开发目录和交付目录更新镜像

###1. 先进入开发目录,重新构建 cosyvoice 镜像

powershell 复制代码
cd E:\My_Dream_2026_4_7\Flower_AI

docker build -t flower-ai/cosyvoice:latest .\docker\cosyvoice

这一步的作用是把你最新的:

powershell 复制代码
docker/cosyvoice/cosyvoice_server.py

重新打进镜像。

2. 进入交付 compose 目录

powershell 复制代码
cd E:\Aflower\compose

确认这里有:

powershell 复制代码
docker-compose.yml
.env

3. 停掉旧 cosyvoice 容器

powershell 复制代码
docker rm -f cosyvoice

4. 用交付版 compose 重新启动 cosyvoice

powershell 复制代码
docker compose up -d cosyvoice

这一步会读取:

powershell 复制代码
E:\Aflower\compose\.env

也就是:

powershell 复制代码
AFLOWER_HOME=E:/Aflower
FLOWER_INTERNAL_TOKEN=...

然后把:

powershell 复制代码
E:/Aflower/data/output/cosyvoice

挂到容器:

powershell 复制代码
/app/audio

5. 检查容器是否用了正确挂载

powershell 复制代码
docker inspect cosyvoice --format "{{json .Mounts}}"

你要看到:

powershell 复制代码
E:\Aflower\data\output\cosyvoice
-> /app/audio

6. 检查 token 是否进容器

powershell 复制代码
docker exec -it cosyvoice bash -lc "echo FLOWER_INTERNAL_TOKEN=$FLOWER_INTERNAL_TOKEN"

应该输出 .env 里的那串 token。

7. 检查音频目录

powershell 复制代码
docker exec -it cosyvoice bash -lc "ls -lh /app/audio | tail -20"

宿主机也查:

powershell 复制代码
dir E:\Aflower\data\output\cosyvoice

这两个应该同步。

不要混用这两个 compose

现在规则固定下来:

powershell 复制代码
开发目录 docker-compose.yml
只用于开发调试 / build 参考

交付目录 E:\Aflower\compose\docker-compose.yml
只用于启动运行环境

如果你要启动全部交付容器:

powershell 复制代码
cd E:\Aflower\compose
docker compose up -d

如果只更新 cosyvoice:

powershell 复制代码
cd E:\My_Dream_2026_4_7\Flower_AI
docker build -t flower-ai/cosyvoice:latest .\docker\cosyvoice

cd E:\Aflower\compose
docker rm -f cosyvoice
docker compose up -d --force-recreate cosyvoice

IDEA 的作用

IDEA 里加:

powershell 复制代码
-Daflower.home=E:/Aflower

只影响 Java 后端读取:

powershell 复制代码
E:\Aflower\data
E:\Aflower\license
E:\Aflower\logs

它不会自动更新 Docker 容器。

Docker 容器必须用:

powershell 复制代码
cd E:\Aflower\compose
docker compose up -d

来启动。

彻底关闭 ComfyUI-Manager,启动时移除:

powershell 复制代码
command: >
  sh -c "
    rm -rf /comfyui/custom_nodes/ComfyUI-Manager &&
    python main.py --listen 0.0.0.0 --port 8189 --enable-cors-header --lowvram
  "
相关推荐
格数致用14 分钟前
用 MCP 让 AI 替你画图:Trae Work + drawio-mcp 完整搭建指南
ai·draw.io·mcp·traework·drawio-mcp
susu10830189113 小时前
codex配置mcp
ai
Meta394 小时前
WSL使用Open Code集成VS Code
ai
深念Y5 小时前
约束工程:如何让 AI 没法跑偏
人工智能·ai·软件工程·codex·opencode·ccsiwtch
腾视科技-AIoT6 小时前
腾视科技重磅推出TensorAI智能体平台,开启智能助手新体验
大数据·人工智能·科技·ai·ai大模型·ainas·腾视科技
腾视科技-AIoT6 小时前
腾视科技AIBOX双版本重磅发布!本地安全与全球适配,解锁视频智能新可能
大数据·人工智能·科技·ai·物理ai·ainas·腾视科技
小七-七牛开发者7 小时前
Agent 小知识 | Skill 的设计与生命周期:从工具接口到能力模块
ai·大模型·agent·token·工作流·claudecode·ai coding
阿菜ACai7 小时前
Agent Harness 是怎样和大模型交流的?
ai
金幄科技7 小时前
RAG第四篇:重排序 Rerank——粗召回之后,为什么还需要一次精排
人工智能·算法·ai·ai编程