AI编程助手Claude Code、Codex、OpenCode一站式Docker环境
-
- 一、为什么要搭建这样一个环境？
- 二、相关截图
- 二、整体架构与核心概念
- 三、准备工作（是什么 & 为什么）
- 四、详细操作步骤（如何操作）
-
- 步骤1：如果你在Windows上，先安装WSL（可选）
- 步骤2：安装Docker（如果没有）
- 步骤3：启动Ollama服务（宿主机或外部服务器）
- 步骤4：测试Ollama服务（可选）
- 步骤5：创建并运行Docker容器
- 步骤6：初始化默认配置
- 步骤7：切换模型供应商（以使用本地qwen3.5:9b为例）
- 步骤8：集成飞书机器人（OpenClaw，可选）
- 步骤9：配置Web SSH（easynode，可选）
- 步骤10：使用三款AI编程工具
- 步骤11：其他有用命令
- 步骤12：进阶——使用MCP（模型上下文协议）
- 五、常见问题与排错
- 六、结语
你是否好奇过不同AI编程助手（如Claude Code、Codex、OpenCode）在处理同一个任务时的表现差异？想知道它们谁更聪明、谁更省token、谁更适合你的工作流？本文将搭建一个开箱即用的对比实验环境，让你能在同一台机器上、使用同一个模型（甚至同一份提示词），快速切换测试这三款主流AI编程工具。所有服务都运行在Docker容器内，既安全又整洁，还支持通过浏览器访问，方便部署在云端服务器。
1.1 背景与动机
AI编程助手正在改变我们写代码的方式。Claude Code（Anthropic出品）、Codex（OpenAI）和OpenCode（开源社区）各有特色。然而：
- 不同工具需要不同的安装和环境配置，容易污染本地系统。
- 在本地运行大模型（比如qwen3.5:9b）需要GPU资源，部署在云端更划算。
- 想对比它们在相同任务下的表现，需要一个可复现、可切换的统一环境。
因此，这里采用Docker方案：
- 隔离性：所有依赖封装在容器里，宿主机干干净净。
- 可访问性：通过Web SSH和Web UI，随时随地用浏览器操作。
- 低成本：默认集成Ollama，可使用本地模型（如qwen3.5:9b），也可切换至云端模型（通过OpenRouter等）。
- 可对比：一个容器内集成了三款主流CLI编程工具，一键切换模型供应商，方便做A/B测试。
1.2 你能得到什么
- 一个运行着SSH服务、Web SSH管理界面（easynode）、三款AI编程工具（Claude Code, Codex, OpenCode）的Docker容器。
- 预配置的Ollama客户端，可以连接本地或远程的Ollama服务，使用任意模型。
- 一套切换模型的Python脚本，支持自定义API地址、模型名、API Key和代理。
- 一个可选集成的飞书机器人（OpenClaw），方便在聊天中调用AI能力。
在开始操作前，先理解几个关键组件：
3.1 基础环境
- 一台Linux服务器（或Windows + WSL） ：如果你用的是Windows，建议先安装WSL（Windows Subsystem for Linux），体验原生Linux环境。
- 为什么：Docker在Linux上运行最稳定，大多数AI工具也针对Linux优化。
- Docker ：容器运行时，我们用它创建和管理容器。
- 为什么：Docker能保证环境一致性，避免"在我电脑上能跑"的问题。
3.2 可选：Ollama服务
你可以选择在宿主机上运行Ollama（若你有GPU），也可以使用云端Ollama或OpenRouter。本教程以本地Ollama为例。
- 为什么：本地模型免费、无网络延迟；云端模型可能更强，但需付费。通过Ollama，我们可以无缝切换。
下面每一步都会说明"是什么"、"为什么"和"如何操作"。请逐条执行，注意替换示例中的IP地址、密钥等为你的实际信息。
步骤1：如果你在Windows上，先安装WSL（可选）
是什么：WSL让你能在Windows上运行Linux系统，无需虚拟机。
为什么：大多数AI工具和Docker原生支持Linux，在WSL里操作更顺畅。
如何操作：
步骤2：安装Docker（如果没有）
是什么：Docker是容器引擎，我们用它拉取和运行镜像。
为什么：容器内已经打包好所有工具，你只需一行命令就能启动完整环境。
如何操作（以Ubuntu为例）：
GPT plus 代充 只需 145
步骤3：启动Ollama服务（宿主机或外部服务器）
是什么：Ollama是一个大模型服务，提供与OpenAI兼容的API接口。我们需要它来驱动AI编程助手。
为什么：容器内的AI工具会通过Ollama API调用模型。你可以选择在宿主机运行Ollama（利用本地GPU），也可以使用远程Ollama实例。
如何操作（在宿主机执行，假设你已有Ollama二进制）：
注意：如果宿主机没有GPU，Ollama会使用CPU运行，速度较慢。此时可以考虑使用OpenRouter等云端API。
步骤4：测试Ollama服务（可选）
是什么：发送一个简单请求，验证Ollama是否正常工作。
为什么：确保API可用，避免后续AI工具调用失败。
如何操作：
GPT plus 代充 只需 145 如果返回包含"3"的JSON，说明服务正常。
