闲置台式机变身私有 AI Agent：基于 AstrBot + 企业微信的完整部署方案

Feb 13, 2026

foxgem

ai-agent devops self-hosted astrbot

为什么要做这件事？

你是否也有一台配置还不错、但吃灰已久的台式机？与其让它积灰，不如把它变成一个私有 AI Agent 服务器——一个 7×24 小时待命的个人 AI 助手，随时通过微信就能下达指令。

这正是本文要做的事：基于 AstrBot，在一台闲置 Windows 台式机上搭建一套完整的 AI Agent 开发和生产系统。它需要满足以下目标：

私有部署：数据不出本地网络，安全可控
微信触达：借助企业微信的能力，在微信中直接与 AI 对话、下达指令
远程管理：必要时可远程桌面操作，不必人在机器旁
开发友好：既是生产环境，也是开发调试的场所

硬件盘点与能力评估

先来看看手里这台机器的家底：

组件	型号	关键参数
CPU	Intel i7-12700F	12 核 20 线程，P-core 4.9GHz
内存	Corsair DDR4 3200	2×16GB = 32GB
GPU	NVIDIA Quadro P2000	5GB GDDR5, CUDA 1024 核
系统盘	Samsung 970 EVO Plus	500GB NVMe SSD
数据盘	WD Blue 1TB	7200 RPM HDD
主板	MSI MAG B660M Mortar WiFi DDR4	WiFi 6, 2.5G LAN
散热	COOLER MASTER ML240 V2 ARGB	240mm AIO 水冷
电源	Antec HCG 650W	80+ Gold 全模组
显示器	Acer XV271U M	2K 170Hz (远程桌面备用)

能力评估：

CPU：i7-12700F 的多核性能足以应对 AstrBot 主服务 + Docker 容器编排 + 反向代理等负载，甚至还有余力跑一些轻量 AI 推理
内存：32GB 对于 Docker 化部署绑绑有余，可同时运行多个容器服务
GPU：Quadro P2000 虽然不是消费级旗舰，但 5GB VRAM 可胜任小型语言模型的本地推理(如 Qwen2.5-3B)，更重要的是它对 Docker GPU 直通有良好支持
存储：NVMe SSD 做系统和容器运行盘，HDD 做数据持久化和日志存储，分工明确
网络：板载 2.5G LAN + WiFi 6，内网传输和远程访问都有保障
供电与散热：650W 金牌电源 + 240mm 水冷，7×24 运行毫无压力

结论：这台机器完全可以胜任一个小型私有 AI Agent 服务器的角色。

系统方案选择：三条路，选哪条？

方案一：保留 Windows，Docker Desktop 部署

Windows 11 (Host)
  └── Docker Desktop (WSL2 Backend)
       ├── AstrBot 容器
       ├── Ollama 容器 (可选本地模型)
       └── Nginx 反向代理

优点： 最简单，保留 Windows 图形界面，远程桌面方便，Windows 一键安装器可用 缺点： WSL2 有内存开销，Docker Desktop 偶尔不稳定，不够”服务器范儿”

方案二：双系统 Windows + Ubuntu Server

NVMe SSD (500GB)
  ├── 分区 1: Ubuntu Server 24.04 LTS (200GB) ← 默认启动
  └── 分区 2: Windows 11 (200GB) ← 需要时切换

HDD (1TB)
  └── 数据分区 (ext4)

优点： Linux 原生 Docker 性能最佳，Windows 偶尔可用 缺点： 切换系统需重启，管理复杂

方案三：Ubuntu Server 单系统 + 远程桌面 ⭐ 推荐

NVMe SSD (500GB)
  └── Ubuntu Server 24.04 LTS (全盘)

HDD (1TB)
  └── /data (数据、日志、备份)

优点： 最干净、最稳定、资源利用率最高、Docker 原生支持（性能最好） 缺点： 没有本地图形界面（但有远程桌面解决方案）

我的选择

方案三。理由很简单：

这台机器的定位是 服务器，不是日常办公电脑
Ubuntu Server 的 Docker 性能显著优于 WSL2，无额外内存开销
远程桌面需求可通过 SSH + Web 管理面板完美解决
NVIDIA GPU 驱动在 Ubuntu 上非常成熟，Docker GPU 直通配置简单

