本地部署 DeskClaw：构建人机协同的自动化工作流

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。

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。

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'：

1. 创建 Cyber Workspace（工作区）：这是你和 AI 团队共享的业务看板。
2. 添加集群。
3. 添加 AI 同事：相当于招聘员工。
4. 配置 LLM（大模型）：让 AI 拥有'大脑'。

这里需要配置大模型接口。在设置中选择你熟悉的大模型服务商，填入 API Key 即可。稍作等待，就会看到第一个员工部署成功。

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。传统做法非常耗时，而在 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。

步骤 1：创建 Cyber Workspace

1. 登录 Portal 后，进入'工作区 / Cyber Workspace'模块。
2. 点击'新建工作区'，名称设为 AI 行业情报站，说明为 每天自动收集 AI 行业动态，生成简报。
3. 保存后，你会看到一个'空白'的 Workspace，其中有共享黑板、任务看板和 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'、'文本摘要'、'JSON 结构化输出'。

在 Portal 的 Gene 市场中，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'，并在 AI 同事的设置中将其绑定。

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：

1. 选择你的模型服务商。
2. 填入你的 API Key。
3. 保存配置。

步骤 5：派发第一个任务

1. 在工作区的黑板或任务栏，点击'新建任务'。
2. 填写任务描述：

'访问目标资讯网站，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

1. 性能考量：虽然 DeskClaw 可以在本地流畅运行，但如果任务繁重（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。
2. 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。
3. 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。