AI SSH 运维 Agent项 目 介 绍

一、项目概述

1.1 这是一个什么项目

「AI SSH 运维 Agent」是一个运行在本机的智能运维工具。它把大语言模型（LLM）与 SSH 协议直接连接起来：AI 像一名坐在终端前的运维工程师，登录服务器、执行命令、观察输出、判断结果，再决定下一步动作，循环往复，直到任务完成。使用者全程只需要用自然语言描述目标——例如「看看这台机器磁盘和内存使用情况，有超过 80% 的告诉我」——剩下的探查、执行与汇总，全部由 AI 自主完成。

对这个项目，可以用三句话概括它的定位：

• 它不是聊天机器人。AI 给出的不是文字建议，而是直接落实为服务器上的真实操作；
• 它不是自动化脚本。不需要预先编写 playbook、shell 脚本或定时任务，一句中文就是一张「工单」；
• 它不是黑箱。每一条命令执行前可见、可确认、可拦截，全程留有完整审计日志，随时可以回查「AI 到底做了什么」。

1.2 它解决什么问题

日常 Linux 运维中有大量「小而碎」的工作：查看资源占用、翻日志定位报错、检查服务状态、对比多台机器的配置差异……这些事不需要高深知识，却依赖熟练的命令记忆和反复的复制粘贴。对同时维护多套环境（K8s 集群、数据库、中间件、虚拟化平台）的使用者来说，在十几个 SSH 窗口之间来回切换的成本尤其高。

这个项目重新划分了「想」与「做」的分工：人负责提出目标、把握风险边界；AI 负责回忆命令语法、组合命令、阅读输出、判断异常并迭代排查。原本要切换多个窗口、敲十几条命令的一次排障，在这里通常一句话就能收尾。

1.3 一次典型的工作过程

你@web-server(deepseek/deepseek-v4-flash) > 看看这台机器磁盘和内存使用情况，

                                                有超过 80% 的告诉我

 

┌─ $ 执行 @web-server ──────────────┐

│ df -h                             │

└───────────────────────────────────┘

┌─ # 结果 exit 0 · 0.3s ────────────┐

│ Filesystem      Size  Used Avail  │

│ /dev/sda1        50G   20G   30G  │

└───────────────────────────────────┘

…（AI 继续执行 free -h 等命令后汇总回答）

AI 收到目标后，自主决定先执行 df -h 查看磁盘，读到输出后再执行 free -h 查看内存，最后把两份结果汇总成一句结论回答。整个过程里，使用者只说了一句话；每一步执行了什么命令、返回了什么结果，都实时展示在界面上。

1.4 项目基本信息

条目	说明
交付形态	本地 Python 工具，CLI 与 Web GUI 双入口
交互语言	中文自然语言
控制通道	SSH（paramiko 实现，支持密码与密钥认证）
模型接入	OpenAI 兼容协议：7 家云端厂商 + 本地 Ollama
内置工具	22 个（命令、主机、SFTP、多主机、知识库、虚拟机、角色探测等）
Web 地址	http://127.0.0.1:8300（仅绑定本机回环地址）
运行环境	Python 3.10+，Windows / Linux 均可
质量保障	覆盖五个层次的 200 余项自动化测试全部通过

二、设计理念与特性总览

2.1 四条设计原则

配置驱动，随加随用。不为每家模型厂商写适配代码——一套 OpenAI 兼容协议加 providers.yml 配置文件通吃；不为每台服务器改程序——hosts.yml 主机清单声明式管理。接入一家新厂商、纳管一台新机器，都只是「加一段配置」的事。

