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
wflynn8 小时前
Google 观察到首个全自动化网络攻击,AI 框架已能独立完成漏洞利用
ai·技术
zdr尽职尽责9 小时前
终端工具凭空消失:Codex + GPT-6 的一次完整排障复盘
数据库·gpt·学习·ai
佛系18912 小时前
从服务端日志精确分离搜索抓取、监控探测与真实流量的实操清单
ai·大模型·seo·geo·结构化数据·indexnow
一起学安全技术16 小时前
拆大模型 11|大模型面试拷问:12 问逐层拆
人工智能·ai·语言模型·面试·职场和发展·求职招聘
TomEval1 天前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
AI算力1 天前
企业调研——工业边缘计算隐形黑马,腾视科技以“硬件+算法”加速出海落地!
人工智能·ai·边缘计算·ai算力·无人叉车·物理ai·ainas
真上帝的左手2 天前
26. AI-大语言模型-基础
人工智能·ai·架构·llm·大语言模型
七夜zippoe3 天前
流式输出:让 AI 回答像打字机一样实时返回(SSE 全链路实战)
人工智能·spring·ai·流式输出·ssf
装不满的克莱因瓶3 天前
【AI时代必学】一篇文章教会你从零搭建Serverless架构
java·人工智能·ai·云原生·架构·serverless
七夜zippoe3 天前
多轮对话管理:Session/记忆在 Java 后端怎么存(存储设计实战)
java·开发语言·ai·session·记忆