.92

# मॉडल लोड होने की प्रतीक्षा करें (~2-5 मिनिट)
docker logs -f vllm | grep "Application startup"

# 2. vLLM बैकएंड के साथ OpenHands शुरू करें
docker run -d \
  --name openhands \
  -e SANDBOX_RUNTIME_CONTAINER_IMAGE=ghcr.io/all-hands-ai/runtime:0.38-nikolaik \
  -e SANDBOX_USER_ID=0 \
  -e WORKSPACE_MOUNT_PATH=/opt/workspace \
  -e LLM_MODEL=openai/Qwen/Qwen2.5-Coder-32B-Instruct \
  -e LLM_BASE_URL=http://host.docker.internal:8000/v1 \
  -e LLM_API_KEY=none \
  -v /opt/workspace:/opt/workspace_base \
  -v /var/run/docker.sock:/var/run/docker.sock \
  -p 3000:3000 \
  --add-host host.docker.internal:host-gateway \
  ghcr.io/all-hands-ai/openhands:0.38

पूरे सेटअप के लिए देखें vLLM गाइड पूर्ण सेटअप, क्वांटाइज़ेशन विकल्प, और मल्टी-GPU कॉन्फ़िगरेशन के लिए।

कोडिंग के लिए अनुशंसित लोकल मॉडल्स

मॉडल

आकार

न्यूनतम VRAM

गुणवत्ता

qwen2.5-coder:7b

8 GB

★★★☆☆

deepseek-coder-v2:16b

16B

12 GB

★★★★☆

qwen2.5-coder:32b

32B

24 GB

★★★★☆

llama3.1:70b

70B

48 GB

★★★★★

टिप्स और सर्वोत्तम प्रथाएँ

1. वर्कस्पेस माउंट्स का बुद्धिमानी से उपयोग करें

अपनी वास्तविक प्रोजेक्ट डायरेक्टरी को वर्कस्पेस के रूप में माउंट करें ताकि OpenHands सीधे आपकी फ़ाइलों को संपादित कर सके:

export WORKSPACE_BASE=/opt/my-project
git clone https://github.com/your/repo $WORKSPACE_BASE

2. सर्वोत्तम परिणामों के लिए टास्क प्रॉम्प्टिंग

OpenHands विशिष्ट, क्रियान्वयन योग्य प्रॉम्प्ट्स के साथ सबसे अच्छा काम करता है:

✅ अच्छा: "src/auth/login.py में प्रमाणीकरण बग ठीक करें जहां JWT टोकन 
         तुरंत समाप्त हो जाते हैं। समस्या टोकन समाप्ति गणना में है."

❌ खराब: "बग ठीक करें"

3. संसाधन उपयोग की निगरानी करें

# GPU और मेमोरी उपयोग देखें
watch -n 2 'nvidia-smi && docker stats --no-stream'

4. पुनरावृत्ति सीमाएँ सेट करें

एजेंट्स को बहुत अधिक API टोकन उपयोग करने से रोकें:

-e MAX_ITERATIONS=50  # प्रति कार्य 50 चरणों तक सीमित करें

5. GitHub एकीकरण

OpenHands सीधे GitHub मुद्दों को हल कर सकता है। UI में कॉन्फ़िगर करें:

GitHub टोकन: आपका व्यक्तिगत एक्सेस टोकन जिसमें repo स्कोप
OpenHands रिपो को क्लोन करेगा, समस्या ठीक करेगा और एक PR बनाएगा

6. लागत का अनुमान

API-आधारित LLMs के लिए, प्रति कार्य लागत का अनुमान:

सरल बग फिक्स: ~$0.05–0.15 (Claude Haiku/GPT-4o-mini)
जटिल फीचर: ~$0.50–2.00 (Claude Sonnet/GPT-4o)
यदि दिन में 100+ कार्य हैं, तो Clore.ai पर स्थानीय LLM अपनी लागत निकाल लेता है

समस्याओं का निवारण

Docker सॉकेट अनुमति अस्वीकृत

# त्रुटि: Docker डेमॉन से कनेक्ट करते समय अनुमति अस्वीकृत
# समाधान: सुनिश्चित करें कि सॉकेट पहुँच योग्य है
ls -la /var/run/docker.sock
# दिखना चाहिए: srw-rw---- 1 root docker ...

# यदि आवश्यक हो तो अपने उपयोगकर्ता को docker समूह में जोड़ें
usermod -aG docker $USER
# फिर शेल को रीस्टार्ट करें या उपयोग करें: newgrp docker

सैंडबॉक्स कंटेनर शुरू नहीं होता

# जाँच करें कि रनटाइम इमेज पहुंच योग्य है
docker pull ghcr.io/all-hands-ai/runtime:0.38-nikolaik

# GHCR दर सीमाओं की जाँच करें (प्रमाणीकरण की आवश्यकता हो सकती है)
docker login ghcr.io

पोर्ट 3000 पहुँच योग्य नहीं है

# सत्यापित करें कि कंटेनर चल रहा है और पोर्ट बंधा हुआ है
docker ps | grep openhands
docker port openhands

# Clore.ai फ़ायरवॉल की जाँच करें — सुनिश्चित करें कि पोर्ट 3000 आपके पोर्ट मैपिंग में है
# Clore.ai डैशबोर्ड में: Server → Ports → Add 3000:3000

Ollama के साथ LLM कनेक्शन त्रुटियाँ

# OpenHands कंटेनर से Ollama पहुँच योग्य है या नहीं यह परीक्षण करें
docker exec openhands curl http://host.docker.internal:11434/api/tags

