📌 项目地址：coder/coder | ⭐ 14,840 颗星 | 🔧 Go | 📜 未标注
先说两个真实的痛点
第一个是老问题：开发环境装在每个人的笔记本上。新人入职，配环境要一两天；环境坏了，最省事的办法往往是重装系统。云开发环境（CDE）就是为了这个出现的，把环境搬到云上，用代码定义，按需创建、用完就关。
第二个是新问题：AI 编程 agent 进了团队，模型 API key 怎么管？最常见的做法是每个开发者自己领一份 OpenAI 或 Anthropic 的 key，塞进环境变量里。后果是：key 泄漏了没人知道，一个月花掉多少钱没人统计，谁让 agent 改了哪些代码也没法审计。
Coder（github.com/coder/coder，14,840 star，Go 编写）把这两件事放进同一个自托管平台。它部署在你自己的云账号和集群里，不经手任何第三方 SaaS。
平台底座：用 Terraform 定义工作区
工作区不是在网页上点按钮建出来的，而是用 Terraform 模板定义的。模板写清楚这个环境需要什么基础设施：EC2 虚拟机、Kubernetes Pod、Docker 容器，都可以。
这个设计带来的好处很实际：
- 环境可复现、可版本化。模板一改，所有人下次建工作区自动用新版
- 新人入职从“配几天环境”变成几秒开一个工作区
- 空闲资源自动关闭，不会因为忘了关机导致账单爆掉
连接方式也有讲究：工作区通过 WireGuard 隧道访问，开发环境不用暴露在公网上。
AI agent 部分：最值得细说的设计
Coder 可以把编码任务委托给 AI agent，agent 跑在你自己的基础设施上。它的安全模型是这样的：
agent 的执行循环在控制平面里跑，不在工作区里跑。 换句话说，LLM 的凭证只存在于控制平面，不会下发到任何工作区。就算某个工作区被攻破，攻击者也拿不到模型密钥。
治理能力配得也全。模型随便接，Anthropic、OpenAI、Google、Bedrock、自托管模型都行；模型治理、成本追踪、审计日志集中在平台层做；agent 的每个操作都带着用户身份，出了问题能查到具体的人。
对比“每个开发者人手一份 key”的现状，这套方案对安全团队和财务都有交代。我觉得这是 Coder 区别于其他 CDE 工具最实在的一点。
上手步骤
Linux 和 macOS 用官方安装脚本，Windows 去 GitHub Releases 下载安装包：
curl -L https://coder.com/install.sh | sh
启动服务端，浏览器打开 http://localhost:3000，创建初始用户，建一个 Docker 模板，然后开第一个工作区：
coder server
生产部署需要两样东西：PostgreSQL（13 或更高版本）和一个外部访问 URL：
coder server --postgres-url <url> --access-url <url>
不带这些参数时，Coder 会用内置数据库，并分配一个 *.try.coder.app 的访问 URL。这个模式只适合评估，别拿它上生产。容量规划和基础设施方案建议看官方文档里的 validated architectures 部分。完整参数和環境变量用 coder --help 查。
选型前想清楚三件事
第一，开源核心加商业版的模式。企业级治理这类功能在付费计划里，选型前先去 coder.com/pricing 看功能对比表。
第二，它更像给平台工程团队用的框架，不是开箱即用的 SaaS。团队里得有人会写 Terraform 模板、能长期维护控制平面的部署。个人开发者或两三人的纯前端小团队用它，投入产出比不高。
第三，curl | sh 这种安装方式图省事，生产环境建议从 Releases 下载二进制并做校验。
和 GitHub Codespaces、Gitpod 比
后两个是托管服务，开箱即用，但数据和计算都在别人家里。Coder 走自托管路线：平台、模板、工作区全在自己的基础设施上，再加上前面说的 agent 密钥治理设计。如果你所在组织对数据出境和合规有硬性要求，这个差异就是决定性的；如果只是个人想要个云上 IDE，托管服务更省事。