[特殊字符] Docker + LMArena2API 部署全流程：从环境准备到接口调用，一步到位

前言

在 AI 浪潮席卷的当下，LMArena.ai 平台凭借丰富的大语言模型资源、多场景榜单对比优势，成为很多开发者测试、调用前沿 AI 模型的首选平台。而 LMArena2API 作为一款强大的开源工具，充当了 OpenAI 兼容接口与 LMArena.ai 平台之间的"桥梁"，能让我们通过任意兼容 OpenAI API 的应用（如 AI 聊天客户端、编程插件），无缝调用 LMArena.ai 上的海量模型，还支持流式对话、文生图、Cookie 池配置等实用功能。

但实际部署 LMArena2API 时，不少开发者会陷入"环境配置混乱、依赖冲突、Cloudflare 验证绕坑难"的困境------本地环境版本不兼容、依赖包安装失败、部署后无法正常调用接口，甚至花费大量时间排查问题，最终半途而废。而 Docker作为容器化技术的代表，恰好能解决这些痛点：它将 LMArena2API 及其所需的运行环境、依赖包全部打包成标准化镜像，实现"一次构建、到处运行"，彻底告别"在我电脑上能跑，部署就报错"的尴尬。

基于此，我整理了这份详细的 Docker 部署 LMArena2API 指南，从核心准备、镜像拉取、容器配置，到接口测试、常见问题排查，每一步都搭配清晰说明和实操命令，同时重点标注部署中的关键注意事项（如 Cloudflare 验证适配、Cookie 池配置技巧），无论是 AI 新手还是有一定经验的开发者，都能跟着教程快速完成部署，轻松解锁 LMArena.ai 的全部模型能力。

下载地址：

好像进官网要魔法？我不用的话好像进不去，你们尝试一下看看

进入口之后：

这访问的 arena.ai 是 LMSYS Org 官方的 Chatbot Arena 在线平台，它主要用于模型的公开评测和排名，并不提供一键部署或下载。

这个网站是 Arena.ai，它是一个专注于AI大模型对比评测的在线平台。

这个平台的核心玩法是"盲测"：你可以在同一个界面，向两个匿名的顶尖AI模型（比如GPT-4、Claude、Gemini等）发送同一个问题，然后对比它们的回复，选出你认为更好的一个。你的每一次投票，都会帮助平台生成一个更贴近真实用户体验的AI模型排行榜。

为什么它值得关注？

免费体验顶级模型

你无需为GPT-4、Claude等付费模型单独订阅，在Arena.ai上就能免费体验它们的最新能力。

找到最适合你的AI

不同模型擅长的领域不同，有的强于写代码，有的强于创意写作。通过实际对比，你可以找到最符合你需求的AI助手。

了解AI行业动态

平台的排行榜会实时更新，是观察哪个模型最近变强了、哪家发布了新模型的绝佳窗口。

如何使用？

使用非常简单，无需安装，打开网页即可：

在中间的输入框里输入你的问题或指令。

系统会同时让两个匿名模型进行回复。

你阅读后，选择你认为更优的答案进行投票。

这个平台非常适合想深入了解和对比各大AI模型能力的用户。

🐳 使用 Docker 部署 LMArena2API

这是最简单、最推荐的部署方式，可以确保环境一致性，避免依赖冲突。社区中有一个名为 lmarena2api 的开源项目，它封装了 LMArena 的功能，让你可以在自己的服务器上搭建一个私有的访问接口。

第一步：准备环境

确保你的服务器或本地电脑已经安装了 Docker 和 Docker Compose。

在运行容器之前，你需要准备两个关键的 Cookie 值，这是项目能够正常工作的核心：

LA_COOKIE
CF_CLEARANCE

这两个值通常需要通过浏览器访问 LMArena 官网，在开发者工具的"网络"（Network）面板中，找到相关请求并复制其请求头（Request Headers）里的 Cookie 字段获得。

这是最关键的一步。你需要从 arena.ai 官网获取两个关键的 Cookie 值：LA_COOKIE 和 CF_CLEARANCE。

打开浏览器，登录 arena.ai。
按 F12 打开开发者工具，切换到"网络 (Network)"标签。
在网站上进行一次对话，然后在网络请求列表中找到一个 POST 请求（例如 v1/worker/get_conversation）。
点击该请求，在"请求头 (Request Headers)"部分找到 Cookie 字段，从中复制出 LA_COOKIE 和 CF_CLEARANCE 的值。

