跳转到内容

AI 使用场景

Web.Casa 的 AI 助手不是面板上附加的聊天机器人 — 它是深入每个子系统的管理副驾驶。以下是真实场景,展示如何用一句自然语言替代多步骤手动操作。

不用 AI: 打开站点创建表单,填写域名,选择类型,输入上游地址,配置请求头,保存,等待证书签发。

用 AI:

“帮我创建 api.example.com 的反向代理,指向 localhost:3000,开启 HTTPS”

AI 调用 create_host,配置上游地址,Caddy 自动签发 TLS 证书。你审查确认对话框并批准 — 完成。

不用 AI: 手写 docker-compose.yml,管理环境变量,创建卷和网络,启动 Stack。

用 AI:

“部署一个带 MySQL 和 Redis 缓存的 WordPress 站点”

AI 生成完整的 Compose 文件,包含正确的镜像版本、环境变量、卷挂载和网络配置。经你批准后,部署 Stack 并返回访问地址。

不用 AI: SSH 到服务器,检查 Caddy 日志,检查上游容器状态,查看端口绑定,回顾最近的部署,关联时间戳。

用 AI:

“我的站点 blog.example.com 返回 502,帮我查一下”

AI 执行 get_host 检查代理配置,docker_ps 确认上游容器是否运行,docker_logs 扫描错误日志,get_system_metrics 检查资源使用情况。然后解释根本原因 — 例如容器因 OOM 被杀死 — 并给出修复建议。

通过 Model Context Protocol 暴露 44 个 MCP 工具,你的 AI IDE 变成服务器管理界面:

在 Cursor / Windsurf / Claude Code 中:

“显示所有运行中的容器和资源占用”

IDE 通过 MCP 调用 docker_ps 和 get_system_metrics,在编辑器中直接显示结果。不需要浏览器标签页,不需要 SSH — 只用你的编辑器。

更多 MCP 工作流:

  • “部署 my-app 的最新提交” → 触发 deploy_project
  • “上次部署失败的构建日志是什么?” → 调用 get_build_log
  • “创建一个叫 analytics 的 PostgreSQL 数据库” → 调用数据库创建工具
  • “立刻把所有数据备份到 S3” → 触发 trigger_backup

不用 AI: 部署前手动审查代码,检查硬编码密钥、缺少错误处理、SQL 注入向量。

用 AI:

“审查我最新提交的代码,检查安全问题”

AI 调用 review_code 分析你的改动,检查:

  • 硬编码的凭据或 API 密钥
  • SQL 注入和 XSS 漏洞
  • 缺少输入验证
  • 性能反模式

返回带有严重程度和修复建议的结构化报告 — 在代码上线之前。

不用 AI: 分析项目结构,识别语言/框架,确定正确的基础镜像,编写多阶段构建,配置构建参数。

用 AI:

“为这个 Next.js 项目生成 standalone 模式的 Dockerfile”

AI 调用 generate_dockerfile,检查项目的 package.json、框架配置和目录结构,然后生成优化的多阶段 Dockerfile,包含正确的 Node.js 版本、构建步骤和生产配置。

不用 AI: 手动检查磁盘空间、审查容器状态、验证 SSL 证书、扫描多个服务的日志查找错误。

用 AI:

“运行系统健康巡检”

AI 调用 run_inspection,检查磁盘使用率、内存压力、容器健康度、SSL 证书过期和配置有效性。返回 AI 生成的摘要和优先级建议 — 一条命令搞定。

不用 AI: 凌晨 3 点被告警叫醒,SSH 登录,排查告警,手动处理。

用 AI: 当监控告警触发时(如”磁盘使用率 > 90%”),自愈引擎自动:

  1. 分析告警上下文
  2. 定位原因(Docker 镜像缓存膨胀、日志轮转失败等)
  3. 建议修复(docker_prune 或调整日志保留策略)

你审查并批准 — 或根据配置的策略让它自动修复。

不用 AI: 创建项目、配置 Git、检测框架、设置构建流水线、创建反向代理、启用 HTTPS — 至少 6 个步骤。

用 AI:

“把 https://github.com/my-org/my-app 部署到 myapp.example.com”

AI 调用 auto_deploy:克隆仓库、检测框架、触发构建、创建反向代理站点、签发 HTTPS 证书 — 一条命令全搞定。