站长自建 AI 编程环境：Docker 部署 Open WebUI、Ollama 与 code-server 实战教程

发布人：慈云数据-客服中心发布时间：5小时前阅读量：0

AI编程 Docker部署教程｜适合站长

随着 AI 编程工具的普及，越来越多站长、开发者和中小团队希望在自己的服务器上部署一套可控、稳定、低成本的 AI 编程环境。相比直接使用第三方在线平台，自建 AI 编程服务有几个明显优势：数据更可控、接口更灵活、可接入多种模型、便于团队统一使用，也方便与现有网站、后台系统或开发流程结合。

本文将以站长视角，介绍如何使用 Docker 部署一套适合日常开发、代码辅助、接口调试和团队使用的 AI 编程环境。文章内容偏实战，适合有一定服务器基础、熟悉 Linux 基本命令的站长阅读。

一、什么是 AI 编程 Docker 部署？

所谓 AI 编程 Docker 部署，简单来说就是把 AI 编程相关服务通过 Docker 容器运行在自己的服务器上。

常见的 AI 编程部署方案包括：

部署在线 AI 聊天 / 编程助手界面
- 例如 Open WebUI、ChatGPT-Next-Web 等。
- 可以接入 OpenAI、DeepSeek、Claude、通义千问、智谱、Ollama 等模型。
部署本地大模型服务
- 例如 Ollama。
- 可以运行 Qwen、DeepSeek Coder、Code Llama、Llama 等开源模型。
部署网页版代码编辑环境
- 例如 code-server。
- 在浏览器中使用 VS Code，适合远程开发。
通过反向代理提供 HTTPS 访问
- 使用 Nginx、Nginx Proxy Manager、Caddy 等。
- 配置域名、SSL 证书和访问控制。

本文会重点介绍一个适合站长的组合方案：

Docker + Ollama + Open WebUI + code-server + Nginx 反向代理

这套方案既可以用于 AI 对话和代码生成，也可以用于远程写代码、修改网站程序、维护服务器脚本。

二、适合站长的部署架构

推荐架构如下：

用户浏览器
   │
   ├── https://ai.example.com      → Open WebUI，AI 编程助手
   │
   └── https://code.example.com    → code-server，网页版 VS Code
             │
             ▼
        Nginx / Caddy 反向代理
             │
             ▼
 Docker 容器环境
   ├── Open WebUI
   ├── Ollama
   └── code-server

其中：

Open WebUI：提供类似 ChatGPT 的网页界面，可用于代码问答、生成脚本、解释报错、优化 SQL 等。
Ollama：本地模型运行服务，可拉取和运行开源大模型。
code-server：网页版 VS Code，可远程编辑网站代码。
Nginx / Caddy：负责域名绑定、HTTPS 证书、反向代理。

如果你的服务器配置较低，也可以不部署 Ollama，而是让 Open WebUI 直接调用第三方 API，例如 OpenAI、DeepSeek、通义千问等。

三、服务器配置建议

不同 AI 编程方案对服务器配置要求不同。

1. 轻量方案：只接第三方 API

如果你只部署 Open WebUI 或 ChatGPT-Next-Web，然后接入第三方大模型 API，服务器配置要求很低。

推荐配置：

项目	建议
CPU	1 核以上
内存	1GB 以上
硬盘	20GB 以上
系统	Ubuntu 22.04 / Debian 12
带宽	3Mbps 以上

这种方案适合大多数站长，成本低、部署简单、响应速度取决于第三方 API。

2. 本地模型方案：部署 Ollama

如果你希望在服务器本地运行大模型，对服务器配置要求会高很多。

推荐配置：

模型类型	建议配置
1.5B / 3B 模型	4GB 内存以上
7B 模型	8GB - 16GB 内存
14B 模型	24GB 内存以上
GPU 推理	NVIDIA 显卡更佳

如果是普通云服务器，没有 GPU，也可以运行小模型，但速度可能较慢。对于站长来说，如果只是辅助写脚本、生成 Nginx 配置、分析 PHP 报错，小参数模型也能满足一部分需求。

