2026-10-07
起因很简单：我有一台放在云端的小服务器，平时查状态、处理文件、跑脚本，都要打开电脑、连上终端、敲命令。手机倒是随身带着，可手机上没有顺手的终端。我就想，能不能在聊天软件里发一句话，服务器那头就有个 AI 替我把事办了，再把结果发回来。
于是有了这个项目：一个接入大语言模型的智能任务助手。它常驻在我的服务器上，我发消息，它干活。
整个链路并不复杂：
我的消息 → 机器人服务（Python 编写，systemd 常驻）→ 调用服务器上的 Codex CLI → 模型推理，执行命令、处理文件 → 结果回传到聊天里
普通消息会被原样交给 Codex 当作任务指令。比如我发一句「看看服务器磁盘还剩多少」，它真的会去执行命令，再把输出整理好发回来。另外留了几个固定命令：/ping 和 /status 快速确认服务与机器状态，/new 开启一段新对话。
只认我一个人。这个助手本质上是我服务器的一个遥控器，能执行命令、读写文件，所以第一条规矩就是：只响应我本人的账号，其他人发来的消息一律忽略。权限上再加一道：它只能在划定的工作目录里读写，系统级的操作仍然要我亲自确认。
对话能接上文。默认情况下，它会接续上一次对话的上下文，我不用每发一条指令都把背景重讲一遍；想换个话题时，用 /new 重新开始。这种「有记忆」的感觉，是它像个助理而不是命令行工具的关键。
模型可以切换。通过 /model 命令，可以在轻量模型和旗舰推理模型之间切换：查个状态、跑个小脚本用轻量版，省额度；遇到要动脑子的任务，再切到旗舰版认真想。
能看图。把照片发给它，它会把原图一并交给模型处理。没写说明时，默认任务是「讲解这张图片里的题目」——对学生来说，这大概是最高频的用法。
这类服务很吃内存：模型执行引擎本身不轻，再加上偶尔残留的僵尸进程，在只有 1GB 内存的小服务器上，很容易把内存耗尽、把机器拖死。后来我给机器加了 2GB 的 Swap 分区，清理无用进程也成了例行动作。教训是：配置再小的机器跑常驻服务，先把内存余量留够。
它确实改变了我用服务器的方式：很多以前要「等回宿舍开电脑」的事，现在掏出手机一句话就办了。查状态、改个小文件、让它先去调研一个问题，都有人接。对我来说，这个项目最大的收获不是省了多少事，而是完整走了一遍「想法 → 架构 → 安全边界 → 部署运维」的流程，顺带把大语言模型从「聊天窗口」变成了真正能执行任务的工具。
后续打算把它迁移到一台更充裕的机器上长期运行，再慢慢给它接上更多实用的工具。