如果你确实需要偶尔用 Windows，方案二也是不错的选择。下面的部署流程以方案三为主线，关键步骤会标注方案一的差异。

第一阶段：系统安装与基础配置

1.1 安装 Ubuntu Server 24.04 LTS

从 Ubuntu 官网下载镜像，用 Rufus 制作启动 U 盘。

磁盘分区建议：

磁盘	挂载点	大小	用途
NVMe SSD	`/`	100GB	系统、Docker 引擎
NVMe SSD	`/var/lib/docker`	350GB	Docker 数据
NVMe SSD	swap	16GB	交换分区
HDD 1TB	`/data`	全部	AstrBot 数据、日志、备份

安装时选择 OpenSSH Server，跳过 Docker 和 Snap 相关选项（我们手动安装更新的版本）。

1.2 基础系统配置

# 更新系统
sudo apt update && sudo apt upgrade -y

# 设置时区
sudo timedatectl set-timezone Asia/Shanghai

# 安装基础工具
sudo apt install -y curl wget git htop net-tools ufw

# 配置静态 IP（重要！后续很多服务依赖固定 IP）
sudo nano /etc/netplan/00-installer-config.yaml

Netplan 配置示例：

network:
  version: 2
  ethernets:
    eno1:  # 实际网卡名可能不同，用 ip link 查看
      dhcp4: no
      addresses:
        - 192.168.1.100/24
      routes:
        - to: default
          via: 192.168.1.1
      nameservers:
        addresses: [223.5.5.5, 114.114.114.114]

sudo netplan apply

1.3 配置防火墙

sudo ufw default deny incoming
sudo ufw default allow outgoing
sudo ufw allow 22/tcp      # SSH
sudo ufw allow 6185/tcp    # AstrBot WebUI
sudo ufw allow 6195/tcp    # AstrBot 企业微信回调
sudo ufw allow 3389/tcp    # 远程桌面（如果需要）
sudo ufw enable

1.4 安装 NVIDIA 驱动（为本地模型推理准备）

# 安装驱动
sudo apt install -y nvidia-driver-550

# 重启
sudo reboot

# 验证
nvidia-smi

你应该能看到 Quadro P2000 被正确识别，显示 5GB 显存。

第二阶段：Docker 环境搭建

2.1 安装 Docker Engine

# 添加 Docker 官方 GPG key
sudo apt-get update
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg \
  -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# 添加仓库
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] \
  https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 安装
sudo apt-get update
sudo apt-get install -y docker-ce docker-ce-cli containerd.io \
  docker-buildx-plugin docker-compose-plugin

# 将当前用户加入 docker 组
sudo usermod -aG docker $USER
newgrp docker

# 验证
docker run hello-world

2.2 安装 NVIDIA Container Toolkit（可选，用于本地模型）

# 添加仓库
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | \
  sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
  sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

# 安装
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

# 配置 Docker 运行时
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

# 验证 GPU 直通
docker run --rm --gpus all nvidia/cuda:12.3.1-base-ubuntu22.04 nvidia-smi

2.3 创建项目目录结构

sudo mkdir -p /data/astrbot/data
sudo mkdir -p /data/astrbot/logs
sudo mkdir -p /data/nginx/conf.d
sudo mkdir -p /data/nginx/certs
sudo mkdir -p /data/ollama
sudo chown -R $USER:$USER /data

第三阶段：部署 AstrBot

3.1 使用 Docker Compose 部署

创建 docker-compose.yml：

mkdir -p ~/astrbot && cd ~/astrbot

# ~/astrbot/docker-compose.yml
services:
  astrbot:
    image: soulter/astrbot:latest
    container_name: astrbot
    restart: unless-stopped
    ports:
      - "6185:6185"   # WebUI 管理面板
      - "6199:6199"   # ChatUI
    volumes:
      - /data/astrbot/data:/AstrBot/data
      - /etc/localtime:/etc/localtime:ro
    environment:
      - TZ=Asia/Shanghai
    networks:
      - astrbot-net