人机分工，安全优先。AI 有操作权，但没有不受约束的决定权：低风险命令自动执行保证操作流畅，高风险操作强制人工确认兜底安全。

一切留痕，可审计。命令、输出、对话全部落盘到会话日志目录，任何时候都能还原 AI 的完整操作轨迹。

本机优先，收敛攻击面。Web 服务只绑定 127.0.0.1，定位单用户本地工具，不做多用户与公网暴露，从架构上避免让运维提效工具自己变成新的安全风险点。

2.2 特性总览

能力	说明
多厂商模型接入	DeepSeek、通义千问、Kimi、GLM、豆包、OpenAI、SiliconFlow 七家云端，外加本地 Ollama 免 Key 接入
双形态界面	CLI REPL 与浏览器 Web GUI，共享同一份配置与同一套核心
SSH 主机管理	hosts.yml 清单声明式维护，支持密码与密钥认证，AI 可对话式增删改主机
高危命令拦截	内置规则加自定义正则，rm 类命令按参数级解析，命中必须人工确认
SFTP 文件传输	上传下载一句话完成，敏感目录与超大文件需确认
多主机并行编排	一条指令多台并发执行，结果按主机聚合汇报，失败自动隔离
本地知识库	AI 可读写 knowledge/ 目录：读取参考资料、沉淀经验结论
持续监测告警	30 秒周期采集资源与服务状态，横幅加声音告警，角色感知探针按需挂载
虚拟机管理	VMware Workstation（本机 vmrun）与 KVM（经 SSH 执行 virsh）双栈生命周期管理
多模态视觉	监控截图、报错图、拓扑图直接发给 AI 理解
全程审计	会话日志完整落盘，操作轨迹可精确还原

三、多厂商大模型接入

3.1 一套协议通吃多家厂商

不同厂商 API 的差异被收敛到配置层：所有提供商统一走 OpenAI 兼容协议，接入一家新厂商只需要在 providers.yml 里写清接口地址、密钥的环境变量名与可用模型列表，不需要写任何适配代码。密钥本身保存在项目根目录的 .env 文件中，配置文件里只出现环境变量名，不出现真实密钥。

3.2 云端大模型

内置模板覆盖七家云端厂商，配置好对应密钥即可直接使用：

提供商	代表模型（以模板与官网为准）	特点
DeepSeek	deepseek-v4-flash / deepseek-v4-pro	性价比高，工具调用稳定，常作默认主力
通义千问	qwen 系列	阿里云百炼平台，型号丰富
Kimi	kimi-k2.6 / kimi-k3 等	月之暗面，长文本见长
GLM 智谱	glm-5 / glm-4.7-flash	flash 档免费，适合零成本试用
豆包	doubao-seed 系列	火山方舟接入
OpenAI	gpt 系列	国际主流基线
SiliconFlow	多厂商聚合型号	一个 Key 用多家模型

3.3 本地 Ollama：免 Key、离线可用

除了云端厂商，项目为本地 Ollama 做了原生适配：提供商标记 keyless 之后无需任何 API Key，程序直接连接本机 11434 端口。这意味着敏感环境的数据不出本机、无外网时依然可用。Web 界面切到 Ollama 后，模型下拉框会自动列出本机已安装的全部模型（包括自定义标签的模型），也可以在自定义输入框直接填模型名切换；CLI 下用 /models 拉取实时列表、用 /model 切换任意模型名。

3.4 运行中随时切换

模型与提供商都可以在会话进行中热切换：CLI 用 /provider、/model 斜杠命令，Web 在左侧栏点击切换。切换后对话上下文保留，可以接着当前话题继续。需要说明的是，各厂商对工具调用（tool calling）的实现存在细微差异，遇到个别模型兼容性问题时，切换到主力模型即可。

四、双形态交互界面

4.1 CLI REPL：终端里的智能运维

CLI 是项目的第一形态，通过 python -m ai_agent 启动（Windows 下双击 run.bat）。界面用 rich 渲染：AI 执行的每条命令显示为命令卡片，结果带退出码与耗时，高危命令以醒目样式提示确认。常用斜杠命令如下：

