企业官网建设流程全解析

1. 从零搭建一台远程 AI 工作站，我踩过的坑比想象中多

很多人第一次听到“Bash”这个词，表情跟听到某种外语差不多——知道它大概跟电脑有关，但具体是什么、能干什么、跟自己有什么关系，完全没概念。我一开始也是这样。事情的起因很简单：手头有一台闲置的小主机，配置不算差，想着能不能把它变成一台随时可以远程连上去跑 AI 任务的机器。听起来是个挺酷的想法，但真正动手之后才发现，从“不知道 Bash 是什么”到“远程 AI 工作站跑起来”，中间隔着的不是一步两步，而是一连串让人抓狂的坑。

这篇文章想做的事情很直接：把整个过程完整地复盘一遍。包括为什么选 Ubuntu 而不是别的系统、Bash 到底在整件事里扮演什么角色、远程连接方案怎么选、AI 运行环境怎么配、遇到问题怎么排查。适合那些手里有闲置硬件、想折腾一台自己的远程工作站、但对 Linux 和命令行不太熟悉的朋友。我会尽量用大白话把每个环节讲清楚，该给命令给命令，该解释原理就解释原理，争取让你看完之后能直接照着做，少走我走过的弯路。

整件事的核心其实就三个关键词：Ubuntu 小主机、远程连接、AI 工作站。把这三点串起来，就是一台放在角落里、不用接显示器键盘、随时能通过网络连上去跑模型和写代码的机器。听起来不复杂，但每一个环节都有它的门道。

2. 为什么是 Ubuntu 小主机，而不是别的方案

2.1 硬件选型的现实考量

先说硬件。我用的是一台迷你主机，体积大概跟一本书差不多，功耗低、噪音小，适合长时间开着。这类小主机通常有几种配置路线：一种是低功耗处理器配集成显卡，适合做轻量级服务；另一种是带独立显卡或者性能更强的核显，能跑一些中等规模的模型推理。我选的是后者，原因很实际——既然要做 AI 工作站，总得能跑得动东西，不然远程连上去只能看看终端，那意义不大。

这里有个很多人会忽略的点：内存和存储的选择比 CPU 更影响体验。AI 相关的任务，不管是跑推理还是做数据处理，内存不够会直接导致进程被杀掉，而存储速度则影响模型加载的时间。我的建议是内存至少 16GB 起步，如果预算允许上到 32GB 甚至 64GB，后面你会感谢自己。存储方面，固态硬盘是必须的，机械硬盘加载大模型的时间能让你怀疑人生。

提示：买小主机之前先想清楚你要跑什么。如果只是跑一些轻量级的推理任务，中端配置就够了；如果要跑更大的模型或者做训练，那硬件预算要重新算。

2.2 为什么选 Ubuntu 而不是其他系统

操作系统这块，我几乎没怎么犹豫就选了 Ubuntu。原因有几个：第一，AI 生态对 Linux 的支持是最好的，很多工具和框架在 Linux 上装起来最省事；第二，Ubuntu 的社区资源丰富，遇到问题搜索一下基本都能找到答案；第三，它的长期支持版本稳定，适合做长期运行的工作站。

有人可能会问，为什么不直接用 Windows？说实话，Windows 也能跑 AI 任务，但你会遇到更多环境配置上的麻烦，尤其是涉及到一些底层依赖的时候。而且远程管理方面，Linux 的方案更成熟、更轻量。至于其他 Linux 发行版，比如 Fedora 或者 Arch，它们各有优势，但对新手来说，Ubuntu 的资料最多、踩坑成本最低。

安装 Ubuntu 的过程本身不复杂，用启动盘引导安装就行。但有几个细节值得注意：安装时建议勾选“安装第三方软件”，这样一些驱动和编解码器会自动装好；分区的时候如果打算长期用，建议给根目录留足够空间，别到时候因为磁盘满了导致系统出问题。

2.3 Bash 到底是什么，为什么绕不开它

回到那个最初的问题：Bash 是什么？简单说，它是 Linux 系统上的一个命令行解释器，你输入命令，它负责解释并执行。你可以把它想象成一个翻译官，你说人话（命令），它翻译给系统听，系统执行完再把结果告诉它，它再转述给你。

