从零搭建一套可私有化部署的 AI 办公助手：Docker 一键上线+完整源码

发布人：慈云数据-客服中心发布时间：23小时前阅读量：6

AI办公 Docker部署教程｜附源码

随着大语言模型（LLM）能力的不断提升，越来越多企业和个人开始把 AI 引入日常办公场景，例如：文档摘要、会议纪要生成、邮件润色、PPT 大纲生成、Excel 数据分析、知识库问答等。相比直接使用公开 AI 工具，自建一套“AI办公助手”有几个明显优势：数据可控、可接入企业内部知识库、可按需扩展功能、部署成本可控，并且能够结合公司业务进行二次开发。

本文将带你从零搭建一个简易版 AI办公系统，并使用 Docker + Docker Compose 完成一键部署。项目包含前端页面、后端 API 服务、数据库服务，并预留大模型接口配置。文章会提供完整目录结构、核心源码、Dockerfile、docker-compose.yml 以及部署步骤，适合学习、二次开发和企业内部原型验证。

一、项目功能介绍

本教程实现的是一个轻量级 AI办公助手，主要包含以下功能：

AI 对话办公助手
- 支持输入办公需求，例如“帮我写一封请假邮件”“总结下面这段文档内容”。
- 后端调用大模型接口返回结果。
文档摘要
- 用户输入一段较长文本。
- AI 自动生成摘要、重点和待办事项。
邮件润色
- 将普通表达转换为正式、礼貌、商务风格的邮件内容。
会议纪要生成
- 根据会议记录生成结构化纪要，包括会议主题、参会人员、重点结论、待办事项。
历史记录保存
- 使用 MySQL 存储用户请求和 AI 返回内容。
- 便于后续查看和统计。
Docker 一键部署
- 前端、后端、数据库统一编排。
- 适合部署到本地服务器、云服务器或内网环境。

二、技术栈说明

本项目采用前后端分离架构：

模块	技术
前端	Vue 3 + Vite
后端	Node.js + Express
数据库	MySQL 8
部署	Docker + Docker Compose
AI接口	OpenAI兼容接口 / 私有大模型接口

整体架构如下：

用户浏览器
   │
   ▼
前端 Vue 页面
   │ HTTP请求
   ▼
后端 Express API
   │
   ├── 调用大模型接口
   │
   └── 写入 MySQL 数据库

三、项目目录结构

创建项目目录：

mkdir ai-office-docker
cd ai-office-docker

推荐目录结构如下：

ai-office-docker
├── backend
│   ├── Dockerfile
│   ├── package.json
│   ├── server.js
│   └── .env.example
├── frontend
│   ├── Dockerfile
│   ├── nginx.conf
│   ├── package.json
│   ├── index.html
│   └── src
│       ├── App.vue
│       └── main.js
├── mysql
│   └── init.sql
└── docker-compose.yml

四、后端源码编写

后端主要负责三件事：

接收前端请求；
调用 AI 大模型接口；
保存请求历史记录到数据库。

进入后端目录：

mkdir backend
cd backend

1. 创建 package.json

{
  "name": "ai-office-backend",
  "version": "1.0.0",
  "description": "AI Office Backend API",
  "main": "server.js",
  "scripts": {
    "start": "node server.js"
  },
  "dependencies": {
    "axios": "^1.6.8",
    "cors": "^2.8.5",
    "dotenv": "^16.4.5",
    "express": "^4.18.3",
    "mysql2": "^3.9.2"
  }
}

2. 创建环境变量示例文件

文件名：backend/.env.example

PORT=3000

DB_HOST=mysql
DB_PORT=3306
DB_USER=root
DB_PASSWORD=123456
DB_NAME=ai_office

AI_API_KEY=your_api_key
AI_BASE_URL=https://api.openai.com/v1/chat/completions
AI_MODEL=gpt-4o-mini

说明：

AI_API_KEY：填写你的大模型 API Key。
AI_BASE_URL：如果你使用的是兼容 OpenAI 格式的国产模型，也可以填写对应接口地址。
AI_MODEL：模型名称，可根据服务商要求修改。

