AI编程助手Claude Code、Codex、OpenCode一站式Docker环境

Hi202402172026-03-16 13:19

AI编程助手Claude Code、Codex、OpenCode一站式Docker环境

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。

一、为什么要搭建这样一个环境？

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。

二、相关截图

二、整体架构与核心概念

在开始操作前，先理解几个关键组件：

组件 是什么 为什么需要
Docker 容器化平台，将应用及其依赖打包成轻量级、可移植的容器 隔离环境，避免污染宿主机，方便分发和部署
Ollama 大模型运行框架，可以本地运行或连接云端模型API 提供统一的模型访问接口，支持多种模型（本地/云端）
Claude Code / Codex / OpenCode 三款基于终端的AI编程助手 对比不同工具在相同模型下的表现
Web SSH (easynode) 通过浏览器访问容器内终端的工具 无需安装SSH客户端，随时随地操作容器
OpenClaw 连接飞书机器人的AI网关 将AI能力接入聊天工具，实现自动化办公
MCP (Model Context Protocol) 模型上下文协议，允许AI工具调用外部工具（如股票API） 扩展AI能力，实现与真实世界交互

三、准备工作（是什么 & 为什么）

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。

四、详细操作步骤（如何操作）

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：

bash 复制代码 
# 安装Ubuntu 24.04发行版
wsl --install Ubuntu-24.04

# 进入WSL环境
wsl

# 切换到root用户（后续操作需要权限）
sudo su

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）：

bash 复制代码 
# 更新软件包索引
apt update

# 安装必要工具
apt install -y curl wget sudo

# 添加Docker官方GPG密钥（使用阿里云镜像加速）
curl -fsSL https://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

# 添加Docker稳定版仓库
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 再次更新并安装Docker
sudo apt update
sudo apt install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin

# 验证安装
docker --version

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）：

bash 复制代码 
# 先关闭可能运行的Ollama进程（避免端口冲突）
pkill ollama

# 设置环境变量优化性能
export OLLAMA_NUM_PARALLEL=1      # 并行请求数，设为1可避免OOM
export OLLAMA_FLASH_ATTENTION=1    # 启用FlashAttention加速
export OLLAMA_KEEP_ALIVE=-1        # 模型常驻内存
export OLLAMA_HOST=0.0.0.0:8000    # 监听所有网卡的8000端口

# 后台启动Ollama服务
nohup ollama serve &

# 如果你需要使用云端模型（如minimax），先登录
ollama signin

# 拉取一个云端模型（免费版有速率限制）
ollama pull minimax-m2.5:cloud

# 拉取一个本地模型（这里使用qwen3.5:9b）
ollama pull qwen3.5:9b

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：

bash 复制代码 
curl -X POST "http://localhost:8000/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-local" \
  -d '{
    "model": "qwen3.5:9b",
    "messages": [{"role": "user", "content": "1+2=?"}],
    "temperature": 0.2
  }' | jq '.'

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swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/hi20240217/pub:claudecode_codex_opencode_openclaw已包含所有工具和依赖，你无需手动安装。

如何操作：

bash 复制代码 
# 停止并删除同名容器（如果之前存在）
docker stop cowxl 2>/dev/null
docker rm cowxl 2>/dev/null

# 运行新容器
docker run -itd --name cowxl --hostname cowxl --privileged \
  --net=host \
  -v $PWD:/app \
  -w /app \
  swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/hi20240217/pub:claudecode_codex_opencode_openclaw /bin/bash
docker start cowxl
docker exec -ti cowxl bash

参数解释：

  • --name cowxl：容器名。
  • --hostname cowxl：容器内的主机名。
  • --privileged：赋予容器特权，以便启动SSH等系统服务。
  • --net=host：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）。
  • -v $PWD:/app：将当前目录挂载到容器的/app，方便交换文件。
  • -w /app：工作目录设为/app。

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/opt/reset.sh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：

bash 复制代码 
/opt/reset.sh

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：

bash 复制代码 
python /opt/switch_model.py \
  --base_url "http://127.0.0.1:8000" \
  --model_name "qwen3.5:9b" \
  --api_key "test" \
  --proxy ""

# 使环境变量生效（脚本会修改.bashrc）
source ~/.bashrc

参数解释：

  • --base_url：Ollama API地址（容器内访问宿主机用127.0.0.1）。
  • --model_name：模型名称。
  • --api_key：Ollama不需要真实key，填任意值。
  • --proxy：无需代理

脚本会修改/root/.claude-mem/settings.json、/root/.codex/config.toml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
bash 复制代码 
# 配置飞书应用凭证（需提前在飞书开放平台创建应用）
openclaw config set channels.feishu.appId "<你的appId>"
openclaw config set channels.feishu.appSecret "<你的appSecret>"

# 设置网关端口和鉴权token,后面http登陆需要传入这个token
openclaw config set gateway.port 8989
openclaw config set gateway.auth.token "5903a6b692241a37fd0d17b0b08f639b9214e9de1793decd"

# 配置模型（Ollama）
openclaw config set models.providers.ollama.models[0].name "qwen3.5:9b"
openclaw config set models.providers.ollama.models[0].id "qwen3.5:9b"
openclaw config set models.providers.ollama.apiKey "xxx"

# 设置默认使用的模型
openclaw config set agents.defaults.model.primary "ollama/qwen3.5:9b"
8.2 启动网关
bash 复制代码 
nohup openclaw gateway > /app/openclaw.log 2>&1 &
8.3 浏览器访问管理界面

