准备工作
准备FreeBSD虚拟机
因为考虑到系统的健壮性和ZFS文件系统,选型使用FreeBSD!
下载文件
准备创建开发虚拟机,到这里下载:Index of /snapshots/VM-IMAGES/16.0-CURRENT/amd64/Latest/
或者到这里下载15.1 :Index of /snapshots/VM-IMAGES/15.1-STABLE/amd64/Latest/
Cloud-Init 就是虚拟机的**"自动初始化脚本引擎"**。但是FreeBSD里面只有 qcow2 和 raw 格式 .
自动化大批量部署用cloud,个人单独用普通就行,中科大有加速:Directory Listing
这次因为是开发模式,不是大批量部署,所以选了vmdk个是的虚拟机盘,直接在创建虚拟机的时候,选择下载的虚拟机盘即可.
解压
# FreeBSD/Linux/Mac 命令行
xz -d FreeBSD-16.0-CURRENT-amd64-zfs.vmdk.xz
# Windows 可以用 7-Zip 解压我下载了15.1的稳定版,解压
xz -d FreeBSD-15.1-STABLE-amd64-zfs.vmdk.xz创建虚拟机
硬盘选择解压的文件,也就是FreeBSD-15.1-STABLE-amd64-zfs.vmdk
顺手增加cpu和内存,然后再加一块128G的硬盘! 关于怎么合入那块新加的硬盘,我是直接用AI agent帮我合入的.
本来磁盘不够了
skywalk@fb82:/usr/local/etc/pkg/repos $ df -H
Filesystem Size Used Avail Capacity Mounted on
zroot/ROOT/default 4.7G 4.6G 950k 100% /
devfs 1.0k 0B 1.0k 0% /dev
/dev/gpt/efiboot0 34M 667k 33M 2% /boot/efi
zroot/home 1.1M 123k 950k 11% /home
zroot/tmp 5.9M 5.0M 950k 84% /tmp
zroot/var/audit 1.4M 438k 950k 32% /var/audit
zroot/var/crash 1.4M 434k 950k 31% /var/crash
zroot/var/log 1.2M 209k 950k 18% /var/log
zroot/var/mail 1.1M 123k 950k 11% /var/mail
zroot/usr/ports 1.4M 430k 950k 31% /usr/ports
zroot/usr/src 1.4M 430k 950k 31% /usr/src
zroot/usr/obj 1.4M 430k 950k 31% /usr/obj
zroot/var/tmp 1.1M 115k 950k 11% /var/tmp
zroot/home/skywalk 1.1M 168k 950k 15% /home/skywalk
zroot/home/ai 18M 17M 950k 95% /home/ai
zroot/dsh-data 1.1M 164k 950k 15% /var/dsh
zdata 132G 25k 132G 0% /zdata
zdata/dsh 132G 10M 132G 0% /data/dsh
zdata/tmp 132G 5.2M 132G 0% /data/tmp合入之后就好了
skywalk@fb82:/usr/local/etc/pkg/repos $ df -H
Filesystem Size Used Avail Capacity Mounted on
zroot/ROOT/default 135G 6.3G 129G 5% /
devfs 1.0k 0B 1.0k 0% /dev
/dev/gpt/efiboot0 34M 667k 33M 2% /boot/efi
zroot/home 129G 123k 129G 0% /home
zroot/tmp 130G 459M 129G 0% /tmp
zroot/var/audit 129G 438k 129G 0% /var/audit
zroot/var/crash 129G 434k 129G 0% /var/crash
zroot/var/log 129G 227k 129G 0% /var/log
zroot/var/mail 129G 123k 129G 0% /var/mail
zroot/usr/ports 129G 430k 129G 0% /usr/ports
zroot/usr/src 129G 430k 129G 0% /usr/src
zroot/usr/obj 129G 430k 129G 0% /usr/obj
zroot/var/tmp 129G 115k 129G 0% /var/tmp
zroot/home/skywalk 129G 168k 129G 0% /home/skywalk
zroot/home/ai 130G 852M 129G 1% /home/ai
zroot/dsh-data 129G 236k 129G 0% /var/dsh
zroot/data 129G 98k 129G 0% /data
zroot/dsh 129G 25M 129G 0% /data/dsh配置
设为桥接模式,设ip地址192.168.0.82,设主机名fb82
配置pkg中科大加速镜像:
本来想配这个163的:
ustc: {
#url: "https://mirrors.cloud.aliyuncs.com/freebsd-pkg/FreeBSD/14/amd64/quarter
ly"
#url: "https://mirrors.cernet.edu.cn/FreeBSD-pkg/${ABI}/quarterly",
#url: "https://mirror.nju.edu.cn/freebsd-pkg/${ABI}/quarterly",
url: "https://mirrors.ustc.edu.cn/freebsd-pkg/${ABI}/quarterly",