为什么绕不开它？因为 Linux 系统的绝大多数操作，最终都可以通过命令行完成。而且很多 AI 工具和框架的安装、配置、运行，官方文档给的都是命令行指令。你不需要成为 Bash 高手，但至少得能看懂基本的命令，知道怎么安装软件、怎么切换目录、怎么查看文件内容、怎么运行脚本。这些是基础中的基础。

我一开始对 Bash 完全没概念，看到终端里那个闪烁的光标就发怵。但实际用下来发现，常用的命令就那么十几个，用多了自然就记住了。而且一旦你习惯了命令行的效率，再回到图形界面点来点去反而会觉得慢。

3. 远程连接方案怎么选，我试了三种才找到合适的

3.1 远程连接的核心需求分析

一台放在角落里的主机，不接显示器不接键盘，怎么用？答案就是远程连接。但远程连接有好几种方案，每种适合的场景不一样。我在选方案之前，先把自己的需求列了一下：第一，要能远程操作终端，因为大部分 AI 任务都是在命令行里跑的；第二，最好能远程看到桌面，偶尔需要图形界面操作；第三，连接要稳定，不能动不动就断；第四，安全性要过得去，毕竟是暴露在网络上的机器。

这四个需求看起来简单，但真正选方案的时候会发现，不同的工具在這些维度上各有取舍。有的终端连接很流畅但图形界面支持一般，有的图形界面体验好但资源占用高，有的配置简单但安全性需要额外注意。

3.2 三种远程连接方案的实测对比

我前后试了三种方案，分别是基于 SSH 的终端连接、基于远程桌面协议的图形连接，以及基于 Web 的远程管理面板。下面这张表是我实际使用后的对比：

SSH 是我用得最多的方案。它的优势太明显了：轻量、稳定、安全。你只需要在主机上开启 SSH 服务，然后在另一台电脑上用终端工具连上去就行。所有的 AI 任务都可以在 SSH 会话里跑，包括启动训练脚本、查看日志、管理进程。而且 SSH 支持端口转发，可以把远程主机上的服务映射到本地，非常灵活。

远程桌面协议适合需要图形界面的场景，比如你想远程看看浏览器、用用图形化的开发工具。但它的资源占用比 SSH 高不少，而且网络不好的时候体验会明显下降。我的做法是平时用 SSH，需要图形界面的时候再开远程桌面。

Web 管理面板适合做一些简单的管理操作，比如查看系统状态、重启服务、管理文件。它的好处是不需要安装客户端，浏览器打开就能用。但功能相对有限，而且安全性需要额外注意，不建议直接暴露在公网上。

注意：不管用哪种远程方案，安全配置都不能省。至少要做到禁用密码登录、只用密钥认证、修改默认端口、配置防火墙规则。这几步花不了多少时间，但能挡掉绝大部分自动化扫描和攻击。

3.3 SSH 连接的具体配置步骤

SSH 的配置其实不复杂，但有几个关键步骤不能漏。首先是在 Ubuntu 主机上安装 SSH 服务，这个一般安装系统的时候勾选了就有，没有的话手动装一下就行。然后是在客户端生成密钥对，把公钥传到主机上。接着修改 SSH 配置文件，禁用密码登录、禁用 root 直接登录、修改默认端口。最后重启 SSH 服务，测试连接。

这里有个细节值得说一下：修改默认端口的意义。很多人觉得改端口没什么用，因为端口扫描总能扫到。但实际上，改端口能挡掉大量无差别扫描的机器人，它们通常只扫默认端口。这就像你把家门从大路旁边挪到小巷子里，虽然不能阻止有心人找到，但能过滤掉大部分路过的。

另一个细节是密钥认证的配置。生成密钥对的时候，建议用 ed25519 算法，它比 RSA 更短、更安全。公钥传到主机上的时候，注意权限设置，.ssh 目录应该是 700，authorized_keys 文件应该是 600，权限不对的话 SSH 会拒绝使用密钥。

