2. Linux.do
  3. 我是如何和 AI 配合完成日常开发工作的

我是如何和 AI 配合完成日常开发工作的

还有高手? 2026-07-15 17:28 1

分享一下我的 AI 开发环境（Codex + Docker + VPS + 自建 Runner）


最近刚加入 Linux DO，潜水了一段时间，看了不少大佬分享，收获很多。


我也分享一下自己最近半年折腾的一套开发环境，希望能给大家一点参考。


我的主要工作


目前主要做的是：




  • 前端开发（Vue）




  • Node.js 后端




  • AI 接入（OpenAI / Claude 等）




  • Docker 部署




  • 电商 SaaS 系统




最近基本每天都和 AI 打交道。



我的开发设备


开发机器：




  • MacBook Pro（主力开发）




  • Windows（测试）




  • Ubuntu VPS（生产环境）




服务器主要部署：




  • Docker




  • Nginx




  • Redis




  • MySQL




  • Worker 服务




所有服务全部容器化。



Git 工作流


代码托管：




  • GitHub




  • GitLab




CI：


GitHub Actions


但是没有使用 GitHub 官方 Runner。


自己搭了一台 Runner。


原因很简单：




  • 构建速度快




  • 可以缓存 pnpm




  • Docker Build 更方便




  • 不受 GitHub 免费 Runner 限制




目前感觉体验挺不错。



AI 部分


目前每天都会用：




  • ChatGPT




  • Codex




  • Claude Code




现在基本写代码流程已经变成：


需求 → AI 出方案 → 自己修改 → AI Review → 提交


相比去年效率确实高了不少。


不过我越来越觉得：


AI 更适合解决重复劳动。


真正复杂的业务逻辑，还是需要自己设计。



Docker


目前所有项目基本都是：


docker-compose


包括：




  • API




  • Web




  • Worker




  • Redis




  • MySQL




更新的时候：


GitHub Push


↓


GitHub Actions


↓


Runner


↓


Docker Build


↓


自动更新


已经稳定跑了几个月。



最近踩过最大的坑


服务器只有：


4C8G


平时没问题。


结果有一次 Worker 在跑大量计算任务。


CPU 直接 100%。


API 全部卡死。


最后只能控制台重启。


后来才开始：




  • 限流




  • 队列




  • Worker 并发限制




  • CPU 配额




算是交了一次学费。



AI 最大的变化


我觉得 AI 并没有让我少写代码。


反而让我：


写得更多。


因为很多以前懒得做的小功能，现在几分钟就能做出来。


真正提升的是：


把想法快速验证出来。



接下来准备折腾


最近准备研究：




  • MCP




  • AI Agent




  • RAG




  • Go Worker




  • Kubernetes（还没正式上）




如果社区有相关实践，也欢迎推荐。


最后感谢 Linux DO，各位大佬分享了很多经验，希望以后也能持续分享自己的踩坑记录。

最新回复 (16)
  • Surile 07-15 17:30
    1楼

    最后感谢 Linux DO，各位大佬分享了很多经验，希望以后也能持续分享自己的踩坑记录。



    有点没看懂怎么打建的、能详情说下怎么搭建的吗

  • chenqiana 07-15 17:30
    2楼

    看了半天感觉 你的AI开发环境 跟AI也没有什么绑定关系

  • 还有高手? 楼主 07-15 17:31
    3楼

    其实没有什么特别复杂的，就是自己折腾出来的一套流程 ^-^。


    大概就是本地开发，推到 GitHub 后触发 Actions，然后交给自建 Runner 去构建 Docker 镜像并更新容器，Nginx 做反向代理。


    AI（Codex、Claude Code）主要还是开发阶段用得多，部署本身还是传统的 Docker + CI/CD。


    后面有时间的话，我可以专门整理一篇，把整个流程画成架构图分享出来。

  • 还有高手? 楼主 07-15 17:32
    4楼

    哈哈，确实，你说得没错。


    现在回头看标题起得有点大了，其实更多想分享的是我现在的开发工作流，而不是专门介绍 AI 环境。


    AI 在我这里主要还是开发辅助，比如用 Codex、Claude Code 做需求拆解、写代码、Review、排查问题，真正运行项目还是 Docker、CI/CD 那套，所以看起来 AI 的存在感没那么强。


    后面我再整理一篇偏 AI 的内容，比如我是怎么把 AI 融入日常开发、提示词怎么写、哪些场景收益比较大，可能会更贴合这个标题。

  • Albert 07-15 17:34
    5楼

    标题确实起的有点大了，应该是怎样与AI配合完成自己的日常工作

  • 还有高手? 楼主 07-15 17:35
    6楼

    是的，其实更多是分享我平时怎么跟 AI 配合开发。AI 主要负责需求分析、写代码、Review、排查问题这些，部署和运行还是传统的 Docker、CI/CD 流程。

  • 🍏Ravin🍎 07-15 17:36
    7楼

    太厉害了佬~后面一天分享一点细节流程，就更棒了

  • 鲁迅暴打周树人 07-15 17:36
    8楼

    有服务器的话我通常会选择：


    对话触发代码提交-> 触发MCP SSH到服务器-> 运行docker(拉取、编译、部署)

  • 还有高手? 楼主 07-15 17:37
    9楼

    过奖了，我也是边用边摸索出来的。后面会整理一些日常使用流程和踩坑经验，尽量分享得更具体一点，希望能对大家有所帮助。

  • 还有高手? 楼主 07-15 17:37
    10楼

    这种方式也挺方便，尤其是一些个人项目。


    我这边还是偏传统一点，AI 主要负责开发，代码确认没问题后还是走 GitHub Actions + 自建 Runner 自动部署。主要是团队协作和回滚会更方便一些，也能保留完整的 CI/CD 流程。


    不过你这个思路挺有意思，后面我也准备研究一下 MCP 在部署场景里的应用。

  • jacklinx 07-15 17:38
    11楼

    现在的代码流程不应该是： 需求 → AI 出方案 → (人)Review → AI Coding → AI Review → (人)Review → 提交

  • 还有高手? 楼主 07-15 17:38
    12楼

    我觉得还是要看项目和任务类型。我现在大部分时候已经比较接近你说的这个流程了，不过涉及核心业务或者架构调整，还是会自己多参与一点，不太敢完全交给 AI。

  • 鲁迅暴打周树人 07-15 17:41
    13楼

    是的走CI主要是为了解决多人场景的问题，自己用的话这个场景反而是多余了。

  • devnull 07-15 17:47
    14楼

    VPS既是生产环境又是开发环境？

  • 还有高手? 楼主 07-15 17:54
    15楼

    vps 还没有走通，今天下午忙过头了，明天可能会继续尝试，主要是尝试一下自建机场，暂时不会区分环境

  • andyyuzy 07-15 22:29
    16楼

    你这服务器是什么？能分享一下吗？多少钱一个月的？

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