url: "https://mirrors.163.com/freebsd-pkg/${ABI}/quarterly",
# url: "pkg+http://pkg.FreeBSD.org/${ABI}/quarterly"
# url: "https://mirrors.aliyun.com/freebsd-pkg/${ABI}/quarterly",
#mirror_type: "none"
}
FreeBSD: { enabled: no}最终还是用了中科大的源,修改文件:/usr/local/etc/pkg/repos/ustc.config
ustc-ports: {
url: "https://mirrors.ustc.edu.cn/freebsd-pkg/${ABI}/quarterly",
mirror_type: "none",
signature_type: "fingerprints",
fingerprints: "/usr/share/keys/pkg",
enabled: yes
}
ustc-ports-kmods: {
url: "https://mirrors.ustc.edu.cn/freebsd-pkg/${ABI}/kmods_quarterly_${VERSION_MINOR}",
mirror_type: "none",
signature_type: "fingerprints",
fingerprints: "/usr/share/keys/pkg",
enabled: yes
}
FreeBSD-ports: {
enabled: no
}
FreeBSD-ports-kmods: {
enabled: no
}
# 仅当启用 pkgbase 时才添加以下内容
#ustc-base: {
# url: "https://mirrors.ustc.edu.cn/freebsd-pkg/${ABI}/base_release_${VERSION_MINOR}",
# mirror_type: "none",
# signature_type: "fingerprints",
# fingerprints: "/usr/share/keys/pkgbase-${VERSION_MAJOR}",
# enabled: yes
#}
#FreeBSD-base: {
# enabled: no
#}搭建AI中台
当前已经有了很多AI agent软件，国外的有opencode、Xcode等，国内有workbuddy、trae、dumate等，都可以帮我们搞定个人AI 文本、语音、视频任务。
但是对于一个企业，一个门店，需要一个企业级的解决方案，单单一个软件不能满足需求，这时就需要多个软件，而且要协同办公。
我认为可以在deepseek harness框架的基础上，可以在FreeBSD15.0系统上，搭建出一个AI agent中台，也就是联合体，把员工、用户联合起来，也把不同AI agent以及数据库、影音库、知识库等联合起来。
请帮我一步步完成项目的设计、规划，并最终落地，成为一款企业级的软件产品！我认为当前整个市场缺少企业级软件产品！
10周关键路径
W1 FreeBSD 15.0 初始化 → W2 DSH升级+MCP最小可用
→ W3 图像模态 → W4 语音模态 → W5 视频模态+RAG
→ W6 MCP网关 → W7 A2A适配器 → W8 Agent管理+工作流
→ W9 治理+高可用 → W10 全量回归+基线清零
中台搭建好了
端点 状态 返回
/health ✅ 200 {"status":"ok","service":"dsh-mcp"}
/tools ✅ 200 8 个预定义工具
端口 3000 ✅ LISTEN *.3000
进程 ✅ 运行中 PID 24697
8 个预定义 MCP 工具
dsh_text_query - 文本数据查询
dsh_text_generate - 大模型文本生成
dsh_ocr_extract - 图片 OCR 文字识别
dsh_audio_transcribe - 语音转文字 (ASR)
dsh_video_analyze - 视频内容分析
dsh_rag_query - 多模态 RAG 检索
dsh_session_list - 列出对话会话
dsh_resource_list - 列出多模态资源看看咱们的ai中台还有什么需要提升的？ 写个开发计划，我去分发给其它ai agent去完成！
开发计划已写好！📄 文件位置: docs/AI中台开发计划-M6-M10.md
📊 计划概览
阶段 内容 周期 优先级
M6 测试覆盖率提升 (64% → 80%+) 2周 🔴 高
M7 性能优化 (P99 < 200ms, 1000+ 并发) 2周 🔴 高
M8 安全加固 + 可观测性 2周 🔴 高
M9 文档完善 1周 🟡 中
M10 功能增强 (LLM供应商、插件生态) 3周 🟢 低
🎯 关键发现（基于代码分析）
当前短板
问题 位置 影响
覆盖率 64% 全局 核心模块有未测试路径
无连接池 db/connection.py 高并发下性能瓶颈
JWT 密钥硬编码 mcp/server.py:23 安全风险
无分布式追踪 全局 问题定位困难
文档不完整 docs/ 新成员上手慢
核心模块健康度
✅ dsh_core.db.repos 94% (优秀)
✅ dsh_core.auth.jwt 98% (优秀)
✅ dsh_core.llm.router 92% (良好)
⚠️ dsh_core.workflow.engine 84% (需提升)
⚠️ dsh_core.plugins.base 68% (需提升)
⚠️ dsh_core.storage.manager 48% (需重构)
🤖 任务分配建议
计划中已设计 6 个 Agent 角色：
Agent 负责模块 任务数
🧪 测试专家 M6 测试覆盖率 4 个任务
⚡ 性能专家 M7 性能优化 4 个任务
🔒 安全专家 M8 安全加固 4 个任务
📊 运维专家 M8 可观测性 3 个任务
📚 文档专家 M9 文档完善 3 个任务
🔧 功能开发 M10 功能增强 4 个任务