四、安装 Docker 和 Docker Compose

以下教程以 Ubuntu 22.04 为例。

1. 更新系统

sudo apt update
sudo apt upgrade -y

2. 安装基础工具

sudo apt install -y curl wget git vim ca-certificates gnupg lsb-release

3. 安装 Docker

可以使用官方脚本快速安装：

curl -fsSL https://get.docker.com | bash

安装完成后，查看 Docker 版本：

docker -v

如果能够显示版本号，说明安装成功。

4. 设置 Docker 开机自启

sudo systemctl enable docker
sudo systemctl start docker

5. 安装 Docker Compose

新版 Docker 通常自带 Compose 插件，可以通过以下命令检查：

docker compose version

如果能正常输出版本号，就可以继续下一步。

五、创建项目目录

建议统一把 AI 编程相关服务放在 /opt/ai-code 目录下。

sudo mkdir -p /opt/ai-code
cd /opt/ai-code

创建几个数据目录：

sudo mkdir -p open-webui ollama code-server nginx

目录说明：

/opt/ai-code
├── docker-compose.yml
├── open-webui     # Open WebUI 数据
├── ollama         # Ollama 模型数据
├── code-server    # code-server 配置
└── nginx          # Nginx 配置，可选

六、编写 Docker Compose 配置

在 /opt/ai-code 目录下创建 docker-compose.yml：

vim docker-compose.yml

写入以下内容：

services:
  ollama:
    image: ollama/ollama:latest
    container_name: ai-ollama
    restart: always
    ports:
      - "11434:11434"
    volumes:
      - ./ollama:/root/.ollama

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: ai-open-webui
    restart: always
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
      - WEBUI_SECRET_KEY=please_change_this_secret_key
    volumes:
      - ./open-webui:/app/backend/data
    depends_on:
      - ollama

  code-server:
    image: lscr.io/linuxserver/code-server:latest
    container_name: ai-code-server
    restart: always
    ports:
      - "8443:8443"
    environment:
      - PUID=1000
      - PGID=1000
      - TZ=Asia/Shanghai
      - PASSWORD=please_change_code_password
      - SUDO_PASSWORD=please_change_sudo_password
      - DEFAULT_WORKSPACE=/config/workspace
    volumes:
      - ./code-server:/config
      - /www/wwwroot:/config/workspace/wwwroot

这里有几个地方需要注意：

WEBUI_SECRET_KEY 建议改成复杂随机字符串。
PASSWORD 是 code-server 登录密码，必须修改。
/www/wwwroot 是宝塔面板常见的网站目录，如果你的服务器网站目录不是这个路径，请自行修改。
如果不想让 code-server 直接操作网站目录，可以把它改成独立工作目录，例如：
```
- ./workspace:/config/workspace
```

七、启动服务

在 /opt/ai-code 目录执行：

docker compose up -d

查看容器状态：

docker ps

如果看到类似以下容器，说明启动成功：

ai-ollama
ai-open-webui
ai-code-server

访问服务：

http://服务器IP:3000
http://服务器IP:8443

其中：

3000 是 Open WebUI。
8443 是 code-server。

如果云服务器安全组没有放行端口，需要在云厂商控制台开放 3000 和 8443 端口。后续如果使用 Nginx 反向代理，则建议只开放 80 和 443，不要直接暴露内部端口。

八、下载 AI 编程模型

如果你部署了 Ollama，就需要拉取模型。

进入 Ollama 容器：

docker exec -it ai-ollama bash

拉取一个适合编程的模型，例如：

ollama pull qwen2.5-coder:7b

也可以选择较小模型：

ollama pull qwen2.5-coder:3b

或者拉取通用模型：

ollama pull llama3.1:8b

查看已安装模型：

ollama list

测试模型：

ollama run qwen2.5-coder:7b

然后输入：

请帮我写一个 Nginx 反向代理配置，将 ai.example.com 转发到本机 3000 端口。

如果模型能正常回答，说明 Ollama 运行正常。

九、配置 Open WebUI

浏览器访问：

http://服务器IP:3000

首次访问需要注册管理员账号。注册完成后进入后台，可以看到模型列表。如果 Open WebUI 已经正确连接 Ollama，通常会自动识别 Ollama 中的模型。