3. 创建 server.js

文件名：backend/server.js

const express = require("express");
const cors = require("cors");
const axios = require("axios");
const mysql = require("mysql2/promise");
require("dotenv").config();

const app = express();

app.use(cors());
app.use(express.json({ limit: "5mb" }));

const PORT = process.env.PORT || 3000;

const dbConfig = {
  host: process.env.DB_HOST || "mysql",
  port: process.env.DB_PORT || 3306,
  user: process.env.DB_USER || "root",
  password: process.env.DB_PASSWORD || "123456",
  database: process.env.DB_NAME || "ai_office",
  waitForConnections: true,
  connectionLimit: 10,
  queueLimit: 0
};

const pool = mysql.createPool(dbConfig);

function buildPrompt(type, content) {
  const prompts = {
    chat: `你是一名专业的AI办公助手，请根据用户需求提供清晰、实用、结构化的回答。用户内容如下：\n${content}`,
    summary: `请将以下文本整理为办公摘要，要求包含：1.核心摘要；2.重点事项；3.待办清单。\n文本内容：\n${content}`,
    email: `请将以下内容润色为正式、礼貌、商务风格的邮件，要求语气自然、表达清晰。\n原始内容：\n${content}`,
    meeting: `请根据以下会议记录生成会议纪要，要求包含：会议主题、会议结论、关键讨论点、待办事项、责任人建议。\n会议记录：\n${content}`
  };

  return prompts[type] || prompts.chat;
}

async function callAI(prompt) {
  const apiKey = process.env.AI_API_KEY;
  const baseURL = process.env.AI_BASE_URL;
  const model = process.env.AI_MODEL || "gpt-4o-mini";

  if (!apiKey) {
    return "当前未配置 AI_API_KEY，请在 docker-compose.yml 或 .env 文件中配置大模型接口密钥。";
  }

  const response = await axios.post(
    baseURL,
    {
      model,
      messages: [
        {
          role: "system",
          content: "你是一个擅长企业办公、文档处理、会议纪要和商务沟通的AI助手。"
        },
        {
          role: "user",
          content: prompt
        }
      ],
      temperature: 0.7
    },
    {
      headers: {
        Authorization: `Bearer ${apiKey}`,
        "Content-Type": "application/json"
      },
      timeout: 60000
    }
  );

  return response.data.choices?.[0]?.message?.content || "AI未返回有效内容。";
}

async function saveHistory(type, input, output) {
  const sql = `
    INSERT INTO histories(type, input_text, output_text)
    VALUES (?, ?, ?)
  `;
  await pool.execute(sql, [type, input, output]);
}

app.get("/api/health", async (req, res) => {
  res.json({
    status: "ok",
    message: "AI Office Backend is running"
  });
});

app.post("/api/ai", async (req, res) => {
  try {
    const { type, content } = req.body;

    if (!content || !content.trim()) {
      return res.status(400).json({
        success: false,
        message: "内容不能为空"
      });
    }

    const prompt = buildPrompt(type, content);
    const result = await callAI(prompt);

    await saveHistory(type || "chat", content, result);

    res.json({
      success: true,
      data: result
    });
  } catch (error) {
    console.error("AI处理失败：", error.message);

    res.status(500).json({
      success: false,
      message: "AI处理失败，请检查接口配置或网络连接",
      error: error.message
    });
  }
});

app.get("/api/histories", async (req, res) => {
  try {
    const [rows] = await pool.query(`
      SELECT id, type, input_text, output_text, created_at
      FROM histories
      ORDER BY id DESC
      LIMIT 20
    `);

    res.json({
      success: true,
      data: rows
    });
  } catch (error) {
    res.status(500).json({
      success: false,
      message: "查询历史记录失败",
      error: error.message
    });
  }
});

app.listen(PORT, () => {
  console.log(`AI Office Backend running on port ${PORT}`);
});

4. 后端 Dockerfile

文件名：backend/Dockerfile

FROM node:20-alpine

WORKDIR /app

COPY package.json ./

RUN npm install --registry=https://registry.npmmirror.com

COPY . .

