离线AI神器MonkeyCode：Docker一键搞定，数据永不外泄的部署指南

发布于

2026年01月23日

109

MonkeyCode 部署步骤详解

MonkeyCode 是一个开源的企业级 AI 编程助手，支持完全私有化、离线部署，适用于研发团队和敏感行业。部署过程相对简单，主要通过 Docker 一键安装或 Compose 方式完成，支持接入本地大模型（如 Ollama）和云模型。以下是基于官方文档和社区指南的详细步骤指南（综合自 GitHub、CSDN 和博客资源）。整个过程预计 10-30 分钟，视环境而定。

1. 先决条件（Prerequisites）

在开始部署前，确保服务器满足以下要求，以避免兼容性问题：

类别	要求详情
操作系统	Linux（Ubuntu 18.04+ 或 CentOS 7+ 推荐）；Windows Server 2016+（需 WSL 或 Docker Desktop）
硬件	CPU：8 核（推荐 16 核）；内存：16 GB（AI 功能推荐 32 GB）；存储：100 GB 可用空间
网络	千兆网卡；离线部署无需外网，但初次拉取镜像需联网（后续可离线）
软件依赖	Docker 20.10+；Docker Compose 1.29+；Git；可选：Python 3.8+、Node.js 16+
AI 模型	支持 Ollama/LocalAI（本地）；OpenAI/Anthropic 等 API（云端）

安装依赖命令（Linux 示例）：

bash 复制代码

# 更新系统
sudo apt update && sudo apt upgrade -y  # Ubuntu
# 或 yum update -y  # CentOS

# 安装 Docker（如果未安装）
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
sudo usermod -aG docker $USER  # 添加用户到 docker 组，重启终端生效

# 安装 Docker Compose
sudo curl -L "https://github.com/docker/compose/releases/latest/download/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose

注意：离线环境需预先下载 Docker 镜像（详见故障排除）。

2. 部署方式一：一键安装（推荐新手，5 分钟完成）

MonkeyCode 提供官方一键脚本，自动处理依赖、镜像拉取和启动。

下载并运行安装脚本：

bash 复制代码

# 方法 1：从官方 Release 下载
wget https://github.com/chaitin/MonkeyCode/releases/latest/download/monkeycode-installer.sh
chmod +x monkeycode-installer.sh
./monkeycode-installer.sh --install

# 方法 2：Curl 一行命令（从社区脚本）
bash -c "$(curl -fsSLk https://release.baizhi.cloud/monkeycode/manager.sh)"

脚本会自动拉取镜像、启动服务（包括后端、数据库、Redis）。
首次运行需联网拉取镜像（约 2-5 GB）。

验证启动：

bash 复制代码

# 查看服务状态
docker ps  # 应看到 monkeycode-backend、postgres、redis 等容器
docker-compose logs -f  # 查看日志（如果使用 Compose）

获取访问信息：
- 部署成功后，控制台输出内网地址（如 http://localhost:8080 或 http://your-ip:80）、默认用户名（admin）和密码（随机生成，保存好）。
- 示例输出：
  复制代码
```
内网访问地址：http://192.168.1.100:80
用户名：admin
密码：abc123xyz
```

3. 部署方式二：Docker Compose 手动部署（适用于自定义）

适合需要修改配置的用户。

克隆仓库：

bash 复制代码

git clone https://github.com/chaitin/MonkeyCode.git
cd MonkeyCode/deploy  # 或直接 cd 到 docker-compose.yml 所在目录

配置环境变量：

复制示例文件：
bash 复制代码
```
cp .env.example .env
```

编辑 .env（使用 vim 或 nano），关键配置如下：

复制代码

# 基础
MONKEYCODE_HOST=0.0.0.0
MONKEYCODE_PORT=8080
MONKEYCODE_SECRET_KEY=your-secret-key-change-this

# 数据库 (PostgreSQL)
POSTGRES_DB=monkeycode
POSTGRES_USER=monkeycode
POSTGRES_PASSWORD=strong-password-123
POSTGRES_HOST=postgres
POSTGRES_PORT=5432

# Redis
REDIS_HOST=redis
REDIS_PORT=6379
REDIS_PASSWORD=redis-pass-123

# AI 模型（详见第 4 节）
OPENAI_API_KEY=sk-your-key-if-cloud
OLLAMA_HOST=http://host.docker.internal:11434  # 本地 Ollama

# 安全扫描
SECURITY_SCAN_ENABLED=true
SCAN_SCHEDULE="0 2 * * *"  # Cron 格式，每天 2 AM 扫描

# 企业管理
ENABLE_AUDIT_LOG=true
DATA_RETENTION_DAYS=365
COMPANY_NAME="YourCompany"

保存后，重载环境。

启动服务：
bash 复制代码
```
docker-compose up -d  # 后台启动
```
- 服务包括：后端 API、管理面板、数据库、Redis、安全扫描引擎。
验证：
- 访问 http://localhost:8080（或配置的端口），登录 admin/密码。
- 如果端口冲突，修改 docker-compose.yml 中的 ports 映射。

