引言

熊猫写过的 Docker 教程，不说一千也有八百了。但在面对浩如烟海的开源项目时，我们依然很难找到那个100% 契合自己需求的容器。往往是 90% 的功能都好用，唯独缺了那 10% 关键的个性化需求。想让原作者单独为你定制？那可能需要一点“钞能力”。

既然找不到完美的，为什么不自己造一个？

以前我会劝你放弃，但在AI编程高度成熟的今天，这已不再是天方夜谭。熊猫尝试过从微软Copilot到各类国产编程助手，它们在代码补全上确实表现出色。

但痛点依然存在：它们只管生成代码，不管运行环境。 也就是还得你自己折腾本地 Python、Node.js 环境，配置底层依赖。

有没有一种工具，既能写代码，又能把底层环境一并解决？ 今天我们就来聊聊这个硬核的解决方案。

项目介绍

为了让大家都能亲手构建并部署项目到 NAS，熊猫调研了大量支持云端环境的 AI 工具，最终锁定了一个国产开源项目——MonkeyCode。它更像是一个云端IDE（集成开发环境）。官方目前开放了20000点的测试算力，对于尝鲜和中小型项目开发来说，绰绰有余。GitHub地址：https://github.com/chaitin/MonkeyCode

官方地址：https://monkeycode-ai.com

除了支持本地自部署，MonkeyCode官方也提供了在线版直接使用，目前注册就送20000的算力，冲这个免费的算力就要注册先玩玩再说。

手把手教学

前段时间有粉丝找我问了下有没有能记录课时的项目，类似于库存管理这种，不过因为他是老师，管理对象是“课时”而非“商品”。

在执行操作之前，我们需要明确需求，明确需求之后其他的就简单了。通过沟通这里我得到了粉丝的一些需求：支持多用户、课时记录、能对课时进行加减操作、本地数据库、课时操作记录。

打开MonkeyCode，能看到侧边栏提供了智能任务、代码审查以及开发项目的功能，常规的AI，想要完成我们的需求，这就导致你的提示词毕竟尽可能精准，而MonkeyCode提供了完整的基于SDD的项目开发模式。

打开MonkeyCode，你会发现它与常规Chat窗口不同。侧边栏集成了智能任务、代码审查、项目管理等模块。这里通过自然语言输入需求后，MonkeyCode会启动一套基于 SDD（软件设计说明书）的开发流程：

原始需求 -> 产品设计 -> 技术设计 -> 任务列表

在这个过程中，AI深度参与每一个环节，而不是直接甩给你一段无法运行的代码。这保证了项目逻辑的严密性。

下达任务之后MonkeyCode会先进行云端环境的构建，将其开发所需的环境准备好，相当于一个云端的一个独立沙箱环境。

对比常规AI编程直接给你吐代码不同，MonkeyCode最大的技术优势在于“全链路接管”。根据需求制定项目计划，先进行随后根据计划一步一步来实现项目的搭建工作，且整个过程的每个步骤都可以进行溯源追踪。

最神奇的是当项目代码生成完毕后，无需拉取到本地，直接在云端运行并查看效果。如果发现 bug 或逻辑错误，直接对话修改，系统会自动热更新，直至满足需求。

从项目立项到开发再到最后的测试，整个过程都是在云端进行，不需要你本地区配置什么环境，即便是小白也能直接上手打造属于自己的项目。

云端执行的好处除了环境的配置一键化，另一个就是本地系统 0 残留，不需要担心污染本地环境，云端的开发项目每一个都是独立的沙盒中运行，即便是不满意当前的结果，直接销毁就行了。

而除了自动生成的开发环境，你也可以手动去创建需要的开发环境，云端8核32GB的开发机，这配置相信很多人本地都没有，虽说有时长限制，但这个时间在使用时都可以进行续期操作。

目前MonkeyCode提供了Claude Code、OpenAI Codex以及OpenCode三种开发工具，前两者都是如今非常成熟且使用众多的开发工具。

在模型选择上，目前接入了DeepSeek、Kimi、Qwen、GLM等模型，其中强力模型内置了gpt、claude-sonnet、gemini等模型，注册附送的20000点算力足够折腾了。即便是用完了，MonkeyCode目前免费提供了glm4.7，日常使用完全是足够了。

除了项目开发，熊猫日常用的最多的就是用它来进行Docker镜像的构建。很多优秀的GitHub项目没有提供Docker镜像，手动构建门槛很高。

利用MonkeyCode，我们可以上传代码压缩包或绑定Git仓库，让AI分析代码结构，自动生成并调试Dockerfile文件。

AI会进行测试构建，确保容器能正常启动。这意味着你可以把任何你感兴趣的开源项目，轻松转化为NAS可用的Docker镜像。

除了对已有仓库的处理，MonkeyCode高度集成了GitHub、GitLab、Gitea、Gitee，支持在配置中直接绑定自己的git身份，在完成绑定之后，你可以将你开发的项目无缝push过去。

而在git平台上，你可以在PR或者ISSUE手动召唤MonkeyCode-AI帮你审查项目代码，真正融入了 CI/CD（持续集成/持续交付） 的工作流。

写在最后

在AI技术爆发的当下，编程的门槛正在被无限拉低。几年前，让不懂代码的小白开发一套系统简直是痴人说梦；而现在，这只是一个基础操作。

无论你现在是否需要，我都建议先了解并储备这类工具。毕竟，当下一个想要“量身定制”的需求出现时，你不再需要去求人，自己动手才是最大的乐趣。

以上便是本次分享的全部内容了，如果你觉得还算有趣或者对你有所帮助，不妨点赞、收藏，最后也希望能得到你的关注，咱们下期见！

溯源追踪：每一步操作都有据可查。

分步实现：根据计划逐步编写并写入代码。

环境准备：自动配置语言环境与依赖。

理解需求：生成项目计划。