VPS 部署 AI 工具学习路线：从 Linux 基础到 AI Agent 实战

很多人买了 VPS 之后，最常问的一个问题就是：“我该怎么从零开始跑起 AI 工具？” 主机选上这类求助帖特别多，要么是卡在 SSH 连接，要么是装完 Ollama 不知道怎么接 Agent。本文直接给出一条从 Linux 基础到 AI Agent 实战的完整学习路线，每一步都对应真实部署场景，适合想在 VPS 上跑 AI Agent、Claude Code、Codex、Hermes Agent、MCP、n8n 和自动化工作流的人。

阶段一：Linux 基础 — 能连上、会操作、会排查

别急着装 AI 工具，先确认你手里这台 VPS 的底子够稳。部署 AI 工具需要的 Linux 技能并不多，但必须扎实。

1. SSH 连接与密钥管理

• 用 `ssh root@你的IP` 登录，第一次会提示确认指纹。

• 建议改用密钥登录，禁用密码登录：

ssh-keygen -t ed25519 -C "your_email" # 本地生成密钥
ssh-copy-id root@你的IP # 将公钥传到 VPS

• 然后修改 `/etc/ssh/sshd_config`，设置 `PasswordAuthentication no`，重启 `systemctl restart sshd`。

老鸟叮嘱：修改前先另开一个 SSH 窗口保持连接，防止把自己锁在外面。

2. 文件操作与权限

• 常用命令：`ls -la`、`chmod 755`、`chown user:group`。

• AI 工具的数据文件（如模型、数据库）建议放在 `/opt` 或 `/var` 下，不要全堆在 `/root`。

• 用 `df -h` 看磁盘空间，`free -h` 看内存，`nproc` 看 CPU 核心数。

3. 包管理与进程管理

• Debian/Ubuntu：`apt update && apt upgrade -y`。

• CentOS/Rocky：`yum update -y`。

• 查看进程：`ps aux | grep ollama`，杀进程：`kill -9 PID`。

• 设置开机自启：`systemctl enable 服务名`。

阶段二：环境搭建 — Docker、Python、Node

AI 工具大多依赖容器化或特定运行时，先统一装好基础设施。

1. Docker 安装与基本操作

curl -fsSL https://get.docker.com -o get-docker.sh
sh get-docker.sh
sudo usermod -aG docker $USER # 添加当前用户到 docker 组，避免每次 sudo
newgrp docker # 重新加载组

• 常用命令：`docker ps`、`docker logs -f 容器名`、`docker compose up -d`。

• 注意：很多 AI Agent 用 Docker Compose 编排，建议安装 Docker Compose 插件：

sudo apt install docker-compose-plugin

2. Python 环境（建议用 conda 或 venv）

• 不要直接在系统 Python 里装包，容易冲突。

• 创建虚拟环境：

python3 -m venv ai-env
source ai-env/bin/activate
pip install –upgrade pip

3. Node.js 与 npm

• 用 nvm 安装，方便切换版本：

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install 20 # 安装 Node.js 20

阶段三：AI 基础工具 — Ollama、Open WebUI、API 调用

在跑 Agent 之前，先让 VPS 能跑通一个本地模型或能调用外部 API。

1. 部署 Ollama（本地模型推理）

curl -fsSL https://ollama.com/install.sh | sh
ollama pull llama3.2:1b # 先拉一个小模型测试，1B 参数，2GB 内存就能跑
ollama run llama3.2:1b # 测试对话

• 如果内存小于 4GB，建议只跑 1B~3B 模型，不要硬上 7B。

• Ollama 默认监听 11434 端口，可以用 `curl http://localhost:11434/api/generate -d '{"model":"llama3.2:1b","prompt":"Hello"}'` 测试 API。

2. 部署 Open WebUI（可视化聊天界面）

docker run -d -p 3000:8080 –name open-webui \
-v open-webui-data:/app/backend/data \
–network host \
ghcr.io/open-webui/open-webui:main

• 访问 `http://你的IP:3000`，首次注册管理员账号。

• 注意：`–network host` 让容器直接使用宿主机网络，方便连接本地的 Ollama。

3. 调用外部 API（OpenAI / Claude / DeepSeek）

• 获取 API Key，不要硬编码在代码里，用环境变量：

export OPENAI_API_KEY="sk-xxx"

• 测试调用：

curl https://api.openai.com/v1/chat/completions \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-4o-mini","messages":[{"role":"user","content":"Hello"}]}'

阶段四：AI Agent 实战 — Claude Code、Codex、Hermes Agent、MCP、n8n

有了模型和 API 基础，就可以上 Agent 了。这里选几个典型工具，按部署难度递增。

1. Claude Code（编程 Agent）

• 前提：有 Claude API Key（Anthropic 控制台获取）。

• 安装：

npm install -g @anthropic-ai/claude-code
export ANTHROPIC_API_KEY="sk-ant-xxx"
claude-code

• 它会自动读取当前目录，可以给出编程任务。注意：`claude-code` 会执行命令，不要在敏感目录运行。

2. Codex（开源代码 Agent）

• 基于 Ollama + 本地模型，适合离线环境。

• 克隆仓库：

git clone https://github.com/openai/codex.git # 注意：官方仓库可能已改名，以当前 GitHub 为准
cd codex
pip install -r requirements.txt

