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
doiito2 小时前
【Agent Harness】Gliding Horse 记忆系统深度剖析:像 CPU 一样思考的 AI 记忆架构
ai·rust·架构设计·系统设计·ai agent
mobility14 小时前
免费AI视频生成器:我如何用零成本做出带旁白字幕的多场景AI视频
ai·vibe coding
doiito18 小时前
【Agent Harness】Gliding Horse 给 Agent OS 装上双曲空间引擎与默克尔树边云同步
ai·rust·架构设计·系统设计·ai agent
knqiufan20 小时前
从 Python 到 TypeScript,用 GLM-5.2 跑通 PowerMem SDK 的长程任务工程
ai·memory·agentic·powermem
小白跃升坊2 天前
Codex 增强部署:基于 Codex++ 接入 DeepSeek
ai·ai编程·codex·deepseek·ai coding·codex++
AlfredZhao2 天前
GPT 省钱,不是别用最新模型,而是别浪费缓存
gpt·ai
doiito2 天前
【Agent Harness】Gliding Horse 本体论系统设计:给 AI Agent 装上“语义大脑”
ai·rust·架构设计·系统设计·ai agent
小七-七牛开发者2 天前
周一上线 | SpaceX 收购 Cursor、支付宝进入 AI 时代、DeepSeek 完成 500 亿元融资
ai·agent·token·glm·智谱·claudecode·ai coding·周一上线
doiito3 天前
【Agent Harness】为什么我把 JSON‑LD “编译成 DAG” 后,整个 Agent 平台立刻聪明了
ai·rust·架构设计·系统设计·ai agent
xiezhr3 天前
折腾半小时,终于让AI 能直接帮我写飞书文档了
ai·飞书·ai agent·飞书cli·飞书文档