命令	作用
/help	查看帮助
/host [名称]	查看或切换 SSH 主机
/provider [名称]	查看或切换 AI 提供商
/model [名称]	切换模型（不限于配置列表内的型号）
/models	从厂商 API 拉取实时模型列表
/history	查看本会话执行过的全部命令
/img [路径…]	挂载本地图片供 AI 查看；/img clear 清空
/clear	清空对话上下文（高危放行状态一并重置）
/exit	退出

Ctrl+C 可随时中断当前任务，上下文保留，可以继续对话修正方向。

4.2 Web GUI：浏览器里的运维工作台

Web 形态通过 python -m ai_agent.webapp 启动（或双击 run_web.bat），默认地址 http://127.0.0.1:8300 并自动打开浏览器。主要界面能力：

• 左侧栏选择 AI 提供商与模型，未配置密钥的厂商点击「填 Key」弹窗即可写入本机配置；
• 主机管理面板：点击主机即连接切换，「+ 添加」填入 IP、端口、用户、密码即可纳管新主机，与 CLI 共享同一份清单；
• 聊天流：命令高亮、输出折叠面板（出错自动展开）、AI 回答 Markdown 渲染；
• 高危确认弹窗：命中规则时选择「确认执行 / 跳过 / 本次会话全放行」，180 秒不响应自动按跳过处理；
• 文件传输卡片：上传下载的大小、耗时、速率独立成卡；
• 多主机表格：并行任务按主机聚合展示状态、耗时与输出摘要；
• 任务进行中可点「停止」中断；「清空对话」重置上下文；刷新页面自动重放当前会话，不怕误关浏览器。

4.3 两套界面，同一个内核

Web 不是 CLI 的复制品。项目通过钩子注入机制让 Web 后端完全复用 CLI 的 Agent 核心循环——确认交互、命令回调、取消控制都以回调形式注入，CLI 自身行为零改动。前端则是零构建方案：一个 HTML 页面加原生 JavaScript 与本地化的 Markdown 渲染库，没有 npm、没有打包工具，拿到代码就能跑。

五、AI 工具箱：22 个内置工具

5.1 工具全景

AI 能做什么，取决于它手里有哪些工具。项目目前内置 22 个工具，按用途分为七类，通过统一的 schema 描述注册给大模型，由 AI 根据对话目标自主决定调用哪个、传什么参数：

类别	工具	用途
命令执行	run_command	在当前主机执行单条命令
主机管理	list_hosts / switch_host / add_host / remove_host / rename_host	查询与切换主机，对话式增删改清单
多主机编排	run_command_on_hosts	线程池并行在多台主机执行同一命令
文件传输	upload_file / download_file	SFTP 上传与下载
本地知识库	list_local_dir / read_local_file / write_local_file	列出、读取参考资料，写入沉淀结论
VMware 虚拟机	list_vms / vm_control / vm_snapshot / vm_clone / register_vm_by_ip	本机 VMware Workstation 虚拟机生命周期管理
KVM 虚拟机	kvm_list / kvm_control / kvm_snapshot / kvm_clone	经 SSH 在 KVM 宿主机上用 virsh 管理虚机
角色探测	scan_roles	探测主机角色，为值守监测挂载对应探针

5.2 主机清单的对话式维护

维护服务器清单这件事本身也可以交给 AI：

• add_host：把 IP、用户名、密码念给 AI，它就把主机登记进清单并立即可连；密码不写进 YAML 清单，而是存入 .env 环境变量文件；
• remove_host：删除主机属破坏性操作，必须经人工确认；默认保留其密码变量（防止误删多台主机共享的密码），只有显式要求清理时才连带删除；
• rename_host：改名并自动同步值守监测清单，保证监测配置与主机清单始终一致。

增删改全部即时生效，不需要重启程序。

5.3 本地知识库：让 AI 带着资料干活

项目根目录下的 knowledge/ 目录是 AI 的「资料架」：把产品文档、环境说明、拓扑描述放进去，AI 在需要时会自主检索阅读；排障得出的结论，也可以让 AI 直接写成文档沉淀进去。安全边界清晰：读取支持行区间、拦截 .env 等敏感文件与越权路径；写入时新建文件直接落盘，覆盖已有文件或写到敏感路径则需人工确认。