  # 可选：本地 LLM 推理
  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    restart: unless-stopped
    ports:
      - "11434:11434"
    volumes:
      - /data/ollama:/root/.ollama
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    networks:
      - astrbot-net

  # Nginx 反向代理（用于企业微信回调）
  nginx:
    image: nginx:alpine
    container_name: nginx
    restart: unless-stopped
    ports:
      - "80:80"
      - "443:443"
    volumes:
      - /data/nginx/conf.d:/etc/nginx/conf.d
      - /data/nginx/certs:/etc/nginx/certs
    depends_on:
      - astrbot
    networks:
      - astrbot-net

networks:
  astrbot-net:
    driver: bridge

方案一用户注意： 如果你在 Windows + Docker Desktop 环境下，上述 compose 文件同样适用，只需将卷挂载路径改为 Windows 路径格式，例如 D:/data/astrbot/data:/AstrBot/data。

3.2 Nginx 反向代理配置

企业微信回调需要公网可达的 HTTPS 地址。Nginx 在这里充当反向代理，将外部请求转发给 AstrBot。

# /data/nginx/conf.d/astrbot.conf
server {
    listen 80;
    server_name your-domain.com;  # 替换为你的域名

    # 用于 Let's Encrypt 证书验证
    location /.well-known/acme-challenge/ {
        root /var/www/certbot;
    }

    location / {
        return 301 https://$server_name$request_uri;
    }
}

server {
    listen 443 ssl;
    server_name your-domain.com;

    ssl_certificate /etc/nginx/certs/fullchain.pem;
    ssl_certificate_key /etc/nginx/certs/privkey.pem;

    # AstrBot 统一 Webhook 回调
    location / {
        proxy_pass http://astrbot:6185;
        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;
    }
}

3.3 启动服务

cd ~/astrbot
docker compose up -d

# 查看日志
docker compose logs -f astrbot

如果一切顺利，你会看到：

🌈 管理面板已启动，可访问 http://0.0.0.0:6185

在浏览器中访问 http://192.168.1.100:6185，使用默认账号 astrbot / astrbot 登录。

第一件事：请立即修改默认密码！

第四阶段：接入企业微信

这是整个方案最关键的一步——让你能在微信里直接与 AI Agent 对话。AstrBot 支持两种企业微信接入方式，推荐使用”微信客服”方式，因为它可以直接在微信中使用，无需切换到企业微信 App。

4.1 前置准备：公网访问

你的台式机在家庭内网中，而企业微信回调需要公网可达的地址。有几种解决方案：

方案	成本	稳定性	推荐场景
DDNS + 端口转发	免费	依赖运营商	有公网 IP
内网穿透 (frp/Cloudflare Tunnel)	免费~低	高	无公网 IP ⭐
云服务器反代	~99 元/年	最高	追求稳定

推荐 Cloudflare Tunnel（免费且稳定）：

# 安装 cloudflared
curl -L --output cloudflared.deb \
  https://github.com/cloudflare/cloudflared/releases/latest/download/cloudflared-linux-amd64.deb
sudo dpkg -i cloudflared.deb

# 认证（需要 Cloudflare 账号和域名）
cloudflared tunnel login

# 创建隧道
cloudflared tunnel create astrbot

# 配置隧道
cat > ~/.cloudflared/config.yml << EOF
tunnel: <TUNNEL_ID>
credentials-file: /home/$USER/.cloudflared/<TUNNEL_ID>.json

ingress:
  - hostname: astrbot.your-domain.com
    service: http://localhost:6185
  - service: http_status:404
EOF