4. AI 运行环境搭建，这些坑我替你踩过了

4.1 基础依赖的安装与配置

远程连接搞定之后，下一步就是搭建 AI 运行环境。这一步是整个过程中最耗时间的，因为涉及的依赖多、版本兼容性复杂。我的建议是先装基础依赖，再装框架，最后装具体的工具库，一层一层来，出问题了容易定位。

基础依赖包括编译工具、Python 环境、包管理器这些。Ubuntu 上安装这些东西不算麻烦，但有几个点要注意：Python 版本的选择很关键，太新或者太旧都可能导致某些库装不上。我的经验是选一个主流版本，比如 3.10 或者 3.11，兼容性最好。另外，强烈建议用虚拟环境来管理 Python 包，不要直接装在系统 Python 里，不然以后版本冲突会让你很头疼。

虚拟环境的好处是隔离。你可以为每个项目创建独立的环境，装不同的包版本，互不影响。创建虚拟环境的命令很简单，但记得每次操作前先激活它，不然你装的包可能跑到系统环境里去了。

4.2 显卡驱动与计算框架的适配

如果主机有独立显卡，这一步是绕不过去的。显卡驱动的安装方式有几种，我试过手动安装和包管理器安装，最后发现用包管理器最省心。手动安装虽然能控制版本，但每次系统更新内核之后可能要重装，比较麻烦。

驱动装好之后，还要装对应的计算框架。这里最大的坑是版本匹配。驱动版本、框架版本、Python 版本，三者之间必须兼容，不然会出现各种奇怪的错误。我的做法是先去框架的官方文档查兼容性表格，确定好版本组合再动手装，不要凭感觉装最新版。

提示：装完驱动之后，用官方提供的命令验证一下是否正常工作。如果验证不通过，先别急着装框架，把驱动问题解决了再说。驱动有问题的话，后面装什么都是白搭。

4.3 常用 AI 工具的部署与验证

环境搭好之后，可以装一些常用的 AI 工具了。这部分看个人需求，有人需要推理框架，有人需要数据处理库，有人需要开发工具。我的建议是按需安装，不要一次装太多。装得越多，依赖冲突的概率越大，而且很多工具你其实用不上。

每装完一个工具，最好都验证一下能不能正常导入、能不能跑一个简单的示例。这样出问题的时候你知道是哪个环节的事。如果装了一堆再一起测试，报错了你都不知道从哪查起。

验证的时候有个小技巧：先用最简单的功能测试，比如导入库、打印版本号、跑一个官方提供的最小示例。这些通过了，再跑你自己的任务。不要一上来就跑复杂的东西，那样出错了很难判断是环境问题还是代码问题。

5. 实际使用中遇到的典型问题与排查思路

5.1 远程连接类问题

远程连接最常见的问题是连不上。可能的原因有很多：网络不通、SSH 服务没启动、防火墙挡了、端口改了忘了、密钥权限不对。排查的时候按顺序来：先 ping 一下主机看网络通不通，然后用 telnet 或者 nc 测试端口开没开，再看 SSH 服务的状态，最后检查配置文件和密钥权限。

还有一个问题是连接不稳定，动不动就断。这通常是网络质量的问题，但也可能是 SSH 配置的问题。可以在 SSH 配置里加上心跳保活的设置，让客户端定期发送信号，防止连接被中间设备断开。这个设置很简单，但效果很明显。

5.2 环境配置类问题

环境配置的问题五花八门，但归纳起来无非几种：依赖缺失、版本冲突、权限不足、路径不对。依赖缺失的报错通常很明确，缺什么装什么就行。版本冲突比较麻烦，需要仔细看报错信息，确定是哪个包的哪个版本跟哪个包冲突了，然后调整版本。

权限问题在 Linux 上很常见，尤其是涉及到系统目录和硬件设备的时候。遇到权限报错，先看是哪个文件或目录的权限不对，然后用 chmod 或者 chown 调整。但要注意，不要动不动就用管理员权限跑所有命令，那样会带来安全隐患，而且可能把系统文件搞乱。

