个人 AI 智能体：部署与管控

项目起点

个人 AI 智能体比聊天机器人走得更远：它有记忆，能执行定时任务，并在即时通讯工具里回复你。这套能力分两步建立在一个开源智能体之上：2026 年 6 月先在本地安装并与 Claude Code 配合，2026 年 9 月再部署到云端全天候运行，并配上自己的管控台。

要解决的问题

开源智能体功能强大，但对非专业人士来说很难真正用起来：安装、托管、密钥管理、推理成本、远程访问，样样都是门槛。上线之后，往往只能通过聊天来操作，既看不清有哪些自动化任务，也看不到日志。

我的方案

智能体运行在带持久化存储卷的容器里，可以通过 Telegram 联系，并配有网页管控台和命令行：创建、运行或暂停自动化任务，与智能体对话，查看日志。它的内部 API 从不直接暴露：由一个带身份验证的代理在服务端注入密钥。整个安装过程有文档、可复现，模型的选择也把成本考虑在内。

• 容器中全天候运行的智能体（Docker、Railway），记忆保存在持久化存储卷上，可通过 Telegram 访问
• 网页管控台：定时自动化任务（创建、运行、暂停、删除）、实时对话与日志
• 管控命令行：状态、日志、重启、向智能体提问、任务管理
• 通往智能体内部 API 的鉴权代理，密钥在服务端注入
• 智能体的人设纳入版本管理，每次启动时自动安装
• 本地配合模式：智能体负责编排，把代码执行交给 Claude Code
• 10 步安装指南和经过验证的安装脚本

技术内幕

一个服务同时承载开源智能体、它的监管进程（状态、日志、重启）、网页管控台，以及通往智能体 API 的代理；该 API 始终只绑定在容器的本地接口上。原有的监管进程只改动了四行：所有新增逻辑都放在独立模块里，以便继续与社区模板保持同步。API 密钥在首次启动时生成，并保存在持久化存储卷上。在本地，智能体用一个经济型模型做规划，把技术执行交给 Claude Code。

值得一提的难点

对话功能正常，自动化任务却一直失败：调度器读取模型的那个变量，管理界面并不会写入，API 也无法设置。问题在生产环境中被定位出来，随后在 control.py 里把两个变量打通予以修复，并写进了文档。

我的角色

负责安装、开发管控台和命令行，全程用命令行完成云端部署，并对一个自动化任务做了端到端验证。

项目进展

智能体自 2026 年 9 月 7 日起在生产环境运行，一个自动化任务的完整生命周期（创建、执行、删除）已经验证。这套方案随时可以为其他用户复制部署；目前尚未为客户安装过。

• 为第一位外部用户复现这套安装
• 隔离每个智能体：独立的密钥、存储卷和通讯账号

几个数字

项目所用工具

智能体

Hermes Agent（开源，Nous Research）

管控

Python（Starlette、aiohttp）、无框架 HTML/CSS/JS、Node.js 命令行

托管

Docker、Railway、持久化存储卷

即时通讯

Telegram

模型

DeepSeek（编排）、Claude Code（本地执行）

脚本

PowerShell、Python