乐正雕漆最近几个运维群里的高频话题，除了 Kubernetes 和国产化替代，就数 1Panel 和 AI 了。1Panel 作为一款现代化的 Linux 服务器管理面板，把 Docker、网站、数据库、监控、备份这些日常操作统一收进一个 Web 界面；而 AI 大模型又正好能覆盖日志分析、命令生成、故障排查这些运维里最花时间的环节。这篇教程就是冲着这两者的结合来的：我会从一台干净的 Linux 服务器开始，完整走一遍安装 1Panel、用 1Panel 把本地大模型服务跑起来、再把 AI 接入实际运维工作的全过程。
内容适合三类人：一是刚接手服务器、想找一个比纯 SSH 更直观的管理入口的运维新人；二是想在自己可控环境里体验大模型、又不想碰云端 API 数据私密性问题的工程师；三是团队内部想搭一个"运维问答/日志分析"小工具，但不确定从哪下手的同学。我会尽量把操作步骤、参数含义、踩坑点都写清楚，让你照着做就能复现，而不是只讲一堆概念。
1. 先把一件事说清楚：1Panel 到底帮运维解决了什么问题
很多运维同行第一次听说 1Panel 的反应是"这不又是一个宝塔吗"。我一开始也这么想，但真正用下来之后，我的结论是：它确实和传统面板有共同点，但容器化的底层思路决定了它能玩出更多花样，尤其是和 AI 应用结合的时候。
1.1 运维面板不是新东西，但 1Panel 的容器化思路值得重新认识
传统面板的核心价值是"把 SSH 里高频敲的命令搬进网页"，比如创建网站、管理数据库、设置定时任务。1Panel 当然也有这些能力，但它的底座是 Docker。你在面板里安装的应用，不管是 Nginx、MySQL、Redis，还是接下来要装的 Ollama、Dify，本质上都是一个一个容器。这意味着几个很实际的好处：
一是环境隔离。应用依赖不会直接散落在宿主机上，出问题把容器删掉重建就行，不像以前装个 LNMP 环境要在系统里铺一堆软件包，想清理都无从下手。
二是迁移和复制方便。一个应用就是一个 Compose 文件加几个数据目录，搬服务器的时候把数据目录打包带走，新机器上重新拉镜像、挂载同一份数据，服务就回来了。
三是和云原生生态对齐。你在面板里学的容器概念、网络模式、数据卷挂载方式，和之后接触 Kubernetes、容器化部署是同一套语言，不会白学。
我现在的习惯是：服务器上能容器化的服务一律容器化，1Panel 当统一入口；不能容器化的系统级操作，再用 SSH 进去处理。它不替代 Kubernetes，也不替代 CMDB、监控平台这些重型系统，但在中小规模服务器、个人项目、企业内部自用工具这些场景里，它把"管服务器"这件事的复杂度和上下文切换成本压得很低。
1.2 AI 进入运维的三种形态，别一上来就奔着"全自动运维"去
聊到"AI 运维"，很多人的第一反应是让 AI 直接接管服务器、自动修复故障。这个愿景很美好，但现阶段我强烈不建议一上来就做全自动。AI 在运维里的落地，我认为可以分成三个层次：
| 形态 | 典型工具 | 适合场景 | 风险 |
|---|---|---|---|
| 交互式问答 | Ollama + Open WebUI | 命令查询、日志解释、排查思路梳理 | 低，AI 只输出不执行 |
| 工作流嵌入 | Dify / n8n | 日志分析、巡检报告生成、告警摘要 | 中，AI 被限定在固定流程里 |
| Agent 自动化 | 各类 AI Agent 框架 | 自动修复、自动扩缩容 | 高，需完善的权限控制和审批链 |
我的建议非常明确：先从第一种开始，因为它的风险最低，收益却很快能感受到——你相当于有了一个 7x24 小时在线、完全了解你业务背景的"运维顾问"，它不会手滑执行任何命令，所以最坏的情况也只是回答不准确，不会把生产环境搞挂。
第二种形态适合团队协作场景，比如把内部运维经验沉淀成知识库，让所有成员通过一个统一入口查询。第三种形态我目前只建议在测试环境里玩，等前面两步跑顺手、积累了足够的稳定性之后再说。这篇文章的重点就是前两种：先搭本地模型，再把 AI 嵌入到几个高频运维场景里。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 从一台裸机到面板就绪：安装 1Panel 的完整过程与关键决策
很多教程喜欢直接甩一句"执行安装命令即可"，但我在实际部署中见过太多因为前置条件没处理好导致后面返工的例子。所以这一章我会把安装前、安装中、安装后三个阶段的关键点都过一遍。
2.1 安装前的自查：系统版本、内存、磁盘分区、端口
先确认系统。1Panel 官方支持 Debian、Ubuntu、CentOS、Rocky Linux、openEuler 等主流发行版，我个人的建议是能用 Debian 12 或 Ubuntu 22.04 就别用 CentOS 7，前者软件源新、系统组件对 Docker 的兼容性更好。如果你的生产环境强制要求 CentOS 系，那 Rocky Linux 9 是比 CentOS 7 更值得考虑的选择。
再确认内存。这里要区分一个容易混淆的点：面板本身很轻，1 到 2GB 内存的机器就能跑；但如果你打算在这台机器上跑本地大模型，内存需求会完全不一样。我的经验是，跑 7B 参数级别的量化模型至少要 8GB 可用内存，想跑 14B 级别建议 16GB 以上。如果机器配置不高，可以选择只搭 1Panel + 对接云端推理 API，或者先用 CPU 跑 3B 的小模型练手。
磁盘方面，1Panel 默认安装目录是 /opt，Docker 数据目录默认在 `/var/lib/do