1. 先搞清楚 Wukong AICRM 和 Docker 部署到底解决了什么问题如果你正在找一个能本地部署、带 AI 能力的客户关系管理系统并且希望安装过程别太折腾那 Wukong AICRM 的 Docker 部署方案就值得你花时间研究一下。它本质上是一个打包好的 CRM 应用里面集成了 AI 功能比如智能线索分配、客户画像分析或者自动回复具体看版本。而 Docker 部署就是把整个应用连同它的运行环境比如数据库、Web 服务器、各种依赖库一起打包成一个“集装箱”让你在 Windows、macOS 或者 Linux 上都能用几乎相同的命令一键启动。这解决了两个核心痛点一是环境配置的麻烦传统部署要装 PHP、MySQL、Redis、Nginx 等等版本不对就报错二是 AI 模型或服务的本地集成Docker 能帮你把模型文件、Python 环境这些也封装好不用自己再去折腾 CUDA、PyTorch 那些复杂的依赖。所以这个主题适合想快速体验或内部试用 AI-CRM 的团队也适合开发者想研究其架构。最关键的价值不是功能多强大而是通过 Docker 把部署复杂度降到最低让你能把精力放在业务使用和功能测试上而不是和安装环境搏斗。但要注意Docker 只是解决了部署问题不代表它不吃资源。从搜索材料里提到的“至少 4G 内存”来看这是一个基础门槛如果还要跑本地 AI 模型对 CPU、内存甚至 GPU 显存的要求会更高。所以在动手之前先确认你的机器资源够不够别等到一半卡住了才发现是硬件瓶颈。2. 部署前的核心准备环境、资源和关键选择在拉取镜像和运行容器之前有几件事必须提前确认好。Docker 部署的“一键”是建立在环境准备好的前提下的。2.1 硬件与操作系统要求首先看硬件。4GB 内存是官方提到的起步要求这是指宿主机你电脑或服务器的可用内存。我建议预留 8GB 或以上会更稳妥因为 Docker 容器本身、里面的数据库、Web 服务和 AI 进程都要占用内存。如果内存不足应用可能会启动失败或者运行起来异常缓慢、频繁崩溃。CPU 方面现代的多核处理器比如 Intel i5 或 AMD Ryzen 5 及以上基本都能满足。如果 AICRM 集成了需要本地推理的 AI 模型例如文本生成、分类模型那么 CPU 的性能会影响响应速度。有独立 GPUNVIDIA并支持 CUDA 当然更好但大多数 Docker 化的 AI 应用也会提供纯 CPU 的版本作为备选。操作系统方面主流选择如下Windows 10/11 专业版/企业版/教育版需要安装 Docker Desktop for Windows。家庭版需要通过 WSL 2 来安装步骤会多一步。macOS需要安装 Docker Desktop for Mac对 Intel 和 Apple Silicon (M1/M2/M3) 芯片都有支持。Linux (Ubuntu, CentOS, Debian 等)直接安装 Docker Engine 和 Docker Compose。这是最推荐用于生产测试的环境资源开销相对小也更稳定。2.2 Docker 环境的安装与验证这是最关键的一步Docker 本身没装对后面全是白费功夫。对于 Windows/macOS 用户去 Docker 官网下载 Docker Desktop 安装包。注意对于 Windows务必确认开启了 BIOS/UEFI 中的虚拟化支持VT-x/AMD-V并在“启用或关闭 Windows 功能”中勾选“Hyper-V”和“Windows 子系统 for Linux”。安装过程基本是下一步到底。安装完成后重启电脑。启动 Docker Desktop。你会在系统托盘Windows或菜单栏macOS看到 Docker 的鲸鱼图标。第一次启动可能需要几分钟初始化。验证安装打开终端PowerShell, CMD 或 Terminal输入docker --version和docker-compose --version或docker compose version。如果能看到版本号说明安装成功。对于 Linux 用户以 Ubuntu 为例卸载旧版本如果有sudo apt-get remove docker docker-engine docker.io containerd runc更新软件包索引并安装依赖sudo apt-get update sudo apt-get install ca-certificates curl gnupg lsb-release添加 Docker 官方 GPG 密钥和仓库sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg echo deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable | sudo tee /etc/apt/sources.list.d/docker.list /dev/null安装 Docker Engine 和 Compose 插件sudo apt-get update sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin验证安装同样运行docker --version和docker compose version。