别再把 AI 当聊天机器人了！手把手教你搭建“人机共生”的赛博办公室
目录
先说结论：10 分钟搭起“人机共管”的赛博办公室
DeskClaw（NoDeskAI/nodeskclaw）是一个开源的“人机共管运营平台”：
人在上面定策略、派任务，AI 同事在后台不停干活，所有协作都在一个可视化的“Cyber Workspace”里完成——不是简单的聊天框，而是一块共享的业务看板。
这篇文章会带你用 Docker Compose 在单机上把完整平台跑起来，并演示一个真实场景：
“让 AI 同事帮你每天自动整理行业情报”。
一、整体部署与使用流程（先看全貌）
下面这张流程图，是从“准备服务器”到“AI 同事真正干活”的完整链路：
后面所有章节，都是围绕这张图展开的详细操作。
二、项目背景：DeskClaw 在解决什么问题？
官方对 DeskClaw 的定位很清晰：
“The open-source platform where humans and AI run businesses together — from strategy to execution.”
核心几个概念：
- Cyber Workspace（赛博工作区）
人和 AI 共享的运营看板，六边形拓扑展示团队关系，共享“黑板”和任务委派，是业务实际发生的地方。
- Gene System（基因系统）
可以理解为“AI 同事的技能包”，来自公共市场或企业私有库，可按需加载、组合、持续进化。
- Elastic Scale（弹性扩缩容）
支持在 Kubernetes 或本地 Docker 一键部署/扩容 AI 运行实例，平台帮你搞定基础设施，你专注运营决策。
简单说：
你定“做什么”，AI 同事负责“怎么做”，DeskClaw 把两者捏合成一个真正的团队。
三、环境准备：Docker Desktop 是唯一核心
在 Windows 上运行 DeskClaw，最核心的工具就是 Docker Desktop。它会在你的 Windows 上通过 WSL2（Windows Subsystem for Linux）虚拟化出一个轻量级的 Linux 内核，用来跑容器。
步骤 1：安装 Docker Desktop
- 下载安装包 访问 Docker 官网下载页面：https://www.docker.com/products/docker-desktop/ 点击“Download for Windows”下载安装程序。
- 安装与配置 双击运行安装程序，确保勾选 “Use WSL 2 instead of Hyper-V”（推荐，性能更好）。 安装完成后，重启电脑。
- 启动与验证 重启后，启动“Docker Desktop”应用。首次启动可能需要几分钟初始化。 左下角状态栏显示 “Engine running” 绿色图标，即表示 Docker 引擎已就绪。
步骤 2：准备代码目录与项目文件
你可以选择两种方式获取代码：
方式一：Git Clone（推荐，方便后续更新）
- 下载并安装 Git for Windows（如果尚未安装）：https://git-scm.com/download/win
- 在电脑上新建一个文件夹，例如
D:\DeskClaw - 在该文件夹内右键点击空白处，选择“Open Git Bash here”或“在终端中打开”
- 输入以下命令克隆项目：
git clone https://github.com/NoDeskAI/nodeskclaw.git
方式二：直接下载 ZIP
- 访问项目 GitHub 主页：https://github.com/NoDeskAI/nodeskclaw
- 点击绿色的“Code”按钮，选择“Download ZIP”
- 解压到指定目录，例如
D:\DeskClaw\nodeskclaw
完成后，请确保你的终端（PowerShell 或 CMD）当前目录位于 nodeskclaw 文件夹内。
四、一键启动：Docker Compose 部署
步骤 1：启动服务
打开 PowerShell（推荐）或 CMD，切换到项目目录：
cd nodeskclaw执行一键启动命令：
docker compose up -d
这一步会自动拉取所需镜像（如 PostgreSQL、Backend、Portal 等）并启动容器。首次运行可能需要几分钟下载镜像。
步骤 2：获取初始账号密码
服务启动后，查看日志获取管理员账号：
docker compose logs nodeskclaw-backend --tail 100在输出日志中找到类似以下内容：
======================================== Initial admin account Account: admin Password: <随机字符串> Please change your password after login ========================================