具体操作步骤：

清空当前列表：点击开发者工具左上角的 🚫（禁止）图标，清空当前的网络请求记录，这样更容易找到新产生的请求。

触发一个对话请求 ：回到网页，在输入框里随便输入一个词（比如"你好"），然后发送。

若你是第一次打开网站，大概率会出现这个界面

安全验证已触发：页面中间的弹窗说明网站正在通过 reCAPTCHA 验证你的身份，这是获取有效 Cookie 的前置条件。

目标请求已出现 ：在开发者工具的列表中，你可以看到 create-evaluation 这个请求，这正是我们寻找的、用于创建对话的核心 API 请求。虽然它目前显示为 403（禁止访问），但这恰恰证明了请求已被服务器接收，只是因为你尚未通过验证，所以被拒绝了。

你需要做的就是完成这个安全验证，然后从 create-evaluation 请求中复制 Cookie。

完成安全验证：点击弹窗中的复选框，完成 reCAPTCHA 验证。如果验证成功，弹窗会消失，你就可以正常与 AI 对话了。

重新发送请求 ：验证通过后，再次在输入框里发送一条消息（比如"你好"），这会触发一个新的 create-evaluation 请求。

获得新的 create-evaluation 请求有点难

虽然成功找到了 create-evaluation 这个核心请求，但服务器因为验证失败拒绝了它，这意味着当前获取到的 Cookie 是无效的。

这正是 LMSYS 网站最让人头疼的地方------它的反爬机制非常严格。

为什么会出现 403 错误

简单来说，LMSYS 的服务器在收到请求时，会检查 Cookie 里的两个关键字段：

cf_clearance: 这是 Cloudflare 防火墙颁发的"通行证"，证明你不是机器人。
arena-auth-prod-v1: 这是你的登录凭证。

你的截图显示，你虽然拿到了 Cookie，但服务器认为你的验证（reCAPTCHA）超时了，所以直接拒绝了请求（403 Forbidden）。这通常是因为 Cookie 过期了，或者是在非浏览器环境下（比如直接用代码请求）被防火墙拦截了。

要解决这个问题，你需要模拟一个"真实用户"的行为来获取最新的 Cookie。

方法一：手动刷新获取（最简单）

清除缓存 ：在浏览器中，按 Ctrl + Shift + Delete（Mac 是 Cmd + Shift + Delete），清除 Cookie 和缓存。
无痕模式打开：打开浏览器的"无痕/隐身模式"，访问 LMSYS 网站。
完成验证 ：此时网站会弹出 reCAPTCHA 验证框，务必手动完成验证。
再次发送消息：验证通过后，在聊天框发送一条消息。
复制新 Cookie ：此时再去找 create-evaluation 请求，复制它的 Cookie。这个 Cookie 应该是"新鲜"且有效的。

方法二：使用浏览器插件（推荐）

手动操作太麻烦？可以使用浏览器插件来自动管理 Cookie。

安装插件：在 Chrome 或 Edge 浏览器中安装 EditThisCookie 或 Cookie-Editor 插件。
导出 Cookie：在 LMSYS 网站页面，点击插件图标，选择"导出"或"复制为 JSON"。
在 Docker 中使用：将导出的 JSON 格式的 Cookie 字符串，作为环境变量传入 Docker 容器。

总结

你现在的状态是"找到了门，但钥匙不对"。只要按照上述方法，在无痕模式下重新完成一次验证，获取到最新的 Cookie，你的 Docker 部署就能成功了。

以下这个显示200ok的就是正确的cookie

锁定目标请求 ：发送后，网络面板会立刻出现新的请求。你需要寻找一个名称类似于 v1/chat/completions 或 v1/worker/get_conversation 的 POST 请求。

复制 Cookie ：点击这个 POST 请求，在右侧的"请求头"（Request Headers）部分，找到 Cookie 这一行。这一长串字符里就包含了我们需要的 LA_COOKIE 和 CF_CLEARANCE。

第三步：运行 Docker 命令

打开终端，执行以下命令来拉取并运行镜像。请务必将命令中的占位符替换为你自己的实际值。

方案一：自己构建镜像（最稳妥，推荐）

如果你是从 GitHub 或其他地方下载了代码（比如 Dockerfile），你需要先"制造"一个镜像。

找到 Dockerfile ：

在你的代码文件夹里，应该有一个叫 Dockerfile 的文件（没有后缀名）。
打开终端（命令行） ：

进入这个 Dockerfile 所在的文件夹。
运行构建命令 ：

输入以下命令来创建镜像，并给它起个名字叫 lmarena-bot
复制代码
```
docker build -t lmarena-bot .
```
(注意：命令最后有个点 .，代表当前目录)