打开 http://你的服务器IP:8989/#token=5903a6b692241a37fd0d17b0b08f639b9214e9de1793decd 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
bash 复制代码 
# 设置root密码（Hello123仅作示例，建议修改）
export passwd=Hello123 && printf "${passwd}\n${passwd}\n"  | passwd root

# 启动SSH服务（脚本会启动sshd）
nohup sudo /usr/bin/run.sh &
9.2 启动easynode
bash 复制代码 
export ENABLE_HTTPS=1          # 启用HTTPS
export HOST=0.0.0.0             # 监听所有IP
cd /easynode
rm /easynode/app/db -rf
nohup npm start > /easynode/log.txt 2>&1 &
9.3 获取自动生成的登录凭据
bash 复制代码 
cat /easynode/log.txt | egrep "用户名|密码"

示例输出：

复制代码 
2026-03-11 15:48:11.089 [INFO] - 用户名: xSaHiazw
2026-03-11 15:48:11.089 [INFO] - 密码: FA7EsYQx
9.4 浏览器访问

打开 https://你的服务器IP:8092/，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
bash 复制代码 
claude

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）
bash 复制代码 
codex --dangerously-bypass-approvals-and-sandbox

注意：--dangerously-bypass-approvals-and-sandbox 参数会绕过安全确认，适合实验环境。

10.3 OpenCode
bash 复制代码 
opencode

OpenCode是一个开源实现，界面类似。输入/model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
bash 复制代码 
npm update -g @openai/codex
npm update -g @anthropic/claude-code
curl -fsSL https://opencode.ai/install | bash
11.2 切换不同模型/供应商的示例

switch_model.py支持多种场景：

bash 复制代码 
# 切换到qwen3.5:27b
python /opt/switch_model.py --base_url "http://127.0.0.1:8000" \
  --model_name "qwen3.5:27b" --api_key "test" --proxy ""
source ~/.bashrc
# 切换到Ollama上的另一个云端模型
python /opt/switch_model.py --base_url "http://127.0.0.1:8000" \
  --model_name "glm-5:cloud" --api_key "test" --proxy ""
source ~/.bashrc

# 切换到OpenRouter（聚合多家模型API）
python /opt/switch_model.py --base_url "https://openrouter.ai/api" \
  --model_name "minimax/minimax-m2.5" \
  --api_key "<你的api_key>" \
  --proxy ""

# 如果OpenRouter需要代理（如访问Claude模型）
python /opt/switch_model.py --base_url "https://openrouter.ai/api" \
  --model_name "anthropic/claude-sonnet-4.6" \
  --api_key "你的OpenRouter密钥" \
  --proxy "http://<你的代理服务器>:端口"
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：

bash 复制代码 
opencode auth login   # 选择OpenRouter并输入API Key
opencode
/model                # 在对话中切换到OpenRouter下的对应模型

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）：

  1. 在容器外 （或另一个终端）启动MCP服务：

    bash 复制代码 
    cd /opt
git clone https://github.com/xinkuang/china-stock-mcp
cd china-stock-mcp
pip install -r requirements.txt --break-system-packages
uv run -m china_stock_mcp --streamable-http --host 0.0.0.0 --port 8081

  2. 在容器内配置Claude Code连接该MCP服务：

    bash 复制代码 
    # 添加MCP服务器
claude mcp add --transport http stripe --scope local http://localhost:8081/mcp

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。

五、常见问题与排错

Q：容器内无法访问宿主机的Ollama？

A：检查是否使用了--net=host，并确认宿主机Ollama监听在0.0.0.0:8000（而非127.0.0.1）。在容器内用curl 127.0.0.1:8000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nohup npm start正常运行。查看日志cat /easynode/log.txt。

Q：我想用其他模型（如DeepSeek）？

A：通过switch_model.py指定对应模型的base_url和model_name。如果是Ollama模型，先ollama pull。

六、结语

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

相关推荐
孟陬2 小时前
另一个角度看 OpenClaw 分析 package.json 依赖看 2026 年包最新趋势
人工智能·ai编程
minstbe2 小时前
IC设计私有化AI助手实战：基于Docker+OpenCode+Ollama的数字前端综合增强方案（基础版）
前端·人工智能·docker
Keanu-2 小时前
【无标题】
docker·云原生
程序员鱼皮2 小时前
VSCode + Copilot 保姆级 AI 编程实战教程，免费用 Claude，夯爆了！
vscode·ai·程序员·编程·ai编程
Benszen3 小时前
Kubernetes容器编排：从入门到精通
云原生·容器·kubernetes
feidaji3 小时前
ubuntu 20 安装openclaw
人工智能·aigc·ai编程
小虎AI生活4 小时前
OpenClaw 筛掉了 90%的人，这个工具专门来接这 90%
ai编程
火车叼位4 小时前
Docker 全量备份恢复实战：可离线、可迁移、可复原的标准方案
运维·docker
热门推荐
01GitHub 镜像站点02Qwen3.5 开源全解析：从 0.8B 到 397B，代际升级 + 全场景选型指南03OpenClaw 使用和管理 MCP 完全指南04本地部署 OpenClaw + DeepSeek-R1 完全指南05OpenClaw macOS 完整安装与本地模型配置教程（实战版）06UV安装并设置国内源07Openclow安装保姆级教程08OpenClaw Control UI安全上下文访问配置09OpenClaw 飞书机器人不回复消息？3 小时踩坑总结10在 Windows 上配置 Claude Code从安装到解决网络问题