路径问题也很常见，尤其是自己编译安装的软件。报错说找不到某个命令或者某个库，通常是环境变量没配好。检查一下 PATH 和 LD_LIBRARY_PATH 这两个变量，看看是不是缺了必要的路径。

5.3 性能与稳定性问题

主机长时间运行之后，可能会遇到性能下降或者服务挂掉的情况。性能下降通常是资源不够用了，用系统监控工具看一下 CPU、内存、磁盘、网络的占用情况，找到瓶颈在哪。内存不够就加内存或者优化程序的内存使用，磁盘满了就清理日志和缓存文件。

服务挂掉的原因比较多，可能是程序本身的 bug，可能是资源耗尽被系统杀了，也可能是依赖的服务出了问题。排查的时候先看日志，系统日志和程序日志都要看。日志里通常会有明确的错误信息，顺着线索查下去一般能找到原因。

注意：建议给关键服务配置自动重启，这样即使挂了也能很快恢复。但自动重启只是治标，找到挂掉的根因才是治本。不要因为配了自动重启就不管了，那样问题会一直存在。

5.4 常见问题速查表

6. 一些让工作站更好用的小技巧

6.1 自动化脚本的编写

用了一段时间之后，我发现很多操作是重复的，比如启动服务、检查状态、清理日志。这些操作可以写成脚本，一键执行。Bash 脚本就是干这个的，把一系列命令写在一个文件里，加上一些逻辑判断，就能实现自动化。

写脚本的时候有几个建议：第一，加上注释，不然过一段时间你自己都看不懂；第二，加上错误处理，某个命令失败了要能知道；第三，加上日志输出，方便排查问题。脚本不用写得太复杂，能解决实际问题就行。

6.2 远程文件管理的高效方法

在本地和远程主机之间传文件，有很多种方法。小文件可以用 scp 命令，简单直接。大文件或者需要同步的目录，可以用 rsync，它支持增量传输，速度快很多。如果经常需要传文件，可以配置一下 SSH 的配置文件，把常用的连接信息写进去，以后连接就不用每次都输一长串参数了。

还有一个技巧是挂载远程目录到本地，这样你可以像操作本地文件一样操作远程文件。这个方案适合需要频繁编辑远程文件的场景，用起来很方便。但要注意网络稳定性，网络断了挂载会出问题。

6.3 系统监控与维护的日常习惯

工作站跑起来之后，养成定期检查的习惯很重要。看看磁盘空间够不够、内存占用高不高、有没有异常进程、日志里有没有报错。这些检查花不了几分钟，但能提前发现很多问题，避免服务突然挂掉影响使用。

另外，系统更新也要定期做，但不要盲目更新。更新之前先看看更新了什么，重要的安全更新要及时打，但大版本更新要谨慎，可能会引入兼容性问题。我的做法是安全更新及时装，功能更新等一段时间看别人的反馈再决定。

7. 关于这台小主机，我最后想说的

从完全不知道 Bash 是什么，到把这台小主机变成随时可以远程连上去跑 AI 任务的机器，整个过程大概花了我几个周末的时间。中间踩过的坑不少，有些是知识盲区导致的，有些是粗心大意造成的，还有些纯粹是运气不好碰上了奇怪的兼容性问题。但回过头来看，这些坑其实都有规律可循，大部分都可以提前避免。

如果你也在考虑做类似的事情，我的建议是：先把远程连接搞定，再折腾 AI 环境。远程连接是基础，连不上主机后面什么都做不了。AI 环境可以慢慢配，遇到问题一个一个解决，不用着急。另外，做好笔记，把每一步的操作和遇到的问题都记下来，后面出问题了可以对照排查，也能帮到其他遇到同样问题的人。

这台小主机现在跑得很稳，我平时用它跑一些推理任务、做数据处理、写写代码，偶尔也用来做一些实验性的东西。它的存在感很低，放在角落里不占地方，但需要的时候随时能连上去用，这种感觉挺好的。如果你手里也有闲置的硬件，不妨试试把它变成一台远程工作站，过程可能会有点折腾，但结果值得。