• 配置模型：修改 `config.yaml`，指定 Ollama 地址和模型名。

• 运行：`python codex.py`。

3. Hermes Agent（多工具 Agent）

• 支持 MCP（Model Context Protocol），可以连接数据库、文件系统等。

• 部署：

git clone https://github.com/NousResearch/Hermes-Agent.git
cd Hermes-Agent
pip install -r requirements.txt

• 配置 API Key（支持 OpenAI 或本地模型），启动后通过 Web 界面或 API 交互。

4. MCP（Model Context Protocol）服务

• MCP 是一种让 Agent 与外部工具（如数据库、Webhook）交互的协议。

• 部署一个 MCP 服务器（例如文件系统 MCP）：

npx @modelcontextprotocol/server-filesystem /path/to/allowed/dir

• 然后在 Agent 配置中注册 MCP 服务器地址（通常是 `ws://localhost:端口`）。

5. n8n（自动化工作流 + AI 节点）

• 部署：

docker run -d –name n8n -p 5678:5678 \
-v n8n-data:/home/node/.n8n \
n8nio/n8n

• 访问 `http://你的IP:5678`，创建工作流。AI 节点可以调用 OpenAI、Ollama、LangChain 等。

• 适合做“用户输入 → AI 处理 → 发送通知/写入数据库”的自动化流程。

阶段五：生产化与排障

能跑起来不等于适合生产环境。这几个坑必须提前踩一遍。

1. 端口放行与安全

• VPS 默认防火墙（ufw 或 iptables）需要放行对应端口：

ufw allow 3000/tcp # Open WebUI
ufw allow 5678/tcp # n8n
ufw enable

• 绝对不要把 Ollama 的 11434 端口暴露到公网，除非你加了认证。建议用 Nginx 反向代理 + HTTPS + 密码。

2. 日志排查

• Docker 容器日志：`docker logs -f 容器名 –tail 50`。

• 系统日志：`journalctl -u ollama -f`。

• 常见错误：OOM（内存不足）时进程会被 kill，用 `dmesg | grep oom` 确认。

3. 内存不足怎么办

• 减少模型参数量（例如从 7B 降到 3B）。

• 使用 `ollama run` 时加 `–num-gpu 0` 强制 CPU 推理（更慢但省内存）。

• 增加 swap：

fallocate -l 4G /swapfile
chmod 600 /swapfile
mkswap /swapfile
swapon /swapfile
echo '/swapfile none swap sw 0 0' >> /etc/fstab

4. API Key 安全

• 永远不要写在代码或配置文件的明文里，用环境变量或 Docker Secret。

• n8n 中可以在凭据里设置，Ollama 不需要 API Key。

老鸟叮嘱

• 别一上来就装 Claude Code 或 Hermes Agent，先跑通 Ollama + Open WebUI，确认模型能正常对话。

• 每次装一个新工具前，先用 `docker ps` 和 `free -h` 确认资源够用。

• 不要用 root 运行所有服务，创建普通用户 `adduser ai`，然后用 `su – ai` 操作。

• 如果遇到“连接被拒绝”，先检查防火墙和端口监听：`ss -tlnp | grep 端口号`。

• 备份配置：`cp config.yaml config.yaml.bak`，改错了能回滚。

FAQ

Q1：VPS 需要多大配置才能跑 AI Agent？
A：如果只跑 Agent 调用外部 API（如 Claude、OpenAI），1核1G 都够。如果要跑本地模型（Ollama），至少 2核4G，推荐 4核8G 以上。

Q2：部署 Claude Code 需要什么前提？
A：需要 Node.js 18+、Claude API Key，VPS 能访问 api.anthropic.com。没有 GPU 也可以，因为是云端推理。

Q3：MCP 协议是必须的吗？
A：不是必须的，但如果你想让 Agent 读写文件、查询数据库或调用 Webhook，MCP 提供标准化接口，比自己写脚本更安全。

Q4：n8n 能不能对接本地 Ollama？
A：可以。在 n8n 的 AI 节点中配置“Ollama”类型，填入 Ollama API 地址（`http://localhost:11434`）和模型名即可。

Q5：部署完 Agent 后怎么监控资源？
A：用 `htop` 看实时负载，`nvidia-smi` 看 GPU（如果有），`docker stats` 看容器资源占用。

Q6：学习路线大概需要多久？
A：有 Linux 基础的话，阶段一到三 1-2 天，阶段四 2-3 天，阶段五随用随学。零基础建议先花一周补 Linux 基础。

从 Linux 基础到 AI Agent 实战，核心是“先跑通再优化”。别贪多，一个阶段一个阶段来，每个工具都亲自部署一遍，日志和报错就是最好的老师。

—

**相关阅读：**

– [VPS部署AI工具100讲：AI Agent、Codex、Claude Code、Hermes Agent、Ollama与自动化工作流实战教程](https://www.zhujixuan.com/jishujiaocheng/9606.html)
– [Codex、Claude Code、OpenClaw、Hermes Agent、Ollama、n8n 分别适合什么场景](https://www.zhujixuan.com/jishujiaocheng/9759.html)
– [n8n VPS 部署教程：搭建自己的自动化工作流平台](https://www.zhujixuan.com/jishujiaocheng/9892.html)