Build and Deploy Your First AI Agent in 25 minutes
三句話摘要
用 Claude Code、LangChain 和 Docker 建立購物代理,並部署到 hosting.com 的虛擬私人伺服器。 透過 Claude Code 編寫、Docker 容器化、VPS 部署的完整流程,任何具備基本技術概念的人都能快速將 AI 代理從本地原型推送到生產環境,這是現代 AI 工程師必備的職業技能。 無代碼設計的力量:即使沒有編程基礎,透過 Claude Code 和清晰的業務需求描述,就能快速生成生產級別的代理應用,這改變了 AI 工程師的角色定位——從寫代碼轉變為指導模型完成設計決策。
重點整理
無代碼設計的力量:即使沒有編程基礎,透過 Claude Code 和清晰的業務需求描述,就能快速生成生產級別的代理應用,這改變了 AI 工程師的角色定位——從寫代碼轉變為指導模型完成設計決策。
開源模型的可行性:Grok 雲平台提供 GPT OSS 120 億參數模型的免費調用,配合 LangChain 的工具集成能力,可以構建具有數據庫查詢、訂單處理等複雜功能的代理,無需高成本的商業模型。
容器化部署的必要性:透過 Docker 容器化,代碼環境從本地開發轉移到雲端時無需額外調整,確保「在我機器上可以執行」的承諾在生產環境同樣成立,降低部署風險。
職業技能的現實性:VPS 部署代表工業級應用的標準實踐——而非本地執行——掌握雲端運維技能對求職和真實項目開發至關重要。
實用技巧與重點
- 模型及平台:GPT OSS 120B(Grok 雲平台免費)、OPUS 5.5(Claude)、LangChain 框架、Streamlit UI、UV 套件管理器
- 技術棧:Python 3.12 slim、Docker Compose、SQLite 資料庫、SSH 遠端訪問
- 資料庫設計:三個表格(products、reviews、orders)
- hosting.com 配置:Linux VPS 8GB RAM、年度方案使用優惠碼「code basics」、30 天退款政策
- 部署流程:本地測試 → GitHub 推送 → SSH 連線 VPS → 安裝 Docker → git clone → docker compose up
- VPS 連線指令:`ssh root@[server-ip]`,密碼透過產品面板複製
- 啟動容器指令:`docker compose up --build`
- 環境變數:`.env` 檔案存放 `GROK_API_KEY`
結論
透過 Claude Code 編寫、Docker 容器化、VPS 部署的完整流程,任何具備基本技術概念的人都能快速將 AI 代理從本地原型推送到生產環境,這是現代 AI 工程師必備的職業技能。
完整解析
影片展示了一個完整的 AI 應用從開發到生產部署的全流程。首先介紹購物代理的需求——用戶可以按價格、評分等條件搜尋產品、下訂單、查看評論。在架構層面,代理由 LLM 驅動,接收用戶提問後透過 LangChain 工具調用數據庫 SQL 查詢。為了快速原型化,講者使用 Claude Code 編寫提示,指定框架選擇(LangChain + Streamlit)、模型(OPUS 5.5)、套件管理器(UV),即使不懂編程也能在幾分鐘內生成完整代碼。
代碼分為兩部分:`setup_db.py` 建立含產品與評論的 SQLite 資料庫,`agent.py` 透過 LangChain 定義工具集(搜尋產品、下訂單),UI 則由 Streamlit 渲染。本地測試完成後,講者說明為何需要上雲:本機掉線用戶無法訪問,而雲端的 VPS(虛擬私人伺服器)提供 24/7 可用性。
部署過程分為幾個關鍵步驟。首先在 hosting.com 購買 8GB Linux VPS(年度方案含優惠),透過產品面板取得 IP、用戶名(root)與密碼。再透過 SSH 連線遠端伺服器,建立專案目錄並從 GitHub clone 代碼。在 VPS 上安裝 Docker 和相關外掛(docker buildx、docker compose),使得容器構建與運行可自動化。
Dockerfile 設定含關鍵細節:使用 `python 3.12 slim` 基礎映像減少体積,複製 UV 套件管理器以啟用依賴快取,工作目錄設為 `/app`,起動命令同時執行資料庫初始化和 Streamlit 應用。docker-compose.yml 管理埠對映(本地 8501 連結容器 8501)和環境變數注入。當講者在 VPS 執行 `docker compose up --build` 時,整個應用在雲端自動構建並啟動,所有人都能透過共享連結訪問全球可用的購物代理。