等待进度条跑完，显示 Successfully built ... 后，你就有了镜像名称 lmarena-bot。

若没有下好源码

这里有两种最可能的情况，你可以看看你是哪一种：

情况一：你在用 Browser Use（浏览器自动化）

看你的截图标题栏有 Browser Use，这通常是一个 Python 库，用来让 AI 控制浏览器。如果你是想运行它的示例代码：
去 GitHub 下载代码：

打开浏览器，访问这个地址：https://github.com/browser-use/browser-use

点击绿色的 "Code" 按钮，选择 "Download ZIP"。

解压下载好的压缩包。

准备运行环境（这一步比 Docker 更直接）：

这个项目主要是 Python 写的，不一定非要用 Docker。

你需要安装 Python。

在解压的文件夹里打开终端，运行 pip install browser-use。
写一个脚本 ：

新建一个 main.py，把 Cookie 放进去：
复制代码
import asyncio
from browser_use import Browser, BrowserConfig

async def main():
    # 把你的长串 Cookie 放在这里
    my_cookie = "user_country_code=JP; _ga=GA1.1..."

    browser = Browser(
        config=BrowserConfig(
            # 这里填入你的 Cookie
            cookies=my_cookie
        )
    )
    # ... 你的其他代码 ...

asyncio.run(main())
情况二：你在用 LMSYS Arena 的第三方 Docker 镜像

如果你是在找那个能自动跑 Arena 对战的 Docker 机器人（Bot），你需要找到提供这个镜像的 GitHub 项目。

最知名的开源项目是 lmsys-org/arena-hard-auto 或者类似的社区项目。

操作步骤：
下载代码：

访问 GitHub：https://github.com/lmsys-org/arena-hard-auto (或者你具体参考的那个项目的地址)

同样点击 "Code" -> "Download ZIP"。

解压。
构建镜像：
进入解压后的文件夹。

你应该能看到一个 Dockerfile。

在文件夹地址栏输入 cmd 或 powershell 打开终端。
运行构建命令（给它起名叫 arena-bot）：
复制代码
docker build -t arena-bot .
总结
先找代码 ：去 GitHub 搜你正在用的工具名（比如 Browser Use 或 LMSYS Arena Bot）。

下载解压：把代码下到电脑上。

构建镜像 ：在代码文件夹里用 docker build 命令生成镜像。
运行容器 ：构建完成后，就可以运行刚才生成的 arena-bot 镜像了：
*
复制代码
  docker run -d --name my-arena-run `
    -e FULL_COOKIE_STRING="你那一长串Cookie" `
    arena-bot

方案二：使用现成的公共镜像（如果有）

如果你是在网上找的教程，通常作者会提供一个现成的镜像地址。

常见的镜像名格式 ：通常是 用户名/仓库名:版本。
如果你找不到：你可以去 Docker Hub 搜一下你使用的这个项目的名字。

拿到镜像名后的完整步骤

假设你用了方案一 ，你的镜像名就是 lmarena-bot。

复制你的 Cookie ：

把你刚才截图里的那一长串 Cookie 准备好。
运行完整的 Docker 命令 ：

请把下面的 <你的长串Cookie> 替换成你刚才截图里的那一长串内容（记得保留外面的引号 ""）。

docker run --name lmarena2api -d --restart always
-p 10088:10088
-v $(pwd)/data:/app/lmarena2api/data
-e LA_COOKIE=你的_LA_COOKIE值
-e CF_CLEARANCE=你的_CF_CLEARANCE值
-e API_SECRET="自定义的API密钥"
-e TZ=Asia/Shanghai
deanxv/lmarena2api

命令参数详解：

--name lmarena2api: 为容器指定一个名称。
-d: 让容器在后台运行。
--restart always: 设置容器随 Docker 服务自动启动。
-p 10088:10088: 将宿主机的 10088 端口映射到容器的 10088 端口，这是 API 服务的访问端口。
-v $(pwd)/data:/app/lmarena2api/data: 将当前目录下的 data 文件夹挂载到容器内，用于持久化保存数据。
-e LA_COOKIE 和 -e CF_CLEARANCE: 设置前面获取到的环境变量。
-e API_SECRET: 设置一个自定义的密钥，用于保护你的 API 接口，防止被他人滥用。
-e TZ=Asia/Shanghai: 设置容器时区为上海时间。

第四步：处理镜像拉取问题

如果上述命令中的 deanxv/lmarena2api 镜像无法拉取（例如网络问题），可以尝试使用 GitHub 的容器镜像仓库。只需将镜像名称替换为：
ghcr.io/deanxv/lmarena2api

第五步：验证部署

部署成功后，你可以通过访问 http://你的服务器IP:10088 来测试服务是否正常运行。如果配置了 API_SECRET，调用 API 时需要在请求头中带上这个密钥。

这个项目还提供了强大的监控功能，例如实时统计 QPS、响应时间，并能与 Prometheus 和 Grafana 集成，非常适合用于生产环境的性能分析和告警。

[特殊字符] Docker + LMArena2API 部署全流程：从环境准备到接口调用，一步到位

前言

下载地址：

为什么它值得关注？

如何使用？

🐳 使用 Docker 部署 LMArena2API

第一步：准备环境

第二步：获取必要的 Cookie