步骤5：创建并运行Docker容器
是什么：从Docker Hub拉取预构建镜像，创建容器并进入交互式Shell。
为什么 ：镜像已包含所有工具和依赖，你无需手动安装。
如何操作：
参数解释：
- ：容器名。
- ：容器内的主机名。
- ：赋予容器特权，以便启动SSH等系统服务。
- ：使用宿主机网络，方便容器访问宿主机上的Ollama（若Ollama在宿主机）。
- ：将当前目录挂载到容器的，方便交换文件。
- ：工作目录设为。
执行后，你会进入容器的bash提示符。后续操作均在容器内进行。
步骤6：初始化默认配置
是什么 ：运行容器内的脚本，它会重置一些工具的默认配置，确保环境干净。
为什么：避免之前使用残留的配置影响当前实验。
如何操作：
GPT plus 代充 只需 145
步骤7：切换模型供应商（以使用本地qwen3.5:9b为例）
是什么：运行Python脚本，修改AI工具的配置文件，让它们指向你的Ollama服务。
为什么：Claude Code、Codex等默认使用官方API（如Anthropic、OpenAI），我们需要将它们重定向到自己的Ollama端点。
如何操作：
参数解释：
- ：Ollama API地址（容器内访问宿主机用127.0.0.1）。
- ：模型名称。
- ：Ollama不需要真实key，填任意值。
- ：无需代理
脚本会修改、等文件，将API基础URL指向你的Ollama。
步骤8：集成飞书机器人（OpenClaw，可选）
是什么：OpenClaw是一个AI网关，可以将飞书群聊中的消息转发给模型，并返回应答。
为什么：如果你想在团队协作中测试AI能力，或者用飞书作为交互界面，这个配置很有用。
如何操作：
8.1 设置模型及飞书App ID/Secret
GPT plus 代充 只需 145 8.2 启动网关
8.3 浏览器访问管理界面
打开 即可查看状态。
步骤9：配置Web SSH（easynode，可选）
是什么：easynode是一个基于Web的SSH客户端，让你在浏览器里就能操作容器终端，无需安装额外软件。
为什么：方便从任何设备（包括手机）登录容器，尤其当容器部署在云端时。
如何操作：
9.1 设置SSH密码并启动SSH服务
9.2 启动easynode
9.3 获取自动生成的登录凭据
示例输出：
9.4 浏览器访问
打开 ，输入上面的用户名和密码，即可获得Web终端。
步骤10：使用三款AI编程工具
现在环境已就绪，你可以开始体验了！
10.1 Claude Code
首次运行会提示登录，按指引操作（若已配置模型切换，会直接使用你的Ollama）。之后即可在终端中与Claude对话，让它帮你写代码、解释代码等。
10.2 Codex（OpenAI Codex）
注意： 参数会绕过安全确认，适合实验环境。
10.3 OpenCode
OpenCode是一个开源实现，界面类似。输入可以切换模型。
步骤11：其他有用命令
11.1 更新工具到最新版本
11.2 切换不同模型/供应商的示例
支持多种场景：
GPT plus 代充 只需 145 11.3 针对OpenCode的特殊说明
OpenCode默认使用Anthropic API，如果你通过OpenRouter使用Claude模型，需要先登录OpenRouter：
步骤12：进阶——使用MCP（模型上下文协议）
是什么：MCP是一种让AI模型调用外部工具（如股票查询、数据库查询）的协议。通过MCP，你可以赋予AI编程助手实时获取信息的能力。
为什么：比如让Claude帮你查股票行情，它需要调用外部API，MCP就是桥梁。
如何操作（以股票MCP为例）：
- 在容器外 （或另一个终端）启动MCP服务：
GPT plus 代充 只需 145
之后在Claude Code中提问关于股票的问题，它会自动调用MCP工具获取数据。
Q：容器内无法访问宿主机的Ollama？
A：检查是否使用了，并确认宿主机Ollama监听在（而非）。在容器内用测试。
Q：AI工具报错"Invalid API Key"？
A：Ollama不需要真实key，但工具可能要求非空，脚本已填入"test"。如果使用OpenRouter，务必填入有效密钥。
Q：easynode无法访问？
A：确认防火墙开放了8092端口，并且容器内正常运行。查看日志。
Q：我想用其他模型（如DeepSeek）？
A：通过指定对应模型的base_url和model_name。如果是Ollama模型，先。
通过本文，你应该能成功搭建一个集成了Claude Code、Codex、OpenCode的Docker环境，并自由切换不同模型。这个环境不仅是对比测试的利器，也是学习AI编程助手、探索MCP的绝佳平台。希望你能用这个环境发现更多有趣的用法，也欢迎分享你的测试结果和心得！
如果你在搭建过程中遇到问题，或有改进建议，欢迎在评论区留言交流。祝你玩得开心！
资源链接
- 股票MCP仓库：https://github.com/xinkuang/china-stock-mcp
- 社区Skill分享：https://awesomeclaude.ai/
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/242583.html