用 OtoDock 打造本地化「公司 OS」：从沙盒到持久化执行的全流程

OtoDock 1.6.0 将 Claude Code、Codex CLI 等工具集成到 Docker 容器中，为每个 Agent 分配独立的沙盒空间、内存和工具链，支持多租户协作，并完全支持自托管模式。这意味着公司可以在本地运行 AI 团队，避免数据泄露到第三方云端，同时保留对模型和数据的完全控制权。

部署步骤与环境准备

部署过程无需注册账号，只需在 Linux 服务器上执行安装脚本，再通过 docker-compose 启动。具体步骤如下：

1. 硬件基础：确保服务器安装了 Docker，并使用 Ubuntu 或 Debian 发行版。
2. 脚本执行：在 GitHub 仓库中获取并运行安装脚本（链接：OtoDock/oto-dock），无需额外配置。
3. 配置 API Key：在 .env 文件中填入 Anthropic 或 OpenAI 的 API Key。若希望完全本地化，可配置本地模型端点（如 Llama 3）。
4. 启动服务：运行 docker-compose up -d 后，系统将自动拉取镜像并进入管理界面，整个过程耗时 5 到 10 分钟。

注意：如果使用本地模型，确保服务器内存不低于 32GB，否则多租户并发时响应延迟会显著增加。

安全机制：双重隔离与远程执行

OtoDock 通过两重隔离机制防止 Agent 越权操作：

• 内核沙盒：使用 bubblewrap 限制进程权限，确保 Agent 无法访问宿主机文件系统（如 rm -rf /）。
• 网络隔离：引入 pasta 方案，控制 Agent 的出站网络访问，避免内网扫描。

远程执行能力：Agent 通过出站 WebSocket 连接远程电脑，无需开放防火墙端口或配置 VPN，即可在另一台机器上执行任务。这适用于 Server-side 操作，如数据库维护或远程脚本调度。

功能扩展：从文档编辑到定时任务

OtoDock 不仅是对话工具，而是一套带工具链的 公司 OS，能处理复杂工作：

• 文件操作：内置 Collabora 支持实时编辑 Excel、Word 和 PPT，无需频繁下载上传。
• 通信集成：接入 Twilio 或 Asterisk 后，Agent 可自动拨打预约电话或接听客户来电。
• 持久化执行：Agent 以服务进程形式运行，支持 Schedule 定时任务，如每日代码巡检或报告汇总。

持久化配置示例：

agent_config:
  name: "Ops-Assistant"
  engine: "claude-code"
  sandbox:
    network: "isolated"
    storage: "/var/lib/otodock/workspaces/ops-1"
  tools:
    - "file-editor"
    - "remote-exec"  # 用于远程任务

此配置确保 Agent 以独立沙盒运行，存储路径固定，且网络访问受限。

成本与限制：5 用户免费额度

OtoDock 自托管本身免费，但采用 Fair Source 协议，免费额度限制在 5 个用户。超过此数量需购买商业授权。

API 费用管理：

• Claude Code 等高频调用工具需额外支付 Token 费用，建议从小规模任务开始测试，避免账单膨胀。
• 若使用本地模型，需确保服务器配置足够（如 32GB 内存），否则多租户并发时性能下降。

与其他方案的对比：何时选择「公司 OS」？

• 简单知识库需求：Dify 或 FastGPT 已足够。
• 需要员工化 AI：如拥有个人工作目录、文件系统操作权限、定时脚本能力，则 公司 OS 模式更合适。

设计理念延伸：
OtoDock 的设计理念与「小型网络」（Small Web）概念相呼应，强调 Non-Tech 友好性和资源高效利用。类似于 Ben Hoyt 在《The Small Web is Beautiful》中提倡的「以人为本」技术架构，OtoDock 将「美观」延伸到企业级 AI 运维中。其核心在于简化复杂性，让 AI 如同「公司中的一员」，而非孤立的云端服务（Ben Hoyt 的技术随笔）。

总结：OtoDock 通过 Docker 容器化和双重沙盒，为本地化 AI 团队提供了安全、持久化的运行环境。其功能覆盖文档编辑、通信集成到定时任务，适用于规模小于 5 人的团队。超过此规模或需求更高时，需评估硬件成本和商业授权。