你可以在 Open WebUI 中尝试输入：

你是一个资深 PHP 和 Linux 运维工程师，请帮我分析以下报错，并给出修复步骤。

或者：

请帮我写一个用于备份 MySQL 数据库的 Shell 脚本，要求保留最近 7 天备份。

对于站长来说，Open WebUI 的使用场景非常丰富：

生成 Nginx 配置；
分析 PHP、Node.js、Python 报错；
编写 Shell 维护脚本；
优化 MySQL 查询语句；
生成网站后台接口代码；
编写 WordPress 插件基础代码；
检查代码安全风险；
生成 robots.txt、sitemap 规则；
辅助撰写技术文章和说明文档。

十、配置 code-server

浏览器访问：

http://服务器IP:8443

输入你在 docker-compose.yml 中设置的 PASSWORD，即可进入网页版 VS Code。

如果你挂载了网站目录，例如：

- /www/wwwroot:/config/workspace/wwwroot

那么在 code-server 中就可以直接打开网站源码。

不过需要特别提醒：

不建议直接在生产网站目录上进行高风险修改。

更安全的做法是：

先备份网站目录；
在测试目录修改；
使用 Git 管理代码；
修改完成后再发布到正式环境。

站长可以使用 code-server 完成以下工作：

修改网站模板；
编辑 PHP、HTML、CSS、JavaScript；
编写自动化脚本；
调试接口文件；
配合 AI 生成代码后再人工审查；
维护静态站点或文档项目。

十一、使用 Nginx 配置域名访问

直接使用 IP 加端口访问不够专业，也不安全。建议使用域名和 HTTPS。

假设你有两个域名：

ai.example.com
code.example.com

分别指向服务器 IP。

1. Open WebUI 的 Nginx 配置

创建配置文件：

sudo vim /etc/nginx/conf.d/ai.example.com.conf

写入：

server {
    listen 80;
    server_name ai.example.com;

    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_http_version 1.1;

        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;

        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";

        proxy_read_timeout 3600;
        proxy_send_timeout 3600;
    }
}

2. code-server 的 Nginx 配置

创建配置文件：

sudo vim /etc/nginx/conf.d/code.example.com.conf

写入：

server {
    listen 80;
    server_name code.example.com;

    location / {
        proxy_pass http://127.0.0.1:8443;
        proxy_http_version 1.1;

        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;

        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";

        proxy_read_timeout 3600;
        proxy_send_timeout 3600;
    }
}

测试 Nginx 配置：

sudo nginx -t

重载 Nginx：

sudo systemctl reload nginx

十二、配置 HTTPS 证书

建议使用 Certbot 申请 Let’s Encrypt 免费证书。

安装 Certbot：

sudo apt install -y certbot python3-certbot-nginx

申请证书：

sudo certbot --nginx -d ai.example.com
sudo certbot --nginx -d code.example.com

按照提示输入邮箱、同意协议即可。

证书申请成功后，Certbot 会自动修改 Nginx 配置，并加入 HTTPS 支持。

测试自动续期：

sudo certbot renew --dry-run

十三、安全设置建议

AI 编程环境如果暴露到公网，安全非常重要。尤其是 code-server，一旦密码泄露，相当于别人可以远程编辑你的服务器文件。

1. 使用强密码

不要使用以下弱密码：

123456
admin
password
888888

建议使用至少 16 位随机密码，例如：

A9f#28Lm@qP7xTz!

2. 限制访问 IP

如果你固定办公 IP，可以在 Nginx 中限制访问：

location / {
    allow 你的IP;
    deny all;

    proxy_pass http://127.0.0.1:8443;
}

3. 不直接暴露容器端口

如果已经配置了 Nginx 反向代理，可以考虑把 Docker 端口绑定到本地地址：

ports:
  - "127.0.0.1:3000:8080"
  - "127.0.0.1:8443:8443"

这样外部无法直接通过 服务器IP:3000 访问，只能通过 Nginx 访问。

修改后重启：

docker compose down
docker compose up -d

4. 定期更新镜像

cd /opt/ai-code
docker compose pull
docker compose up -d

5. 做好数据备份

至少备份以下目录：

/opt/ai-code/open-webui
/opt/ai-code/ollama
/opt/ai-code/code-server

如果 code-server 挂载了网站目录，也要备份网站目录和数据库。

十四、接入第三方大模型 API

如果你的服务器配置较低，不适合运行本地模型，可以在 Open WebUI 中接入第三方 API。

常见模型服务包括：

OpenAI API；
DeepSeek API；
阿里云百炼 / 通义千问；
智谱 GLM；
Moonshot Kimi；
OpenRouter；
SiliconFlow。