5.4 虚拟机生命周期管理

VMware Workstation（本机操作）。AI 通过 vmrun 管理本机虚拟机的启动、停止、挂起、快照与克隆。只认配置文件白名单里登记过的虚拟机，清单外一律拒绝，防止 AI 凭猜测乱碰；克隆出的新虚拟机自动登记入册。另有按 IP 反查登记：给出一个运行中虚拟机的 IP，AI 自动定位并把它的路径登记进白名单。

KVM（经 SSH 远程操作）。对已连接的 KVM 宿主机，AI 通过 virsh 管理虚机：列出、启停、快照、克隆。停止分优雅关机与强制销毁两档；克隆使用 virt-clone 自动复制磁盘并定义新虚机。

共同的安全设计。查看类只读操作直接执行；启停、快照、克隆等影响性操作逐项人工确认；快照与克隆属于重 IO 操作，强制逐台串行执行——这是从真实硬件教训固化的规则（低性能磁盘上并发建快照会打满 IO 导致整机卡死）；vmrun 对运行中虚拟机建快照时命令可能「假挂起」，程序通过检查虚拟机的 .vmsd 状态文件判定快照是否真正建成，不误报失败。

六、SFTP 传输与多主机并行编排

6.1 SFTP 文件传输

upload_file 与 download_file 让 AI 直接搬运文件：日志回传、配置下发、安装包上传，一句话完成。传输结果以独立卡片展示大小、耗时与速率。安全边界有三条：

• 上传目标命中 /etc、/boot、/usr、/bin 等 13 个系统敏感目录时，需人工确认；
• 单文件超过 50MB 时，需人工确认；
• 上传要求远程父目录已存在（AI 通常会先创建目录）——这是刻意设计，防止误建整棵目录树。

下载不改动服务器，无需确认。

6.2 多主机并行编排

run_command_on_hosts 是批量场景的核心：一次工具调用内部以线程池并发（最多 8 路），在多台主机上同时执行同一条命令。

• 目标主机支持显式列表，也支持「all」一键圈定全部主机；
• 尚未连接的主机自动惰性建连，不影响当前会话的焦点主机；
• 某台主机连接失败会被隔离登记，其余主机照常执行，结果里单独汇报失败原因；
• 每台主机的输出独立截断保留头尾，多台聚合也不会撑爆模型上下文；
• 高危命令一次确认覆盖全部目标主机，拒绝则全部跳过，不会出现「批了三台漏问五台」的混乱。

执行结果按主机聚合成表格汇报：状态、耗时、输出摘要一目了然。典型场景如「帮我看下所有机器的内核版本」「这几台 Web 的 nginx 都还活着吗」。

七、持续监测与告警值守

7.1 一键值守

Web 侧边栏提供「一键值守」按钮：启动后，后台监测引擎自动纳管主机清单里的全部机器，以 30 秒为周期采集 CPU、内存、磁盘使用率与关键服务状态。监测与 AI 对话完全解耦——AI 正忙于执行任务时，监测照常运转。值守默认关闭，由人工一键启动，避免程序一启动就对全部主机发起轮询。

7.2 告警体验

指标超过阈值或服务宕机时：页面顶部弹出告警横幅并发出三连急音提示；右侧常驻面板累积展示所有未恢复的异常，可手动关闭单条；异常恢复后自动变绿并从面板移除。

7.3 稳定性设计

• 事件去抖：只在「正常转异常」「异常转恢复」两个状态翻转点推送事件，首次轮询的正常状态静默记录为基线，避免启动瞬间告警刷屏；
• 连接降级：主机连不上时自动暂停对该机的告警，防止网络抖动引发告警风暴；恢复后自动续测；
• 阈值灵活：支持全局默认阈值与单机覆盖，不同重要等级的机器可以用不同标准。