# यदि यह विफल होता है, तो सत्यापित करें कि --add-host फ़्लैग docker run में शामिल था
# साथ ही जांचें कि Ollama कंटेनर चल रहा है:
docker ps | grep ollama
docker logs ollama | tail -20

एजेंट लूप अनंत तक चलता है

# अधिकतम पुनरावृत्तियाँ घटाएँ
docker stop openhands
docker run ... -e MAX_ITERATIONS=30 ...

# या एक टाइमआउट सेट करें
-e SANDBOX_TIMEOUT=60

मेमोरी समाप्त (OOM)

# मेमोरी उपयोग जाँचें
free -h
docker stats

# यदि स्थानीय LLM चला रहे हैं, तो एक छोटा मॉडल ट्राय करें
docker exec ollama ollama pull qwen2.5-coder:3b

# या क्वांटाइज़्ड संस्करण का उपयोग करें (कम VRAM)
docker exec ollama ollama pull llama3.1:8b-instruct-q4_K_M

अधिक पढ़ने के लिए

OpenHands GitHub रिपॉज़िटरी — स्रोत कोड, मुद्दे, और रिलीज़
OpenHands दस्तावेज़ीकरण — आधिकारिक डॉक्स जिनमें LLM कॉन्फ़िगरेशन शामिल है
Clore.ai पर Ollama — एजेंट अनुमान के लिए लोकल LLMs चलाएँ मुफ्त में
Clore.ai पर vLLM — उच्च-प्रदर्शन लोकल LLM सर्विंग
GPU तुलना मार्गदर्शिका — अपने वर्कलोड के लिए सही GPU चुनें
OpenHands Discord — समुदाय सहायता और मॉडल सिफारिशें
SWE-bench लीडरबोर्ड — वास्तविक GitHub मुद्दों पर एजेंट प्रदर्शन की तुलना करें

PreviousCrewAI मल्टी-एजेंट फ़्रेमवर्क NextLangflow विज़ुअल एआई बिल्डर

Last updated 23 hours ago

Was this helpful?

hashtagअवलोकन

hashtagआवश्यकताएँ

hashtagत्वरित प्रारम्भ

hashtagचरण 1: एक Clore.ai सर्वर चुनें और कनेक्ट करें

hashtagचरण 2: जांचें कि Docker चल रहा है

hashtagचरण 3: OpenHands पुल और चलाएँ

hashtagचरण 4: वेब UI तक पहुँच

hashtagचरण 5: अपना LLM कॉन्फ़िगर करें

hashtagकॉन्फ़िगरेशन

hashtagपर्यावरण चर

hashtagस्थायी कॉन्फ़िगरेशन फ़ाइल

hashtagबैकग्राउंड में चलाना (Detached मोड)

hashtagGPU त्वरण (स्थानीय LLM एकीकरण)

hashtagविकल्प A: OpenHands + Ollama (शुरुआती के लिए अनुशंसित)

hashtagविकल्प B: OpenHands + vLLM (उच्च प्रदर्शन)

hashtagकोडिंग के लिए अनुशंसित लोकल मॉडल्स

hashtagटिप्स और सर्वोत्तम प्रथाएँ

hashtag1. वर्कस्पेस माउंट्स का बुद्धिमानी से उपयोग करें

hashtag2. सर्वोत्तम परिणामों के लिए टास्क प्रॉम्प्टिंग

hashtag3. संसाधन उपयोग की निगरानी करें

hashtag4. पुनरावृत्ति सीमाएँ सेट करें

hashtag5. GitHub एकीकरण

hashtag6. लागत का अनुमान

hashtagसमस्याओं का निवारण

hashtagDocker सॉकेट अनुमति अस्वीकृत

hashtagसैंडबॉक्स कंटेनर शुरू नहीं होता

hashtagपोर्ट 3000 पहुँच योग्य नहीं है

hashtagOllama के साथ LLM कनेक्शन त्रुटियाँ

hashtagएजेंट लूप अनंत तक चलता है

hashtagमेमोरी समाप्त (OOM)

hashtagअधिक पढ़ने के लिए

अवलोकन

आवश्यकताएँ

त्वरित प्रारम्भ

चरण 1: एक Clore.ai सर्वर चुनें और कनेक्ट करें

चरण 2: जांचें कि Docker चल रहा है

चरण 3: OpenHands पुल और चलाएँ

चरण 4: वेब UI तक पहुँच

चरण 5: अपना LLM कॉन्फ़िगर करें

कॉन्फ़िगरेशन

पर्यावरण चर

स्थायी कॉन्फ़िगरेशन फ़ाइल

बैकग्राउंड में चलाना (Detached मोड)

GPU त्वरण (स्थानीय LLM एकीकरण)

विकल्प A: OpenHands + Ollama (शुरुआती के लिए अनुशंसित)

विकल्प B: OpenHands + vLLM (उच्च प्रदर्शन)

कोडिंग के लिए अनुशंसित लोकल मॉडल्स

टिप्स और सर्वोत्तम प्रथाएँ

1. वर्कस्पेस माउंट्स का बुद्धिमानी से उपयोग करें

2. सर्वोत्तम परिणामों के लिए टास्क प्रॉम्प्टिंग

3. संसाधन उपयोग की निगरानी करें

4. पुनरावृत्ति सीमाएँ सेट करें

5. GitHub एकीकरण

6. लागत का अनुमान

समस्याओं का निवारण

Docker सॉकेट अनुमति अस्वीकृत

सैंडबॉक्स कंटेनर शुरू नहीं होता

पोर्ट 3000 पहुँच योग्य नहीं है

Ollama के साथ LLM कनेक्शन त्रुटियाँ

एजेंट लूप अनंत तक चलता है

मेमोरी समाप्त (OOM)

अधिक पढ़ने के लिए