企业官网建设流程全解析

1. Windows 上折腾 K8s，为什么我最后选了 WSL2 + kind

如果你在 Windows 上想学 Kubernetes，大概率经历过这样的纠结：装 Docker Desktop 自带一个 K8s，但版本老、开关藏得深；用云厂商的托管集群，钱包又扛不住；直接开虚拟机跑 kubeadm，光初始化就能卡你一下午。我试过几种组合之后，稳定下来的方案是 WSL2 + kind，也就是把单节点集群跑在 Docker 容器里，Windows 只负责开个终端。

这套组合的好处很直接。WSL2 本质是一个轻量 Linux 虚拟机，内核和 Windows 共享，启动快、内存占用可控；kind 用容器模拟 K8s 节点，一条命令就能拉起一个 control-plane，删掉也干净，不会在你系统里留一堆 systemd 服务。对做实验、跑 CI、验证 YAML 来说，它比 minikube 更省资源，比 k3s 更贴近标准 K8s 行为。

但真正让我头疼的不是集群本身，而是周边那堆 AI 工具。Claude Code、Cursor、各种 CLI Agent，每个都要配 API Key、Base URL、模型名，配置文件散落在~/.config、项目根目录、环境变量里。换一次 Key 要改五六个地方，密钥还容易跟着 dotfiles 一起被提交上去。所以这篇除了把 WSL2 + kind 的完整路径走一遍，还会把 TaoToken 的统一 Key 接进这套环境，让集群实验和 AI 编码工具共用一套凭证。

适合谁看：Windows 10/11 开发者，想在本机跑一个能随时删掉重建的 K8s 实验环境，同时希望 AI 工具的密钥管理别再那么乱。全程命令可复制，遇到报错我在第 5 节列了排查表。

2. 前置准备：WSL2 发行版与 TaoToken 统一 Key

2.1 安装 WSL2 与发行版

Windows 11 自带 WSL 命令，管理员 PowerShell 里先看能装哪些发行版：

wsl --list --online

输出会列出 AlmaLinux、Debian、Fedora、Ubuntu、openSUSE 等。我选 Fedora Linux 42，因为它的 dnf 源里 Docker 包更新比较及时。安装命令：

wsl --install FedoraLinux-42 wsl --list

装完确认默认发行版是 FedoraLinux-42。如果你已经装过 WSL 但版本是 1，用wsl --set-version FedoraLinux-42 2升到 2。

2.2 网络模式改成 mirrored

这一步很关键。WSL2 默认 NAT 模式下，Linux 侧访问 Windows 本机服务要走网关 IP，Docker 拉镜像也容易超时。在 Windows 用户目录建.wslconfig：

[wsl2] networkingMode=mirrored

改完wsl --shutdown重启。mirrored 模式下 WSL 和 Windows 共享网络栈，ip addr看到的地址和ipconfig基本一致，本机代理也能直接被 Linux 侧使用。如果 Docker 拉镜像仍然失败，把 MTU 调小试试，在.wslconfig里加[experimental]段并设hostAddressLoopback=true，或者直接在 WSL 里ip link set dev eth0 mtu 1450。

2.3 系统初始化

进入 WSL 后先设 root 密码并更新：

sudo passwd root su - dnf upgrade -y ip addr

ip addr的输出应该和 Windows 侧ipconfig的网段对得上，说明 mirrored 生效了。

2.4 TaoToken 统一 Key 的定位

TaoToken 在这里扮演的角色是「一个 Key 管所有 AI 工具」。你不需要在每个工具里填不同的供应商地址，而是把 Base URL 统一指向https://taotoken.net/api，Key 从控制台生成一次，之后 Claude Code、Cursor、各种 OpenAI 兼容客户端都复用同一个。

先去控制台创建 Key：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

生成后复制保存，下面配置里用sk-xxxx占位。想先确认模型能不能通，可以用模型对话页面发一条测试消息：https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

3. 可复制配置：Docker、kind、kubectl 与 AI 工具骨架

3.1 安装 Docker Engine

Fedora 上用官方仓库装，别用系统自带的 podman-docker 替代：

sudo dnf -y install dnf-plugins-core sudo dnf-3 config-manager --add-repo https://download.docker.com/linux/fedora/docker-ce.repo sudo dnf install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin sudo systemctl enable --now docker sudo docker run hello-world

看到Hello from Docker!就说明容器运行时正常。把当前用户加进 docker 组，省得每条命令都 sudo：

sudo usermod -aG docker $USER newgrp docker

3.2 安装 kind、kubectl、helm

三个二进制都放/usr/local/bin：

# kind [ $(uname -m) = x86_64 ] && curl -Lo ./kind https://kind.sigs.k8s.io/dl/v0.29.0/kind-linux-amd64 chmod +x ./kind sudo mv ./kind /usr/local/bin/kind # kubectl curl -LO "https://dl.k8s.io/release/$(curl -L -s https://dl.k8s.io/release/stable.txt)/bin/linux/amd64/kubectl" sudo install -o root -g root -m 0755 kubectl /usr/local/bin/kubectl # helm curl -LO https://get.helm.sh/helm-v3.18.2-linux-amd64.tar.gz tar -xzf helm-v3.18.2-linux-amd64.tar.gz chmod +x linux-amd64/helm sudo mv linux-amd64/helm /usr/local/bin/