7.4 角色感知探针

不同角色的主机，该盯的东西不一样：Web 机关心 nginx，数据库机关心 mysqld，K8s 控制面关心节点与核心组件状态，Ceph 节点关心集群健康。项目提供角色探测能力（scan_roles 工具）：AI 自主登录主机探测其角色，按角色自动挂载对应的监测探针，保证每台机器只挂真正有意义的检查项。探测结果先以候选形式给出，人工确认后生效；对误判的角色可以单独剔除，不做一刀切。

八、多模态视觉：让 AI 看懂运维现场

8.1 能力描述

运维现场有大量信息以图片形式存在：监控大盘截图、报错弹窗、网络拓扑图、日志截图。过去要把图里的内容打成文字再问。现在可以直接把本地图片发给 AI——它看图理解内容，再结合服务器实际状态给出判断。

8.2 双端传图

• CLI：先用 /img 挂载本地图片（支持一次多张、含空格的路径加引号），再输入问题一起发送；/img 查看已挂载，/img clear 清空；
• Web：点击输入框旁的附件按钮多选上传，缩略预览确认后随问题发送。

图片随消息进入对话上下文，后面的轮次仍可参考。支持 png、jpg、jpeg、gif、webp、bmp 格式，单张不超过 5MB，超限或格式不符会得到明确的中文提示。

8.3 模型要求

图片识别只有视觉（vision）模型支持。在配置中为支持视觉的提供商标记 vision 后，界面会以「视觉」标签标注；把图片发给不支持视觉的模型时，厂商会直接返回错误，换视觉模型即可。

九、安全机制

AI 拥有服务器的执行能力，项目的所有安全设计都围绕一个问题展开：如何让 AI 放手干活，又不让它闯祸。

9.1 高危命令识别

内置高危规则覆盖：递归强制删除、格式化磁盘、dd 写盘、关机重启、下载管道执行、chmod -R 777、覆盖系统目录文件、写入裸设备、清空 crontab、清空 iptables 等。识别 rm 这类命令时不靠简单正则：-rf、-fr、-r -f、--recursive --force 组合多变，项目用专门的参数解析器拆解旗标与目标路径，显著降低漏判与误判。

9.2 人工确认交互

命中规则的命令一律拦截，交给人处置，可选：执行一次、跳过、编辑命令后执行、本次会话放行。Web 端为确认弹窗，180 秒不响应自动按跳过处理——宁可不做，不可误做。多主机并行执行时，一次确认即覆盖全部目标主机。

9.3 自定义规则

除内置规则外，可在 config/dangerous.yml 中用正则追加自定义规则（该文件默认不入版本库）：

patterns:

  - name: 清空历史

    regex: \bhistory\s+-c\b

9.4 凭据管理

API Key 与主机密码只存 .env（已被版本管理排除）；YAML 配置中只出现环境变量名，不出现真实凭据。主机密码缺失时，在连接当口交互式询问输入且不回显，不强制落盘。SFTP 与本地知识库另有各自的敏感文件拦截。

9.5 AI 行为约束

系统提示词给 AI 立了强规矩：先查看后变更、不编造命令输出。工具调用链最多 25 轮（可配置提高）自动停止，防止单任务无限循环。AI 走非交互式通道执行命令，vim、sudo 密码这类交互程序天然无法挂起等待——超时机制兜底。