EXPOSE 3000

CMD ["npm", "start"]

五、数据库初始化脚本

回到项目根目录，创建 MySQL 初始化目录：

mkdir mysql

创建文件：mysql/init.sql

CREATE DATABASE IF NOT EXISTS ai_office
DEFAULT CHARACTER SET utf8mb4
COLLATE utf8mb4_unicode_ci;

USE ai_office;

CREATE TABLE IF NOT EXISTS histories (
  id INT AUTO_INCREMENT PRIMARY KEY,
  type VARCHAR(50) NOT NULL COMMENT '功能类型：chat/summary/email/meeting',
  input_text LONGTEXT NOT NULL COMMENT '用户输入内容',
  output_text LONGTEXT NOT NULL COMMENT 'AI输出内容',
  created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

这个表用于保存用户的输入内容和 AI 返回结果。实际生产环境中，可以继续扩展用户表、权限表、知识库表、文件上传表等。

六、前端源码编写

前端使用 Vue 3 + Vite，实现一个简单清爽的办公助手页面。用户可以选择功能类型，输入内容，然后点击生成。

进入前端目录：

mkdir frontend
cd frontend

1. 创建 package.json

文件名：frontend/package.json

{
  "name": "ai-office-frontend",
  "version": "1.0.0",
  "description": "AI Office Frontend",
  "scripts": {
    "dev": "vite --host 0.0.0.0",
    "build": "vite build"
  },
  "dependencies": {
    "@vitejs/plugin-vue": "^5.0.4",
    "vite": "^5.1.6",
    "vue": "^3.4.21"
  },
  "devDependencies": {}
}

2. 创建 index.html

文件名：frontend/index.html



  
    
    AI办公助手

3. 创建 main.js

创建目录：

mkdir src

文件名：frontend/src/main.js

import { createApp } from "vue";
import App from "./App.vue";

createApp(App).mount("#app");

4. 创建 App.vue

文件名：frontend/src/App.vue

5. 前端 Nginx 配置

由于前端构建后是静态文件，我们使用 Nginx 托管，同时将 /api 请求反向代理到后端服务。

文件名：frontend/nginx.conf

server {
    listen 80;
    server_name localhost;

    root /usr/share/nginx/html;
    index index.html;

    location / {
        try_files $uri $uri/ /index.html;
    }

    location /api/ {
        proxy_pass http://backend:3000/api/;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    }
}

6. 前端 Dockerfile

文件名：frontend/Dockerfile

FROM node:20-alpine AS builder

WORKDIR /app

COPY package.json ./

RUN npm install --registry=https://registry.npmmirror.com

COPY . .

RUN npm run build

FROM nginx:1.25-alpine

COPY nginx.conf /etc/nginx/conf.d/default.conf

COPY --from=builder /app/dist /usr/share/nginx/html

EXPOSE 80

CMD ["nginx", "-g", "daemon off;"]

七、Docker Compose 编排

回到项目根目录，创建 docker-compose.yml：

version: "3.8"

services:
  mysql:
    image: mysql:8.0
    container_name: ai-office-mysql
    restart: always
    environment:
      MYSQL_ROOT_PASSWORD: 123456
      MYSQL_DATABASE: ai_office
      TZ: Asia/Shanghai
    ports:
      - "3306:3306"
    volumes:
      - mysql_data:/var/lib/mysql
      - ./mysql/init.sql:/docker-entrypoint-initdb.d/init.sql
    networks:
      - ai-office-net

  backend:
    build:
      context: ./backend
    container_name: ai-office-backend
    restart: always
    depends_on:
      - mysql
    environment:
      PORT: 3000
      DB_HOST: mysql
      DB_PORT: 3306
      DB_USER: root
      DB_PASSWORD: 123456
      DB_NAME: ai_office