4. AI 模型接入配置（支持离线）

MonkeyCode 支持混合模式，确保离线安全。

云端模型（需 API 密钥）：

在 .env 中添加：

复制代码

OPENAI_API_KEY=sk-...
OPENAI_MODEL=gpt-4o
# 或其他：ANTHROPIC_API_KEY=..., MODEL=claude-3-5-sonnet-20240620

重启服务：docker-compose restart。

本地模型（完全离线，推荐涉密场景）：
- 安装 Ollama（Docker 方式）：
  bash 复制代码
```
docker run -d --name ollama -p 11434:11434 -v ollama:/root/.ollama ollama/ollama
docker exec -it ollama ollama pull qwen2.5-coder:7b  # 或 llama3、code-llama
```
- 配置 .env：
  复制代码
```
OLLAMA_HOST=http://localhost:11434
OLLAMA_MODEL=qwen2.5-coder:7b
```
- 测试：curl http://localhost:11434/api/generate -d '{"model": "qwen2.5-coder:7b", "prompt": "Hello"}'
混合/自定义：
- 支持 LocalAI 或 TextGen WebUI，配置 fallback（优先本地，失败用云）。
- 模型下载：离线时预拉取 tar 文件导入 Docker。

5. VSCode 插件设置

安装插件：
- VSCode 扩展市场搜索 "MonkeyCode" 并安装。
- 或手动：下载 .vsix 文件，运行 code --install-extension monkeycode-0.1.0.vsix。

配置连接：

打开 VSCode 设置（Ctrl+,），编辑 settings.json：

json 复制代码

{
  "monkeycode.enable": true,
  "monkeycode.serverUrl": "http://localhost:8080",
  "monkeycode.apiKey": "your-token-from-panel",  // 从管理面板生成个人 Token
  "monkeycode.autoScan": true,
  "monkeycode.suggestions": true
}

重启 VSCode，侧边栏出现 MonkeyCode 面板，用于对话式编程。

测试：输入代码，按 Ctrl+Shift+P > "MonkeyCode: Generate" 测试补全。

支持其他 IDE：JetBrains（如 IntelliJ）从 Marketplace 安装，配置类似。

6. Git 平台机器人集成

部署后端 Webhook：
- 在管理面板（http://localhost:8080/admin） > "Git 集成" > 添加平台（GitHub/GitLab/Gitee）。
- 配置 Webhook URL：http://your-ip:8080/api/git/bot。
平台侧设置：
- GitHub 示例：仓库 Settings > Webhooks > Add webhook，Payload URL 为上述，Events 选 Pull requests 和 Issues。
- 在 PR/Issue 中 @monkeycode-ai 触发（如 "@monkeycode-ai review this code"）。
测试：创建 Issue，@ 机器人，查看响应。

7. 管理面板访问与配置

访问：浏览器打开 http://localhost:8080/admin，登录 admin/初始密码。
核心功能：
- 审计管控：查看 AI 使用日志、额度统计（按用户/项目）。
- 安全扫描：批量扫描仓库，配置规则（如启用 SAST）。
- 模型管理：切换模型、分配额度（e.g., 免费用户限 1000 tokens/日）。
- 用户管理：添加团队成员，角色权限（开发/审核/管理员）。
数据安全：所有日志本地存储，支持导出；启用 ENABLE_AUDIT_LOG=true 记录全交互。

8. 故障排除（Troubleshooting）

问题	解决方案
镜像拉取失败（离线）	预下载镜像 tar：`docker save -o images.tar ollama/ollama`；导入 `docker load -i images.tar`。参考 Issue #354 社区脚本。
端口冲突	修改 `docker-compose.yml` 中的 `ports: - "8080:8080"` 为可用端口。
模型响应慢	升级硬件或切换轻量模型（如 qwen2.5:7b）；检查 Ollama 日志 `docker logs ollama`。
插件连接失败	验证 serverUrl 和 apiKey；防火墙允许 8080 端口 `sudo ufw allow 8080`。
数据库错误	重置 PostgreSQL：`docker-compose down -v` 后 up；检查 .env 密码一致性。
安全扫描不工作	确保 `SECURITY_SCAN_ENABLED=true`；测试 `curl http://localhost:8000/health`（SAST 引擎）。