python-executor

安装 belt CLI 技能： npx skills add belt-sh/cli

Python 代码执行器

在安全的沙盒环境中执行 Python 代码，预装 100 多个库。

快速开始

需要 inference.sh CLI（belt）。安装说明

belt login

# Run Python code
belt app run infsh/python-executor --input '{
  "code": "import pandas as pd\nprint(pd.__version__)"
}'

应用详情

属性	值
应用 ID	infsh/python-executor
环境	Python 3.10，仅 CPU
RAM	8GB（默认）/ 16GB（high_memory）
超时	1-300 秒（默认：30）

输入架构

{
  "code": "print('Hello World!')",
  "timeout": 30,
  "capture_output": true,
  "working_dir": null
}

预装库

网页抓取与 HTTP

• requests、httpx、aiohttp - HTTP 客户端
• beautifulsoup4、lxml - HTML/XML 解析
• selenium、playwright - 浏览器自动化
• scrapy - 网页抓取框架

数据处理

• numpy、pandas、scipy - 数值计算
• matplotlib、seaborn、plotly - 可视化

图像处理

• pillow、opencv-python-headless - 图像操作
• scikit-image、imageio - 图像算法

视频与音频

• moviepy - 视频编辑
• av（PyAV）、ffmpeg-python - 视频处理
• pydub - 音频操作

3D 处理

• trimesh、open3d - 3D 网格处理
• numpy-stl、meshio、pyvista - 3D 文件格式

文档与图形

• svgwrite、cairosvg - SVG 创建
• reportlab、pypdf2 - PDF 生成

示例

网页抓取

belt app run infsh/python-executor --input '{
  "code": "import requests\nfrom bs4 import BeautifulSoup\n\nresponse = requests.get(\"https://example.com\")\nsoup = BeautifulSoup(response.content, \"html.parser\")\nprint(soup.find(\"title\").text)"
}'

使用可视化进行数据分析

belt app run infsh/python-executor --input '{
  "code": "import pandas as pd\nimport matplotlib.pyplot as plt\n\ndata = {\"name\": [\"Alice\", \"Bob\"], \"sales\": [100, 150]}\ndf = pd.DataFrame(data)\n\nplt.bar(df[\"name\"], df[\"sales\"])\nplt.savefig(\"outputs/chart.png\")\nprint(\"Chart saved!\")"
}'

图像处理

belt app run infsh/python-executor --input '{
  "code": "from PIL import Image\nimport numpy as np\n\n# Create gradient image\narr = np.linspace(0, 255, 256*256, dtype=np.uint8).reshape(256, 256)\nimg = Image.fromarray(arr, mode=\"L\")\nimg.save(\"outputs/gradient.png\")\nprint(\"Image created!\")"
}'

视频创建

belt app run infsh/python-executor --input '{
  "code": "from moviepy.editor import ColorClip, TextClip, CompositeVideoClip\n\nclip = ColorClip(size=(640, 480), color=(0, 100, 200), duration=3)\ntxt = TextClip(\"Hello!\", fontsize=70, color=\"white\").set_position(\"center\").set_duration(3)\nvideo = CompositeVideoClip([clip, txt])\nvideo.write_videofile(\"outputs/hello.mp4\", fps=24)\nprint(\"Video created!\")",
  "timeout": 120
}'

3D 模型处理

belt app run infsh/python-executor --input '{
  "code": "import trimesh\n\nsphere = trimesh.creation.icosphere(subdivisions=3, radius=1.0)\nsphere.export(\"outputs/sphere.stl\")\nprint(f\"Created sphere with {len(sphere.vertices)} vertices\")"
}'

API 调用

belt app run infsh/python-executor --input '{
  "code": "import requests\nimport json\n\nresponse = requests.get(\"https://api.github.com/users/octocat\")\ndata = response.json()\nprint(json.dumps(data, indent=2))"
}'

文件输出

保存到 outputs/ 的文件会自动返回：

# These files will be in the response
plt.savefig('outputs/chart.png')
df.to_csv('outputs/data.csv')
video.write_videofile('outputs/video.mp4')
mesh.export('outputs/model.stl')

变体

# Default (8GB RAM)
belt app run infsh/python-executor --input input.json

# High memory (16GB RAM) for large datasets
belt app run infsh/python-executor@high_memory --input input.json

使用场景

• 网页抓取 - 从网站提取数据
• 数据分析 - 处理并可视化数据集
• 图像处理 - 调整图像大小、裁剪和合成图像
• 视频创建 - 生成带文字叠加的视频
• 3D 处理 - 加载、转换并导出 3D 模型
• API 集成 - 调用外部 API
• PDF 生成 - 创建报告和文档
• 自动化 - 运行任意 Python 脚本

重要说明

• 仅 CPU - 不含 GPU/ML 库（此类任务请使用专用 AI 应用）
• 安全执行 - 在隔离的子进程中运行
• 非交互式 - 使用 plt.savefig()，而非 plt.show()
• 文件检测 - 自动检测并返回输出文件

相关技能

# AI image generation (for ML-based images)
npx skills add inference-sh/skills@ai-image-generation

# AI video generation (for ML-based videos)
npx skills add inference-sh/skills@ai-video-generation

# LLM models (for text generation)
npx skills add inference-sh/skills@llm-models

文档

• 运行应用 - 如何通过 CLI 运行应用
• 应用代码 - 了解应用执行方式
• 沙盒代码执行 - 为 Agent 提供安全的代码执行