可选但建议将当前用户加入 docker 组避免每次都要sudosudo usermod -aG docker $USER执行后需要注销并重新登录才能生效。2.3 获取部署材料与镜像源加速Wukong AICRM 的 Docker 部署通常需要两个东西docker-compose.yml文件定义多个服务如何协作和对应的镜像可能是公共的也可能是私有的。获取部署文件你需要找到官方的或可靠的docker-compose.yml文件。这个文件可能放在 GitHub、Gitee 或官方文档里。不要随便从不明来源下载。用文本编辑器打开它你会看到它定义了 web 服务、数据库可能是 MySQL、PostgreSQL 或达梦、Redis 等服务以及它们的镜像名、端口映射、数据卷挂载。理解镜像名称在docker-compose.yml里你会看到类似image: registry.example.com/wukong-ai-crm:latest的字段。这就是要拉取的镜像。配置镜像加速器从 Docker Hub 拉取镜像可能会很慢。建议配置国内镜像加速器。Docker Desktop在设置Settings - Docker Engine 中编辑registry-mirrors配置项添加镜像地址例如阿里云、腾讯云、中科大的镜像源。修改后点击“Apply Restart”。Linux Docker编辑/etc/docker/daemon.json文件没有则创建{ registry-mirrors: [ https://your-mirror.mirror.aliyuncs.com, https://docker.mirrors.ustc.edu.cn ] }然后重启 Docker 服务sudo systemctl restart docker。3. 从拉取镜像到首次登录的完整操作流程准备工作做完现在进入核心部署阶段。我建议按照“拉取 - 配置 - 启动 - 验证”这个顺序来。3.1 拉取镜像与修改配置假设你已经拿到了docker-compose.yml文件并把它放在一个独立的目录下例如~/wukong-ai-crm。拉取镜像在终端中进入该目录运行拉取命令。通常直接docker-compose pull会拉取文件中定义的所有镜像。你也可以单独拉取比如docker pull mysql:8.0。这个过程取决于镜像大小和网速耐心等待。注意如果镜像很大几个GB确保你的磁盘空间充足至少预留20GB以上。关键配置修改在启动前务必检查并修改docker-compose.yml或相关的环境变量文件如.env。端口映射检查ports字段例如- 8080:80表示把容器的80端口映射到宿主机的8080端口。确保宿主机上的8080端口没有被其他程序占用。如果你想用其他端口比如- 8888:80就改前面的数字。数据持久化检查volumes字段。这是最重要的配置之一它把容器内的数据如数据库文件、上传的附件、日志映射到宿主机的目录。例如- ./mysql_data:/var/lib/mysql这样即使容器删除数据库数据还在./mysql_data文件夹里。一定要确保这些宿主机目录存在且有写权限。环境变量很多配置通过环境变量设置如数据库密码、Redis地址、AI模型路径、API密钥等。这些可能在environment部分也可能在一个单独的.env文件里。强烈建议修改默认密码如MYSQL_ROOT_PASSWORD。资源限制对于资源紧张的环境可以在deploy或resources部分限制容器的 CPU 和内存使用防止单个容器吃光所有资源。3.2 启动服务与观察日志配置检查无误后就可以启动了。启动所有服务在docker-compose.yml所在目录运行docker-compose up -d-d参数表示在后台运行detached mode。如果不加-d你会在前台看到所有容器的日志输出方便首次启动时排错。查看服务状态启动后运行docker-compose ps。你应该看到所有定义的服务如web,db,redis的状态都是Up。如果状态是Exit或Restarting说明启动失败了。查看日志定位问题启动失败或访问异常时查看日志是第一步。