9.6 全程审计

每条命令、每份输出、每轮对话完整落盘 sessions/ 目录。出了问题，时间线可以精确还原。

十、系统架构与实现

10.1 模块结构

项目为纯 Python 实现，核心模块职责如下：

模块	职责
main.py	CLI 入口、REPL 交互循环、斜杠命令
agent.py	Agent 核心循环（工具调用循环）
llm.py	OpenAI 兼容客户端：多厂商接入与重试
ssh.py	paramiko 连接管理、命令执行（超时硬控制）
tools.py	22 个工具的 schema 描述与分发
safety.py	高危命令检测与确认交互（确认方式可注入）
config.py	.env / providers.yml / hosts.yml / vmware.yml 等配置加载
monitor.py	值守监测引擎：周期采集、阈值判断、事件去抖
vmw.py	vmrun 封装（编码、超时、快照串行锁、挂起检测）
kvm.py	virsh / virt-clone 封装（经 SSH 管理 KVM 虚机）
images.py	多模态图片加载（格式白名单、大小校验）
ui.py	rich 终端渲染与会话日志
webapp.py	Web 后端（FastAPI REST + WebSocket，仅绑定本机）
web/	前端静态页（HTML + 原生 JS + 本地化 Markdown 渲染，零构建）

10.2 Agent 核心循环

Agent 循环采用函数调用（function calling）的串行保守实现：一轮对话中 AI 决定调用工具，程序执行后把结果交回，AI 再决定下一步，最多 25 轮自动收束。串行换来的是对各家厂商工具调用实现的最大兼容。模型返回的助手消息会经过手动序列化，剔除厂商私有字段（如思考内容），避免历史消息污染上下文。

10.3 钩子注入：CLI 与 Web 复用同一核心

Web 后端不是 CLI 的分支拷贝。安全确认、工具回调、模型调用、SSH 通道四个环节都支持钩子注入：CLI 注入终端交互，Web 注入弹窗回执与事件推送，核心循环代码只有一份。这保证了任何能力在两个形态下行为一致，也保证修一处、两端生效。

10.4 Web 事件协议

Web 采用「REST 管配置、WebSocket 跑事件」的分工：REST 接口负责提供商、模型、主机、密钥管理与连接控制；聊天走 WebSocket 事件流——用户消息、AI 回答、命令开始与结束、思考状态、高危确认请求、文件传输进度等事件实时推送。Agent 运行在独立工作线程，通过事件循环桥接把事件推向前端；高危确认使用短 ID 配合事件对象实现请求-回执唤醒，180 秒超时兜底。页面刷新时通过历史重放事件恢复当前会话。

10.5 上下文管理

长会话的上下文膨胀由两层机制控制：单条命令输出超长时截断；历史消息超过阈值时裁剪，裁剪始终保留全部用户消息，任务目标不会丢。达到工具调用轮数上限时任务暂停并回显最近目标，继续对话即可断点续做。相关参数可在 config/agent.yml 中调整（不建该文件则用内置默认值）：

max_rounds: 50      # 单次任务最大工具调用轮数（默认 25，长任务建议 40~60）

max_messages: 60    # 触发上下文裁剪的消息条数（默认 45）

keep_recent: 45     # 裁剪后保留的最近消息条数（默认 30）

十一、质量保障：五层测试体系

11.1 分层测试

功能迭代靠分层测试守住底线，各层各司其职，合计 200 余项测试全部通过：

层次	运行方式	验证重点
离线冒烟层	mock 模型与 SSH	工具 schema、安全拦截规则、各模块纯逻辑，秒级跑完
真实端到端层	真实大模型 + 真实 SSH	AI 自主巡检、高危拦截的接受与拒绝双路径、自主切换主机
能力真实层	真实大模型 + 真实 SSH	SFTP 往返 md5 一致、敏感目录上传拦截、超大文件确认、并行执行耗时、不可达主机隔离
Web 接口层	REST + WebSocket 全链路	接口语义、事件流配对、脚本化假模型驱动的完整对话
真实通道层	浏览器同款 WS 通道	真实模型自主选用文件传输、多主机等工具并正确汇总

11.2 面向不确定性的断言设计

真实大模型的命令组合不可预测——同一个目标，两次执行的具体命令可能不同。测试因此遵循一条原则：断言最终效果（例如远程目录确实已被删除），而不是断言具体命令串或退出码。此外，所有「生成文件后校验字节」的断言一律二进制读写，规避 Windows 文本模式换行符转换带来的假失败。

