用 OtoDock 搭建私有公司 OS 只要一个脚本和 Docker Compose 就能跑起来

想在本地跑一个能管理公司事务的 AI 团队，且不用担心数据泄露到第三方云端，可以试下 OtoDock 1.6.0。它本质上是将 Claude Code 和 Codex CLI 这种终端 Agent 容器化，给每个 Agent 分配独立的沙盒空间、内存和工具集，支持多租户协作，且完全支持自托管。

怎么把这套系统跑起来

安装过程非常简单，不需要注册账号，直接在 Linux 服务器上跑一个安装脚本，然后通过 Docker Compose 启动即可。

具体的部署流程如下：

1. 准备一台安装了 Docker 的 Ubuntu 或 Debian 服务器。
2. 执行官方提供的安装脚本（具体脚本路径在 GitHub 仓库的 README 中）。
3. 修改 .env 文件，填入你的 Anthropic 或 OpenAI API Key。如果你想完全本地化，可以配置本地模型的端点。
4. 运行 docker-compose up -d。

整个过程如果网络环境正常，从拉取镜像到进入管理界面大概在 5 到 10 分钟左右。

这里的沙盒机制是怎么处理安全的

很多自托管 Agent 最让人头疼的是权限管理，万一 AI 跑了个 rm -rf / 就全完了。OtoDock 处理得比较硬核，它给每个 Agent 搞了双重隔离：

• 内核沙盒： 使用 bubblewrap 限制进程，确保 Agent 无法越权访问宿主机文件系统。
• 网络隔离： 引入了 pasta 方案，这意味着 Agent 的网络访问是受控的，不会随便扫描你的内网。

最让我觉得实用的是它的远程执行能力。它通过一个出站 WebSocket 连接远程电脑，不需要你开防火墙端口，也不需要折腾 VPN，就能让 Agent 在另一台机器上执行任务。

它能做哪些具体的脏活累活

这东西不是一个简单的 Chatbot，而是一个带工具链的 OS。在实测中，它的能力边界比单纯的网页版 LLM 宽得多：

• 文件处理： 它可以直接编辑 Excel、Word 和 PPT，而且内置了 Collabora，能在聊天窗口直接预览修改后的文档，不用反复下载上传。
• 外部通信： 接入 Twilio 或 Asterisk 后，Agent 可以直接打预约电话或接听客户电话。
• 持久化执行： 因为 Agent 是作为持久化进程运行在服务器上的，你可以给它设定 Schedule（定时任务），让它每天定时巡检代码或汇总报告。

避坑指南与选择建议

在尝试 OtoDock 之前，有几个实际情况需要注意：

1. 成本与限制：
虽然自托管免费，但它采用的是 Fair Source 协议，免费额度支持到 5 个用户。如果公司规模超过 5 人，需要考虑商业授权。另外，API 费用是实打实的，尤其是运行 Claude Code 这种高频调用 Token 的工具，建议先在小规模任务上测试，避免账单爆炸。

2. 硬件要求：
虽然支持本地模型，但如果你想跑 Llama 3 等规模的模型，建议服务器内存至少在 32GB 以上，否则在多租户并发时，响应延迟会非常明显。

3. 与其他方案对比：
如果你只需要一个简单的知识库，用 Dify 或 FastGPT 就够了。但如果你需要 AI 像真实员工一样，拥有自己的工作目录、能操作文件系统、能跑定时脚本，那么这种“公司 OS”模式才真正有意义。

核心配置参考

如果你想自定义 Agent 的运行环境，可以在配置文件中定义其 Workspace 路径。以下是一个典型的 Agent 配置逻辑（伪代码）：

agent_config:
  name: "Ops-Assistant"
  engine: "claude-code"
  sandbox:
    network: "isolated"
    storage: "/var/lib/otodock/workspaces/ops-1"
  tools:
    - "file-editor"
    - "twilio-api"
  schedule: "0 9 * * *" # 每天早上9点执行检查任务

总的来说，OtoDock 给那些追求数据掌控感、且需要 AI 深度介入业务流程的团队提供了一个非常高效的方案。只要你有基础的 Docker 操作能力，花半小时部署尝试一下，效率提升是非常明显的。

https://github.com/OtoDock/oto-dock