查看所有服务的日志docker-compose logs查看特定服务的日志如 web 服务docker-compose logs web或者实时跟踪日志docker-compose logs -f web常见启动问题端口冲突日志会提示Bind for 0.0.0.0:8080 failed: port is already allocated。换一个宿主机端口或停止占用端口的程序。权限不足日志提示Permission denied对某个目录。检查宿主机挂载目录的权限用chmod或chown修改。数据库连接失败Web 服务日志里出现Connection refused或Access denied。检查数据库容器的环境变量密码、网络配置服务名db是否能解析以及数据库是否已初始化完成可能需要等待几十秒。镜像拉取失败Unable to find image。检查镜像名是否正确网络是否通畅或者是否需要登录私有仓库 (docker login)。3.3 访问应用与初始化当所有服务状态正常并且关键服务如 web的日志里没有持续报错出现了监听端口的提示如Listening on http://0.0.0.0:80时就可以尝试访问了。访问应用在浏览器中打开http://localhost:映射的端口例如http://localhost:8080。你应该能看到 Wukong AICRM 的安装引导页面或登录页面。完成安装向导如果是第一次安装可能会有一个 Web 安装向导让你配置数据库连接主机填db端口填3306密码填你在环境变量里设置的、管理员账号等。这里的数据库主机名要填docker-compose.yml里定义的服务名比如db而不是localhost因为是从 Web 容器内部去访问数据库容器。登录系统根据向导设置好管理员账号密码后使用该账号登录系统。验证核心功能登录后不要急着导入大量数据。先测试几个核心流程创建一个测试客户。尝试使用一个 AI 相关功能比如“智能写邮件”或“客户分类”。检查系统设置页面看各项配置是否能正常保存。 目的是确认基础功能和 AI 功能是否都能正常工作。4. 部署后的关键管理、维护与排错服务跑起来只是开始要让它在生产或测试环境稳定运行还需要一些管理操作和问题处理经验。4.1 日常管理命令把这些命令记下来日常维护会经常用到操作命令说明启动服务docker-compose up -d在后台启动所有服务。停止服务docker-compose down停止并移除所有容器、网络。数据卷默认不会删除。停止服务保留卷docker-compose stop仅停止容器不删除。下次up会重启。重启服务docker-compose restart重启所有服务。重启单个服务docker-compose restart web重启指定服务如 web。查看状态docker-compose ps查看各服务运行状态。查看日志docker-compose logs -f查看并实时跟踪所有日志。进入容器docker-compose exec web bash进入 web 容器的 bash 终端。查看资源占用docker stats查看所有容器的 CPU、内存、网络实时占用。更新镜像并重启docker-compose pull docker-compose up -d拉取最新镜像并重新启动服务。4.2 数据备份与迁移数据是核心一定要定期备份。备份数据库最可靠的方式是使用docker-compose exec执行容器内的备份命令。# 假设数据库服务名是 db使用 mysqldump docker-compose exec db mysqldump -u root -p$MYSQL_ROOT_PASSWORD --all-databases backup_$(date %Y%m%d).sql这条命令会在宿主机当前目录生成一个 SQL 备份文件。你需要知道数据库的 root 密码$MYSQL_ROOT_PASSWORD需替换为实际变量或值。备份文件存储应用上传的附件、日志等文件通常通过数据卷 (volumes) 存储在宿主机。直接备份宿主机上对应的目录即可例如./uploads,./logs。迁移到新服务器在新服务器上安装好 Docker 和 Docker Compose。复制整个项目目录包含docker-compose.yml,.env, 备份的 SQL 文件和文件目录。修改.env或docker-compose.yml中可能需要调整的配置如 IP 地址。先只启动数据库服务docker-compose up -d db。将备份的 SQL 文件导入新数据库。最后启动所有服务docker-compose up -d。4.3 常见问题排查清单当应用出现访问慢、功能异常或报错时按这个顺序排查检查容器状态docker-compose ps。确认所有必需服务都是Up状态。检查资源占用docker stats。看是否有容器内存或 CPU 占用率持续 100%。AICRM 的 AI 进程可能是内存大户。