      AI_API_KEY: your_api_key
      AI_BASE_URL: https://api.openai.com/v1/chat/completions
      AI_MODEL: gpt-4o-mini
    ports:
      - "3000:3000"
    networks:
      - ai-office-net

  frontend:
    build:
      context: ./frontend
    container_name: ai-office-frontend
    restart: always
    depends_on:
      - backend
    ports:
      - "8080:80"
    networks:
      - ai-office-net

volumes:
  mysql_data:

networks:
  ai-office-net:
    driver: bridge

注意：请将 AI_API_KEY: your_api_key 替换成你自己的大模型接口密钥。如果你使用的是私有化模型接口，例如企业内部部署的 Qwen、DeepSeek、GLM、Llama 等，只要接口兼容 OpenAI Chat Completions 格式，就可以直接替换 AI_BASE_URL 和 AI_MODEL。

八、启动部署

在项目根目录执行：

docker compose up -d --build

如果你的 Docker 版本较旧，也可能需要使用：

docker-compose up -d --build

查看容器状态：

docker ps

正常情况下可以看到三个容器：

ai-office-mysql
ai-office-backend
ai-office-frontend

查看后端日志：

docker logs -f ai-office-backend

查看前端日志：

docker logs -f ai-office-frontend

访问系统：

http://服务器IP:8080

如果是本地部署，可以访问：

http://localhost:8080

九、接口测试

除了通过前端页面访问，也可以使用 curl 测试后端接口。

1. 健康检查

curl http://localhost:3000/api/health

返回示例：

{
  "status": "ok",
  "message": "AI Office Backend is running"
}

2. AI 办公生成接口

curl -X POST http://localhost:3000/api/ai \
  -H "Content-Type: application/json" \
  -d '{
    "type": "email",
    "content": "通知客户项目因为供应商原因要延期一周，希望客户理解"
  }'

返回示例：

{
  "success": true,
  "data": "尊敬的客户您好：\n\n非常感谢您一直以来对我们项目工作的支持..."
}

3. 查询历史记录

curl http://localhost:3000/api/histories

十、常见问题与解决方法

1. 前端页面能打开，但 AI 请求失败

可能原因：

后端服务未启动；
Nginx 反向代理配置错误；
后端接口地址不正确；
大模型 API Key 未配置；
服务器无法访问外部 AI 接口。

解决方法：

docker logs -f ai-office-backend

查看后端日志，根据错误信息定位问题。

2. MySQL 连接失败

后端启动时如果出现类似错误：

ECONNREFUSED
Access denied for user
Unknown database

可以检查：

docker-compose.yml 中数据库密码是否一致；
MySQL 容器是否正常启动；
初始化 SQL 是否执行成功；
后端连接地址是否写成了 mysql，而不是 localhost。

在 Docker Compose 网络中，服务之间通过服务名访问，所以后端连接 MySQL 的地址应该是：

mysql

而不是：

127.0.0.1

3. 修改代码后不生效

如果你修改了前端或后端源码，需要重新构建镜像：

docker compose up -d --build

如果需要彻底清理旧容器和数据：

docker compose down
docker compose up -d --build

如果连 MySQL 数据也要删除：

docker compose down -v
docker compose up -d --build

注意：-v 会删除数据库卷，历史记录会丢失。

4. 端口冲突

如果本机已经占用了 8080、3000 或 3306，可以修改 docker-compose.yml 中左侧端口。

例如将前端端口改为 8090：

ports:
  - "8090:80"