验证版本：kind version、kubectl version --client、helm version。

3.3 创建 kind 集群

kind create cluster -n demo kind get clusters docker ps -a

docker ps里会出现一个demo-control-plane容器，镜像kindest/node:v1.33.1，端口映射127.0.0.1:36249->6443/tcp。这个端口每次重建都会变，所以别写死在脚本里，用kubectl config current-context确认上下文即可。

3.4 TaoToken 接入 AI 工具的配置骨架

Claude Code 的配置放在~/.claude/settings.json，核心是把 Base URL 和 Key 指过去：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "sk-xxxx" } }

如果你用的是支持 OpenAI 兼容协议的 CLI 工具，配置通常长这样，放在~/.config/<tool>/config.toml：

[provider] name = "taotoken" base_url = "https://taotoken.net/api" api_key = "sk-xxxx" model = "claude-sonnet-4-20250514" [options] timeout = 120 max_retries = 3

注意base_url结尾不要带/v1，具体路径由客户端自己拼。Key 建议用环境变量注入，别硬编码进 dotfiles：

export TAOTOKEN_API_KEY="sk-xxxx"

然后在配置里引用${TAOTOKEN_API_KEY}。这样 dotfiles 提交到 Git 也不会泄露。

3.5 部署 Traefik 并开 Dashboard

kind 集群里的 Service 默认是 ClusterIP，LoadBalancer 没有云厂商支持不会分配外部 IP。所以 Traefik 用 NodePort，再靠kubectl port-forward暴露到 Windows 浏览器。

helm repo add traefik https://traefik.github.io/charts helm repo update

写一个values.yaml：

service: enabled: true type: NodePort logs: access: enabled: true

安装：

helm install traefik traefik/traefik -f values.yaml

再建traefik-dashboard.yaml：

apiVersion: traefik.io/v1alpha1 kind: IngressRoute metadata: name: traefik-dashboard spec: entryPoints: - web routes: - match: PathPrefix(`/dashboard`) || PathPrefix(`/api`) kind: Rule services: - name: api@internal kind: TraefikService

应用：kubectl apply -f traefik-dashboard.yaml。

4. 验证请求：从 Pod 到 Dashboard 的完整链路

4.1 确认集群与 Service 状态

kubectl get nodes kubectl get svc

kubectl get nodes应该显示demo-control-plane状态Ready。kubectl get svc会看到traefik是 NodePort 类型，端口类似80:30151/TCP。

4.2 端口转发到 Windows

kubectl port-forward --address 0.0.0.0 svc/traefik 80:80

这条命令会一直占用终端，别关。然后在 Windows 浏览器打开http://127.0.0.1/dashboard/，能看到 Traefik 的 Dashboard 页面，说明 IngressRoute 生效了。

4.3 跑一个测试 Pod 验证调度

kubectl run nginx-test --image=nginx:alpine --port=80 kubectl get pods -w

等状态变成Running后，用kubectl describe pod nginx-test看事件，确认没有ImagePullBackOff。再删掉：

kubectl delete pod nginx-test

4.4 验证 TaoToken Key 是否生效

在 WSL 里用 curl 直接打一次 API，确认 Key 和网络都通：

curl -s https://taotoken.net/api/v1/models \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" | head -c 500

返回 JSON 里能看到模型列表就说明 Key 有效。如果返回 401，检查 Key 有没有多余空格；返回超时，检查.wslconfig的 mirrored 是否生效。

4.5 用 AI 工具生成一段 K8s YAML 做闭环

配置好 Claude Code 后，在项目目录里让它生成一个 Deployment：

claude "写一个 nginx Deployment，3 副本，带 resource limits"

把生成的 YAML 存成nginx-deploy.yaml，kubectl apply -f nginx-deploy.yaml，再kubectl get pods看三个副本是否都 Running。这一步把「AI 工具配置」和「K8s 实验环境」串起来了，也是统一 Key 的价值所在。

5. 本篇常见错排查

排查顺序建议从下往上：先确认 WSL 网络通，再确认 Docker 能拉镜像，再确认 kind 集群 Ready，最后才是 Traefik 和 AI 工具。这样每层都有明确的验证点，不会一上来就怀疑最上层。

6. 把 Key 和集群都收进一套工作流

走到这里，你手上应该有一个能随时kind delete cluster重建的 K8s 实验环境，以及一套不再散落各处的 AI 工具凭证。我自己的习惯是把 WSL 里的~/.claude/settings.json和~/.config下的工具配置都软链到一个私有 Git 仓库，Key 用环境变量占位，这样换机器时 clone 下来就能用。

如果你后面要长期跑编码 Agent，或者想让多个工具共享同一套模型配额，可以看下 Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

需要管理多个 Key 或查看用量，控制台在：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

接入细节和参数说明看文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

API Key 生成入口：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

最后留一个实用技巧：kind 集群重建后，kubectl的 context 会自动更新，但port-forward的端口映射会变。写个Makefile把kind create cluster、helm install traefik、kubectl port-forward串成make up，下次实验环境崩了，一条命令就能回到可用状态。