测试环境与 Console 日志

Sandbox 测试必须同时回答三个问题：请求打到哪个环境、使用哪个账户、日志应该在哪个 Console 查看。只看到页面成功或命令 stdout，不足以证明实例已经清理和账单已经结算。

环境矩阵

测试类型必须明确标注

Sandbox-only test

XAPI_SANDBOX_HOST=sandbox.test.xapi.to \
  npx xapi-to sandbox run --command 'echo SANDBOX_TEST_OK'

所有计算、生命周期、Sandbox 审计和 Sandbox 计费都在测试环境。此测试不调用模型。

OpenAI Agents mixed-environment test

OpenAI SandboxAgent
  ├─ model: ai.xapi.to → DeepSeek                 (正式 AI 环境)
  └─ compute: sandbox.test.xapi.to → Daytona     (测试 Sandbox 环境)

这是当前 OpenAI Sandbox Agents SDK E2E 的实际边界。它可以证明 DeepSeek tool calling 与 测试 Sandbox adapter 能协同运行，但不能证明“测试 AI Gateway + 测试 Sandbox”的完全 隔离链路，因为测试 AI Gateway 尚不存在。

使用哪个账户

普通 CLI Sandbox 命令的有效密钥优先级为：

XAPI_KEY → XAPI_API_KEY → ~/.xapi/config.json

在验收前运行：

npx xapi-to config show
npx xapi-to balance

config show 只显示脱敏 Key 和来源。若环境变量覆盖了配置文件，CLI 会使用环境变量对应 账户。不要从“自己刚粘贴过哪把 Key”推断实际账户；以 config show 和 Console 中的 Key 名称/尾号为准。

OpenAI SandboxAgent 混合环境应显式区分两项凭据：

不要用 Sandbox 测试 Key 能创建实例这一事实，推断它也有正式 AI Gateway 权限。验收报告 应分别记录两把 Key 的脱敏 preview 和来源，并确保完整 Key 不进入报告、prompt 或 Sandbox。

Console 中查看日志

测试 Sandbox 日志

打开 test.xapi.to Console → Sandboxes：

1. 监控：确认并发实例和消费趋势；
2. 实例列表：按实例 ID、Provider 和时间定位资源；
3. 调用日志：查看 CREATE、EXEC、FILE、PORT、SUSPEND、RESUME、TERMINATE；
4. 展开实例详情，核对 operations、events、usage segments 和 settlement ledger。

时间显示可能使用浏览器本地时区，而 JSON 报告通常使用 UTC ISO 时间。比对时同时使用 实例 ID 和操作顺序，不要只靠肉眼匹配小时数。

DeepSeek 模型日志

使用 ai.xapi.to 的调用在 正式 Console → AI Logs 查看。可按：

• API Key 名称；
• Provider = DeepSeek；
• Model = deepseek-v4-pro；
• 时间范围和状态码；

进行筛选。一次 Agent 任务通常产生多次模型调用：初始规划、每次工具结果回传后的下一轮 推理，以及最终回答。因此“一个用户任务”不一定对应“一条 AI Log”。

单场景验收清单

每个会创建实例的场景至少验证：

1. Quote 返回 Offering、价格和有效期，且不超过测试设定的上限；
2. Create 返回实例 ID，并最终进入 RUNNING；
3. 真实能力被执行，例如命令退出码、文件内容或公网 URL marker；
4. 操作日志记录输入摘要、状态、耗时和输出预览；
5. 状态事件至少覆盖 PROVISIONING → RUNNING → TERMINATED；
6. usageSegments 全部关闭，没有 endsAt = null 的遗留段；
7. billingPeriods 全部进入终态，totalCost 与结算汇总一致；
8. terminate 请求之后继续等待服务端 TERMINATED；
9. 最终 history --state ACTIVE 不包含本次实例；
10. 报告中没有 API Key、供应商密钥或其他凭证。

Playground/CLI 多场景验收

xapi-cli 仓库提供真实多场景脚本：

cd xapi-cli
npm run build
npm run test:sandbox:playground -- \
  --host sandbox.test.xapi.to

场景覆盖：

• 目录、能力与预算报价；
• 一次性代码执行；
• AI 编码任务；
• CI 复现与修复；
• 数据上传、分析与报告取回；
• 多 Agent 独立实例；
• Cloudflare Web 预览与外部 URL 验证；
• 挂起、恢复与文件保留；
• GPU Offering 与连接信息；
• 操作、事件、用量、账单、历史和最终零活动实例检查。

聚焦重跑或跳过高成本 GPU：

npm run test:sandbox:playground -- \
  --host sandbox.test.xapi.to \
  --only 8,9
npm run test:sandbox:playground -- \
  --host sandbox.test.xapi.to \
  --skip-gpu

OpenAI SandboxAgent 验收

cd xapi-cli
export XAPI_SANDBOX_KEY='sk-sandbox-test-...'
export XAPI_AI_KEY='sk-ai-production-...'
npm run test:sandbox:openai -- \
  --host sandbox.test.xapi.to \
  --provider daytona \
  --model deepseek-v4-pro
unset XAPI_SANDBOX_KEY XAPI_AI_KEY

通过条件包括：

• ai.xapi.to DeepSeek probe 返回预期 marker；
• SandboxAgent 实际产生 Shell tool calls；
• Daytona 实例写入并读取 Sandbox marker；
• execCount 足以证明任务不是模型直接编造；
• shellMarkerSeen = true；
• 实例终态为 TERMINATED；
• operations、events、usageSegments、billingPeriods 均有证据；
• activeInstances = 0；
• JSON 报告不包含 Key。

当前测试缺口

失败后的强制清理

export XAPI_SANDBOX_HOST=sandbox.test.xapi.to
npx xapi-to sandbox history --state ACTIVE --page-size 100 --format table
npx xapi-to sandbox get <id> --format pretty
npx xapi-to sandbox terminate <id> --wait-timeout 5m
npx xapi-to sandbox history --state ACTIVE --page-size 100 --format table

只有最后一次查询确认没有本次遗留实例，测试才能结束。若清理本身失败，应把实例 ID、当前 状态和错误作为最高优先级遗留事项交接。