访问地址改为：

http://localhost:8090

十一、生产环境优化建议

上面的代码适合学习和原型验证。如果要用于企业生产环境，建议进一步优化。

1. 增加用户登录与权限控制

当前示例没有用户体系，任何访问页面的人都可以调用 AI 接口。生产环境中应增加：

用户注册与登录；
JWT 鉴权；
角色权限控制；
管理员后台；
调用次数限制。

2. 增加接口限流

AI 接口通常按 Token 计费，如果没有限流，容易出现滥用问题。可以使用：

Nginx 限流；
Redis 记录用户调用次数；
后端中间件限流；
按部门或用户设置额度。

3. 增加敏感词和数据脱敏

企业办公场景可能包含客户信息、合同信息、财务数据等敏感内容。建议在调用大模型前做数据脱敏，例如：

手机号脱敏；
邮箱脱敏；
身份证号脱敏；
客户名称替换；
合同编号替换。

4. 接入知识库

如果希望 AI 回答企业内部制度、产品文档、技术手册等内容，可以扩展知识库模块：

文件上传；
文档切分；
向量化；
向量数据库检索；
RAG 增强生成。

常见向量数据库包括：

Milvus；
Qdrant；
Weaviate；
Elasticsearch；
pgvector。

5. 支持本地大模型

如果企业对数据安全要求较高，可以使用本地模型：

Qwen；
DeepSeek；
GLM；
Llama；
Baichuan；
Yi。

部署方式可以选择 Ollama、vLLM、LMDeploy 或 Text Generation Inference。只要服务提供 OpenAI 兼容接口，本文后端代码基本无需大改。

十二、项目扩展方向

这个 AI办公系统只是基础版本，你可以继续扩展为更完整的办公平台。

1. Word 文档处理

支持上传 Word 文档，然后自动生成：

文档摘要；
风险点；
修改建议；
汇报材料；
领导版简报。

2. Excel 数据分析

支持上传 Excel 表格，让 AI 自动分析：

销售趋势；
异常数据；
关键指标；
可视化图表建议；
经营分析结论。

3. PPT 大纲生成

输入主题后自动生成：

PPT 标题；
页目录；
每页核心内容；
演讲稿；
视觉风格建议。

4. 企业知识库问答

把公司制度、产品说明、技术文档、客服 FAQ 导入知识库，员工可以直接提问，例如：

公司年假制度是什么？
某产品的售后流程是什么？
服务器上线审批需要哪些材料？

AI 根据内部文档回答，而不是凭空生成。

5. 多模型切换

可以在后台增加模型配置功能，让用户选择不同模型：

通用模型；
代码模型；
文档模型；
本地私有模型；
多模态模型。

十三、安全注意事项

部署 AI办公系统时，不要只关注功能，还要重视安全。

不要把 API Key 写进前端代码
- 前端代码会暴露给浏览器。
- API Key 必须放在后端环境变量中。
不要在公网直接暴露数据库端口
- 示例中暴露了 3306 便于调试。
- 生产环境建议删除 MySQL 的 ports 映射，只允许容器内部访问。
开启 HTTPS
- 如果部署到公网，建议通过 Nginx、Caddy 或云厂商证书开启 HTTPS。
限制上传文件大小
- 如果后续增加文件上传，应限制文件大小和类型。
记录调用日志
- 保存调用用户、时间、消耗 Token、请求类型，便于审计和成本分析。

十四、完整部署命令汇总

如果你已经按照上文创建好全部文件，可以直接执行以下命令：

cd ai-office-docker

docker compose up -d --build

docker ps

访问：

http://localhost:8080

停止服务：

docker compose down

停止并删除数据库数据：

docker compose down -v

重新构建：

docker compose up -d --build

十五、总结

本文从零实现并部署了一个简易版 AI办公助手系统，包含前端 Vue 页面、后端 Express API、MySQL 数据库和 Docker Compose 一键编排。通过这个项目，你可以快速理解 AI办公类应用的基本架构：前端负责交互，后端负责封装大模型调用，数据库负责保存业务数据，Docker 负责统一部署和环境隔离。

这个项目虽然简单，但具备较好的扩展基础。你可以在此基础上继续加入用户系统、知识库问答、文件上传、Excel 分析、PPT 生成、多模型切换、企业权限管理等功能，逐步演进为真正适合企业内部使用的 AI办公平台。

对于个人开发者来说，它是一个很好的 AI 应用练手项目；对于企业技术团队来说，它也可以作为内部 AI 工具平台的原型。只要继续完善安全、权限、日志、成本控制和知识库能力，就能让 AI 真正融入日常办公流程，提高文档处理、沟通协作和信息整理效率。

文章标签： AI办公 Docker部署 Vue+Express MySQL

上一篇：从零搭建企业 AI 办公助手：Docker 一键部署与完整源码实战

下一篇：用 Docker Compose 搭一套 AI 办公平台：从配置文件到上线运维

更多栏目