接入方式通常是在 Open WebUI 后台添加 OpenAI 兼容接口。

常见配置项包括：

API Base URL
API Key
Model Name

例如某些 OpenAI 兼容平台会提供类似地址：

https://api.example.com/v1

然后填入对应 API Key，即可在 Open WebUI 里调用。

对于站长来说，这种方式更推荐，因为：

不需要高配置服务器；
响应速度更快；
可选模型更多；
维护成本更低。

十五、常见问题与解决方法

1. Open WebUI 无法连接 Ollama

检查容器是否运行：

docker ps

查看日志：

docker logs ai-open-webui
docker logs ai-ollama

确认 docker-compose.yml 中配置了：

OLLAMA_BASE_URL=http://ollama:11434

并且两个服务在同一个 compose 项目中。

2. 模型下载很慢

可以尝试：

ollama pull qwen2.5-coder:3b

先下载小模型测试。国内服务器下载速度可能受网络影响，建议选择网络较好的机器或使用镜像加速方式。

3. code-server 登录失败

检查密码是否正确：

PASSWORD=please_change_code_password

修改密码后需要重启容器：

docker compose restart code-server

4. 访问域名出现 502

常见原因：

容器没有启动；
Nginx 代理端口写错；
防火墙拦截；
Docker 端口没有映射成功。

排查命令：

docker ps
curl http://127.0.0.1:3000
curl http://127.0.0.1:8443
sudo nginx -t

5. 服务器内存不足

查看内存：

free -h

查看容器资源占用：

docker stats

如果内存较小，建议不要运行 7B 以上模型，可以改用第三方 API 或选择 1.5B、3B 小模型。

十六、站长实际使用建议

如果你是个人站长或小团队，推荐按照以下方式使用：

方案一：低成本稳定方案

Open WebUI + 第三方 API + code-server

优点：

服务器压力小；
模型效果好；
维护简单；
适合生产环境。

适合：

WordPress 站长；
独立博客站长；
企业官网维护；
小程序 / 后台接口开发；
SEO 内容站维护。

方案二：本地可控方案

Open WebUI + Ollama + code-server

优点：

数据不经过第三方 API；
可离线使用；
适合内部测试和私有项目。

缺点：

服务器配置要求高；
推理速度受硬件影响；
模型效果可能不如商业大模型。

适合：

有高配置服务器的开发者；
对数据隐私要求较高的团队；
内网开发环境；
AI 工具实验环境。

十七、维护与升级

1. 查看日志

docker logs -f ai-open-webui
docker logs -f ai-ollama
docker logs -f ai-code-server

2. 重启服务

docker compose restart

3. 停止服务

docker compose down

4. 更新服务

cd /opt/ai-code
docker compose pull
docker compose up -d

5. 清理无用镜像

docker image prune -a

注意：清理前要确认不再需要旧镜像。

十八、总结

通过 Docker 部署 AI 编程环境，对站长来说是一种非常实用的能力。它不仅可以提升日常开发效率，还能帮助站长更快处理服务器配置、网站报错、代码修改、脚本编写和内容生产等任务。

本文介绍的方案：

Docker + Ollama + Open WebUI + code-server + Nginx HTTPS

适合想要自建 AI 编程工作台的站长使用。

如果你追求简单稳定，建议优先采用：

Open WebUI + 第三方大模型 API

如果你更重视数据私有化，并且服务器配置足够，可以进一步部署：

Ollama + 本地编程模型

无论选择哪种方案，都要注意安全：使用强密码、开启 HTTPS、限制访问 IP、定期备份数据，并避免直接在生产环境中让 AI 修改关键代码。

AI 编程不是完全替代开发者，而是成为站长的效率工具。正确部署和使用之后，它可以像一个随时在线的技术助手，帮助你更快完成网站维护、程序开发和服务器运维工作。

文章标签： Docker部署 AI编程 OpenWebUI Ollama

上一篇：站长上手 Docker 部署 AI 编程服务：从服务器到 HTTPS 一篇搞定

下一篇：从零把 AI 编程助手部署到服务器：Docker 实战源码版

更多栏目

新闻动态

文档中心

下载中心

目录结构

全文

产品与服务

新闻帮助

生态合作

了解我们