【AI实战日记-手搓聊天机器人】Day 15 (大结局)：一行命令交付！Docker 容器化部署全栈 AI 应用

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

历经 15 天的硬核开发，Project Echo 终于迎来了最终交付。为了彻底解决“在我电脑上能跑”的环境依赖噩梦，今天我们将引入 Docker 和 Docker Compose。我们将编写多阶段构建的 Dockerfile，配置 Nginx 反向代理，并编排 Backend、Frontend、Redis 三大容器。只需一个 docker-compose up -d 指令，即可在任何服务器上拉起这套包含 RAG、VAD 和多模态交互的完整 AI 系统。

根据项目路线图，这是最后一块拼图。

在 Day 14，我们还得分别开两个终端跑 python server.py 和 npm run dev，还要单独开一个 Redis。这在生产环境是不可接受的。

Docker 的作用：把代码、环境、依赖全部塞进一个个“集装箱”里，保证在任何地方运行效果都一样。

部署架构图 (Architecture Diagram)

1. 编写 Dockerfile.backend

# 基础镜像 FROM python:3.10-slim

设置工作目录

WORKDIR /app

安装系统依赖 (ffmpeg 用于音频处理, build-essential 用于编译)

RUN apt-get update && apt-get install -y

ffmpeg build-essential && rm -rf /var/lib/apt/lists/*

复制依赖文件并安装

(利用 Docker 缓存层，代码变动不影响依赖安装)

COPY requirements.txt . RUN pip install –no-cache-dir -r requirements.txt

复制所有源代码

COPY . .

暴露端口

EXPOSE 8000

启动命令

CMD [“python”, “server.py”]

2. 修改配置 (src/config/settings.py)

关键点：在 Docker 内部，不能用 localhost 连接 Redis，必须用 Redis 容器的服务名（我们稍后定义为 echo-redis）。

class Config:

# ... 其他配置 ... # 优先读取环境变量，如果没有则回退到 localhost (本地开发用) # 在 docker-compose.yml 中我们会注入 REDIS_URL=redis://echo-redis:6379/0 REDIS_URL = os.getenv("REDIS_URL", "redis://localhost:6379/0")

前端 Vue 需要先编译成静态 HTML/CSS/JS 文件，然后用 Nginx 进行服务。

1. 编写 Dockerfile.frontend

在 echo-client 目录下（或者根目录，注意路径）新建 Dockerfile.frontend。

# — Stage 1: Build (编译阶段) — FROM node:18 AS builder

WORKDIR /app COPY echo-client/package*.json ./ RUN npm install

COPY echo-client/ .

这一步会生成 dist 文件夹

RUN npm run build

— Stage 2: Serve (运行阶段) —

FROM nginx:alpine

把编译好的 dist 文件夹复制到 Nginx 目录

COPY –from=builder /app/dist /usr/share/nginx/html

暴露 80 端口

EXPOSE 80

启动 Nginx

CMD [“nginx”, “-g”, “daemon off;”]

这是大结局的魔法时刻。我们将创建一个 docker-compose.yml 文件，把所有东西串起来。

文件：docker-compose.yml (放在项目根目录)

version: ‘3.8’

services: # 服务 1: 后端 API echo-backend:

build: context: . dockerfile: Dockerfile.backend container_name: echo-backend ports: - "8000:8000" environment: # 注入环境变量 - REDIS_URL=redis://echo-redis:6379/0 # 记得把你的 .env 里的 Key 也填在这里，或者使用 env_file - DEEPSEEK_API_KEY=${DEEPSEEK_API_KEY} - BASE_URL=${BASE_URL} volumes: # 挂载 RAG 数据库，保证重启不丢失 - ./data/chroma_db:/app/data/chroma_db # 挂载静态文件目录，保证生成的语音不丢失 - ./static:/app/static depends_on: - echo-redis networks: - echo-network

# 服务 2: 前端 Vue echo-frontend:

build: context: . dockerfile: Dockerfile.frontend container_name: echo-frontend ports: - "80:80" depends_on: - echo-backend networks: - echo-network

# 服务 3: Redis 数据库 echo-redis:

image: redis:latest container_name: echo-redis ports: - "6379:6379" volumes: # Redis 数据持久化 - redis_data:/data networks: - echo-network

定义数据卷

volumes: redis_data:

定义网络

networks: echo-network:

driver: bridge

🔐 环境变量小贴士

在根目录创建一个 .env 文件（Docker Compose 会自动读取）：

DEEPSEEK_API_KEY=sk-xxxxxxx BASE_URL=https://api.deepseek.com

启动：
打开终端，在根目录执行：

codeBash
```
docker-compose up -d –build
```
- –build: 强制重新构建镜像。
- -d: 后台运行。
等待：
你会看到 Docker 疯狂刷屏，下载 Python、Node 环境，安装依赖… 这可能需要几分钟，喝杯咖啡吧 ☕。
验证：
- 访问前端：打开浏览器 http://localhost (无需加端口，默认80)。
- 访问后端文档：打开 http://localhost:8000/docs。

如果一切顺利，你会看到那个熟悉的 Vue 聊天界面。但这一次，它不再依赖你的 VS Code，而是运行在独立的容器中。哪怕你把代码删了（别真删），只要容器在，服务就在！

1. 我们做到了什么？

✅ 全栈架构：Vue3 + FastAPI + Redis + ChromaDB。
✅ 超级大脑：集成 RAG 知识库与 Multi-Query 检索。
✅ 多模态交互：支持 VAD 语音打断、STT 听觉、TTS 情感语音。
✅ 生产级交付：完全 Docker 化，随时可以部署到阿里云/腾讯云。

2. 未来的路 (Roadmap 2.0)

AI 的世界没有终点。后期我还将尝试对这个项目进行更多的优化，例如：

多模态视觉：给它装上眼睛（GPT-4o-mini Vision），让它看懂图片。
数字人：接入 Live2D 或 UE5，让傲娇酱拥有虚拟形象。
Agent 能够：给它联网搜索的能力，甚至让它帮你写代码。

感谢你陪伴，这不仅是一个项目，它也是通往 AI 全栈工程师的入场券，后面我将继续从项目入手，继续深入讲解现代AI在实际项目中的运用，希望借助这种形式和大家共同学习成长。