请务必记下这个密码。
步骤 3：浏览器访问平台
打开你喜欢的浏览器，访问：
http://localhost
如果 80 端口被占用，你可以修改 docker-compose.yml 文件，将 Portal 的端口映射改为其他端口，例如 8080:80，然后访问 http://localhost:8080 。
使用步骤 2 中获取的 admin 账号和密码登录，登录后系统会强制要求修改密码。
五、安装完成后的基本操作
恭喜你，你的“赛博办公室”已经在本地跑起来了。接下来的步骤是“装修办公室”和“招聘员工”：
- 创建 Cyber Workspace（工作区）：这是你和 AI 团队共享的业务看板。
- 添加集群。
- 添加 AI 同事：相当于招聘员工。
- 配置 LLM（大模型）：让 AI 拥有“大脑”。
我这里使用蓝耘MaaS模型/maas/jieyue/step-3.5-flash，登录之后跟随图片中的步骤一步一步获取api
然后一一添加进去
稍微等待一会儿，就会看到我们的第一个员工部署成功了
下面我们通过一个具体示例来串联这些步骤。
六、实战示例：让 AI 同事每天帮你整理行业情报
场景设定
假设你是一名市场分析师或创业者，每天早上需要：
- 浏览若干行业媒体网站
- 汇总“AI Agent / 大模型应用”相关的最新动态
- 生成一份简报，包含：标题、摘要、来源链接、时间
传统做法是：开 N 个网站 -> 复制粘贴 -> 自己整理，非常耗时。
在 DeskClaw 里，我们可以创建一个“情报收集 AI 同事”，让它每天早上自动干活，你只需要在 Workspace 里看结果。
步骤 1：创建 Cyber Workspace
注：以下步骤为基于官方概念与界面设计的合理推断，具体按钮/菜单名称以实际界面为准。
- 登录 Portal 后，进入“工作区 / Cyber Workspace”模块。
- 点击“新建工作区”，例如：
- 名称：
AI 行业情报站 - 说明：
每天自动收集 AI 行业动态，生成简报
- 名称：
- 保存后，你会看到一个“空白”的 Workspace，其中有：
- 共享黑板（Blackboard）
- 任务看板
- AI 同事列表
步骤 2：添加 AI 同事
在 Workspace 中：
- 点击“添加 AI 同事 / New AI Partner”。
- 保存后，这个 AI 同事会出现在 Workspace 的拓扑图中，与你形成“协作关系”。
步骤 3：为 AI 同事安装 Gene（技能包）
Gene 是 AI 同事的“能力基因”，例如：
- “网页抓取” Gene
- “文本摘要” Gene
- “JSON 结构化输出” Gene
在 Portal 的 Gene 市场（或基因库）中，你可以：
- 搜索类似
web-collector、news-summarizer的 Gene。 - 选择一个适合新闻抓取与摘要的 Gene，点击“安装到工作区”。
- 在 AI 同事的设置中，将这个 Gene 绑定到该同事身上。
具体界面名称可能为“基因库 / GeneHub”或“技能市场”，但逻辑是一致的：从市场安装 Gene，再分配给 AI 同事。
步骤 4：配置大模型（关键！）
AI 同事需要大模型才能思考和总结。在“设置”->“模型配置”中：
- 选择你的模型服务商（如 蓝耘MaaS）。
- 填入你的 API Key。
- 保存配置。
步骤 5：派发第一个任务
- 在工作区的黑板或任务栏，点击“新建任务”。
- 填写任务描述：
“访问以下网站：https://blog.ZEEKLOG.net/rank/list，搜集与 AI 相关的最新文章，生成一份包含标题、摘要、链接的 Markdown 简报，并保存到黑板。”
七、写给 Windows 用户的特别提示
- 性能考量：虽然 DeskClaw 可以在本地流畅运行，但如果你的任务非常繁重（如同时运行多个 AI 同事处理大量数据），可能会占用较多内存和 CPU。建议电脑至少有 16GB 内存。
- 数据安全：所有数据都保存在本地 Docker 容器挂载的卷中。如果卸载 Docker Desktop 或删除容器，数据可能会丢失。务必定期备份重要数据。
- 网络代理：如果你的网络环境访问 Docker Hub 或 GitHub 较慢，可以在 Docker Desktop 的设置中配置代理加速。
小结：从“试玩 Demo”到“真正做事”
今天，我们只用了几分钟，就在 Windows 本地搭建起了一个真正的“人机协同工作平台”。这不是一个简单的 Demo，而是一个可以随着你的需求不断进化、迭代的操作系统。
你不需要成为技术大牛，也不需要昂贵的服务器，只需一台普通的 Windows 电脑，就能拥有一个永不疲倦、持续进化的 AI 团队。
下一步，试着把你的日常重复性工作，拆解成任务，交给你的 AI 同事吧。