# 配置 DNS
cloudflared tunnel route dns astrbot astrbot.your-domain.com

# 启动并设置开机自启
sudo cloudflared service install
sudo systemctl start cloudflared

4.2 接入方式一：微信客服（推荐）

这种方式让普通微信用户也能使用你的 AI Agent，无需加入企业微信。

步骤：

注册企业微信 → 获取 企业 ID (Corpid)
- 进入企业微信管理后台 → “我的企业” → 复制企业 ID
创建微信客服
- 进入微信客服后台 → 企业微信扫码登录
- “客服账号” → 创建一个客服，记下名称
配置 AstrBot
- 登录 AstrBot 管理面板 → 左边栏”机器人” → “＋创建机器人” → 选择 wecom
- 填入 corpid
回调服务器配置
- 在微信客服后台 → “开发配置” → 点击”开始使用”（或”修改”）
- 随机生成 Token 和 EncodingAESKey，填入 AstrBot 配置
- 保持 统一 Webhook 模式 开启
- 保存 AstrBot 配置 → 获取自动生成的回调 URL → 填入微信客服后台
- 点击”完成”验证
获取 Secret
- 在”开发配置”中找到 Secret → 填入 AstrBot → 保存
扫码激活
- 在 AstrBot 控制台找到客服链接 → 微信扫码 → 即可开始对话

4.3 接入方式二：企业微信应用

适合团队内部使用，消息在企业微信 App 或微信中的”工作台”里收发。

步骤：

进入企业微信应用管理
“自建应用” → “创建应用” → 设置名称、头像、可见范围
进入应用 → 获取 Secret
“接收消息” → “设置 API 接收” → 随机生成 Token、EncodingAESKey
在 AstrBot 中创建 wecom 机器人 → 填入 corpid、secret、token、encoding_aes_key
保存 AstrBot 配置 → 获取回调 URL → 填入企业微信
配置企业可信 IP（你的公网 IP）
在企业微信工作台发送 /help 测试

第五阶段：配置 LLM 模型服务

AstrBot 部署好后，需要连接一个 LLM 大模型才能真正”智能”起来。

5.1 方案 A：使用云端 API（推荐起步）

在 AstrBot 管理面板中，进入 “大模型” 配置页，添加一个 LLM 服务提供商：

提供商	推荐模型	优势
DeepSeek	deepseek-chat	性价比极高，中文优秀
OpenAI	gpt-4o-mini	综合能力强
Anthropic	claude-3-haiku	代码能力突出
智谱 AI	glm-4-flash	国内直连，免费额度

只需填入 API Key 和选择模型即可，几分钟搞定。

5.2 方案 B：本地模型推理（进阶）

有了 Quadro P2000 (5GB VRAM)，可以跑一些小型但实用的模型：

# 拉取并运行适合 5GB 显存的模型
docker exec -it ollama ollama pull qwen2.5:3b

# 测试
docker exec -it ollama ollama run qwen2.5:3b "你好，请介绍一下你自己"

然后在 AstrBot 中配置 Ollama：

API 地址：http://ollama:11434（Docker 内部网络）
模型：qwen2.5:3b

注意： 5GB 显存只能跑 3B 左右的量化模型。对于需要强推理能力的场景，建议云端 API + 本地小模型混合使用——轻量查询走本地，复杂任务走云端。

6.1 为什么要远程管理？

作为一台 7×24 小时运行的服务器，它绝大多数时间是”无头”(Headless)运行的（不接显示器和键鼠）。但我们需要随时：

调试代码、查看运行日志
像操作本地电脑一样操作它（图形界面）
在外网也能安全访问

6.2 推荐方案：Tailscale + Sunshine

详细的远程管理方案对比和配置步骤篇幅较长，我将其单独整理为一篇文章：

👉 AstrBot 部署番外篇：打造最强远程管理方案 (Tailscale + Sunshine)

核心思路总结：

基础设施层 (Networking)：使用 Tailscale 组建虚拟局域网。
- 无需公网 IP，P2P 直连，端到端加密。
- 手机、电脑、服务器全部安装 Tailscale，即可互访。
控制层 (Control)：使用 Sunshine + Moonlight。
- Sunshine Foundation：安装在服务器上的开源串流服务（qiin2333 维护版，内置虚拟显示器）。
- Moonlight V+：安装在客户端的高性能播放器。
- 利用 P2000 显卡硬件编码，实现 4K 60fps+ 的超低延迟远程体验。

当然，如果你只是需要简单的命令行管理，系统自带的 SSH 足矣；如果你更习惯傻瓜式的操作，UU 远程 也是不错的备选。

详细配置请移步上述链接查看。

第七阶段：稳定性保障

7.1 自动重启与健康检查

Docker Compose 已经配置了 restart: unless-stopped。额外添加健康检查：

# 在 docker-compose.yml 的 astrbot 服务中添加
healthcheck:
  test: ["CMD", "curl", "-f", "http://localhost:6185"]
  interval: 30s
  timeout: 10s
  retries: 3
  start_period: 30s