查看应用日志docker-compose logs web --tail100查看 Web 服务最近 100 行日志寻找 ERROR 或 Exception。检查数据库连接进入数据库容器尝试连接数据库检查表是否存在。docker-compose exec db mysql -u root -p # 输入密码后执行一些查询如 SHOW DATABASES; USE wukong_crm; SHOW TABLES;检查网络连通性从 Web 容器内部 ping 数据库容器。docker-compose exec web ping db检查文件权限如果涉及文件上传或写入检查宿主机挂载目录的权限。可以在 Web 容器内尝试创建一个测试文件。确认 AI 服务如果 AI 功能独立成一个服务如ai-service检查该服务的日志和状态。确认模型文件是否已正确加载API 密钥如果是调用外部服务是否配置正确。重启大法有时候容器内部状态异常可以尝试重启单个服务docker-compose restart web。4.4 性能调优与安全建议对于长期使用有几个点可以优化资源限制在docker-compose.yml中为每个服务设置合理的资源限制防止相互影响。services: web: deploy: resources: limits: cpus: 1.0 memory: 2G reservations: cpus: 0.5 memory: 1G日志轮转Docker 容器日志默认不限制大小可能占满磁盘。可以全局配置 Docker 的日志驱动和大小限制或者在docker-compose.yml中为每个服务配置。services: web: logging: driver: json-file options: max-size: 10m max-file: 3安全加固修改默认密码数据库、Redis、管理员账号的默认密码一定要改。最小化端口暴露只将必要的端口如 Web 的 80映射到宿主机。数据库、Redis 等内部服务端口可以不映射或只映射到127.0.0.1。定期更新镜像关注官方镜像更新定期拉取安全补丁版本。但生产环境更新前务必在测试环境验证。使用非 root 用户运行容器在 Dockerfile 或docker-compose.yml中指定user选项。5. 从单机部署到生产考量的延伸思考用 Docker Compose 在单机部署 Wukong AICRM是学习和测试的绝佳方式。但如果团队多人使用或者数据量变大就需要考虑更多。5.1 单机部署的局限性当前的docker-compose方式把所有服务Web、DB、Redis、AI都放在一台机器上存在明显瓶颈资源竞争AI 模型推理吃 CPU/GPU数据库吃内存和磁盘 IO它们会相互影响。单点故障这台宿主机宕机所有服务都不可用。难以水平扩展Web 服务压力大了很难快速增加多个实例来分担负载。5.2 向生产环境演进的思路如果试用后决定投入生产可以考虑以下方向服务拆分与独立部署将数据库MySQL/PostgreSQL、Redis 这类有状态服务部署到更专业、带高可用方案的独立服务器或云服务上。Docker Compose 里只保留 Web 和 AI 服务并通过网络连接外部数据库。使用容器编排平台学习并使用 Kubernetes (K8s) 或 Docker Swarm。它们可以管理多台机器组成的集群实现服务的自动部署、扩缩容、负载均衡和故障恢复。这是将 Docker 化应用推向生产的标准路径。AI 服务分离如果 AI 功能很重可以考虑将其拆分为独立的微服务并通过 API 调用。这样可以对 AI 服务单独进行资源分配和扩缩容。完善监控与告警集成 Prometheus Grafana 监控容器和应用的资源使用率、请求延迟、错误率等。设置告警规则及时发现问题。建立 CI/CD 流水线将 Docker 镜像的构建、测试、推送和部署自动化。每次代码更新都能快速、安全地发布到环境。5.3 给新手的最终建议对于刚接触 Docker 和 Wukong AICRM 的团队我的建议是不要一开始就追求完美的生产架构。先用本文的 Docker Compose 方案在一台配置还不错的机器上建议 8核16G内存以上把整套系统跑起来。让团队成员先用起来跑通核心业务流程验证 AI 功能是否真的能满足需求。在这个过程中你会自然遇到性能瓶颈、运维痛点。这些真实的痛点会告诉你下一步该优先优化数据库、还是分离 AI 服务、或者上 K8s。有了单机部署的稳定经验你再向更复杂的架构演进时手里是有详细日志、有性能数据、有真实问题场景的决策会准确得多。记住Docker 带来的最大好处是环境一致性。确保你的docker-compose.yml文件和所有初始化脚本都纳入版本控制如 Git。这样无论是开发、测试还是未来迁移你都能快速复现一个已知可用的环境。这才是容器化部署留给你的最宝贵的资产。