十二、安装部署与上手

12.1 环境要求

Python 3.10 及以上；Windows 与 Linux 均可运行；Web 界面使用现代浏览器访问。除 Python 依赖外无其他强制组件——本地 Ollama、VMware Workstation 属于可选能力的按需前提。

12.2 三步上手

# 1. 安装依赖

pip install -r requirements.txt

 

# 2. 在项目根目录 .env 中配置任一家 AI 的密钥（首次运行自动生成配置模板）

# 3. 启动

python -m ai_agent          # CLI 形态

python -m ai_agent.webapp   # Web 形态

12.3 配置文件

首次运行会自动从模板生成 config/providers.yml 与 config/hosts.yml。AI 密钥写在项目根目录 .env 中，任配一家即可运行：

DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxxx

# DASHSCOPE_API_KEY=sk-xxxxxxxxxxxxxxxx      # 通义千问

# MOONSHOT_API_KEY=sk-xxxxxxxxxxxxxxxx       # Kimi

# ZHIPU_API_KEY=xxxxxxxxxxxxxxxx             # 智谱 GLM

# ARK_API_KEY=xxxxxxxxxxxxxxxx               # 豆包 / 火山方舟

# OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx

# SILICONFLOW_API_KEY=sk-xxxxxxxxxxxxxxxx

# HOST_PW_WEB=xxxxxxxxxxxxxxxx               # 主机密码，按主机名命名变量

主机清单写在 config/hosts.yml，支持密码与密钥两种认证方式：

default: web-server

hosts:

  web-server:

    host: 192.168.1.10

    port: 22

    user: root

    auth:

      method: password

      password_env: HOST_PW_WEB   # 密码存放在 .env 对应变量中

    note: 前端 Web 服务器

 

  # 密钥认证示例

  # db-server:

  #   host: 192.168.1.20

  #   user: ops

  #   auth:

  #     method: key

  #     key_file: ~/.ssh/id_ed25519

AI 提供商配置示意（完整字段以仓库内 providers.example.yml 模板为准）：

deepseek:

  base_url: https://api.deepseek.com/v1

  api_key_env: DEEPSEEK_API_KEY

  models: [deepseek-v4-flash, deepseek-v4-pro]

 

ollama:

  base_url: http://localhost:11434/v1

  keyless: true          # 本地 Ollama 免 Key

  models: [qwen2.5:7b]

12.4 启动与运行

python -m ai_agent                              # 默认主机 + 默认 AI

python -m ai_agent --host db-server --provider glm   # 指定主机与 AI

python -m ai_agent --list-hosts                 # 查看主机清单

python -m ai_agent --list-providers             # 查看提供商与密钥状态

python -m ai_agent.webapp                       # 启动 Web 并自动开浏览器

python -m ai_agent.webapp --port 8400 --no-browser  # 指定端口 / 不自动开浏览器

Windows 下双击 run.bat（CLI）或 run_web.bat（Web）即可。

12.5 已知边界

如实说明当前边界，便于判断适用性：

• 需要交互式输入的命令（sudo 密码、vim 等）不适合交给 AI——非交互通道会挂起至超时；
• 各厂商工具调用实现存在差异，个别模型需要换用主力模型；
• 思考型模型响应较慢属正常现象；
• SFTP 上传要求远程父目录已存在（AI 通常会先创建目录）；
• VMware 操作仅对本机且白名单内的虚拟机有效；
• 本地小参数模型（3B/7B 档）工具调用能力偏弱，重要任务建议使用云端主力模型；
• 定位为单用户本地工具，Web 仅绑定本机回环地址，适合个人实验环境与内网服务器管理，不适合直接暴露为多人共用平台。

转载自 CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/qq_28608175/article/details/166600665