7.2 自动更新

# 创建更新脚本
cat > /data/scripts/update-astrbot.sh << 'EOF'
#!/bin/bash
cd ~/astrbot
docker compose pull
docker compose up -d
docker image prune -f
echo "$(date): AstrBot updated" >> /data/astrbot/logs/update.log
EOF

chmod +x /data/scripts/update-astrbot.sh

# 设置每周自动更新（周日凌晨 3 点）
(crontab -l 2>/dev/null; echo "0 3 * * 0 /data/scripts/update-astrbot.sh") | crontab -

7.3 数据备份

# 创建备份脚本
cat > /data/scripts/backup.sh << 'EOF'
#!/bin/bash
BACKUP_DIR="/data/backups/$(date +%Y%m%d)"
mkdir -p "$BACKUP_DIR"
tar -czf "$BACKUP_DIR/astrbot-data.tar.gz" /data/astrbot/data
# 只保留最近 7 天的备份
find /data/backups -maxdepth 1 -type d -mtime +7 -exec rm -rf {} \;
echo "$(date): Backup completed to $BACKUP_DIR" >> /data/astrbot/logs/backup.log
EOF

chmod +x /data/scripts/backup.sh

# 设置每日自动备份（凌晨 2 点）
(crontab -l 2>/dev/null; echo "0 2 * * * /data/scripts/backup.sh") | crontab -

7.4 UPS 断电保护（推荐）

650W 电源搭配一个 APC BK650M2-CH 之类的 UPS，可以在断电时自动安全关机：

sudo apt install -y apcupsd
# 配置 /etc/apcupsd/apcupsd.conf 中的关机策略

整体架构回顾

┌─────────────────────────────────────────────────┐
│                 你的手机 (微信)                    │
│                      │                           │
│           ┌──────────▼──────────┐                │
│           │    企业微信 / 客服    │                │
│           └──────────┬──────────┘                │
│                      │ Webhook 回调              │
├──────────────────────┼──────────────────────────┤
│ 公网层               │                           │
│           ┌──────────▼──────────┐                │
│           │  Cloudflare Tunnel  │                │
│           └──────────┬──────────┘                │
├──────────────────────┼──────────────────────────┤
│ 台式机 (Ubuntu)      │                           │
│           ┌──────────▼──────────┐                │
│           │   Nginx (反向代理)   │                │
│           └──────────┬──────────┘                │
│                      │                           │
│           ┌──────────▼──────────┐                │
│           │     AstrBot 🤖      │                │
│           │  ├── WebUI (:6185)  │                │
│           │  ├── ChatUI (:6199) │                │
│           │  └── 插件生态        │                │
│           └──────────┬──────────┘                │
│                      │                           │
│      ┌───────────────┼───────────────┐           │
│      ▼               ▼               ▼           │
│ ┌─────────┐   ┌───────────┐   ┌─────────┐       │
│ │ 云端 API │   │  Ollama   │   │   其他   │       │
│ │ (远程)   │   │  (本地)   │   │  插件    │       │
│ └─────────┘   └───────────┘   └─────────┘       │
└─────────────────────────────────────────────────┘

开发环境的额外配置

既然这台机器也是开发机，还可以做些额外配置：

# 安装 Python 开发环境（AstrBot 插件开发）
sudo apt install -y python3-pip python3-venv
pip install uv

# 安装 Node.js（如果需要前端开发）
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install -y nodejs

# 安装 VS Code Server（通过浏览器编码）
curl -fsSL https://code-server.dev/install.sh | sh
sudo systemctl enable --now code-server@$USER

最终检查清单

写在最后

整个部署过程，从系统安装到微信里跑出第一条 AI 回复，大约需要 2~3 小时。之后你就拥有了一个：

私有的 AI Agent，数据完全在自己手里
随时可达的 助手，在微信里发条消息就能用
可扩展的 平台，800+ 插件随时安装
可远程管理的 服务器，不必守在机器旁

一台闲置台式机的重生之路，到此完成。🎉