nkds

导航

 
MonkeyCode安装与配置指南：从零开始搭建AI编程环境

MonkeyCode安装与配置指南：从零开始搭建AI编程环境

前言

MonkeyCode作为一款革命性的开源AI编程助手，其安装和配置过程非常简单。本教程将手把手教你从零开始搭建完整的MonkeyCode开发环境，无论你是Windows、macOS还是Linux用户，都能轻松上手。

系统要求

最低配置

  • 操作系统: Windows 10+, macOS 10.15+, Ubuntu 18.04+
  • 内存: 4GB RAM（推荐8GB+）
  • 硬盘: 2GB可用空间
  • 网络: 需要互联网连接（用于下载依赖和AI模型）

推荐配置

  • CPU: 4核及以上
  • 内存: 16GB RAM
  • GPU: NVIDIA GPU（可选，用于本地AI加速）
  • 硬盘: SSD 10GB+

安装方式一：Docker部署（推荐新手）

为什么选择Docker？

Docker容器化部署具有以下优势：
✅ 环境隔离，不污染系统
✅ 一键安装，开箱即用
✅ 易于升级和回滚
✅ 跨平台一致性

步骤1：安装Docker

Windows用户：

  1. 访问 https://www.docker.com/products/docker-desktop/
  2. 下载Docker Desktop for Windows
  3. 运行安装程序，按提示完成安装
  4. 重启电脑
  5. 启动Docker Desktop

macOS用户：

# 使用Homebrew安装
brew install --cask docker
# 或手动下载: https://www.docker.com/products/docker-desktop/

Linux用户（Ubuntu）：

# 更新软件包索引
sudo apt-get update

# 安装依赖
sudo apt-get install \
    ca-certificates \
    curl \
    gnupg \
    lsb-release

# 添加Docker官方GPG密钥
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg

# 添加仓库
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# 安装Docker
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io

# 将当前用户添加到docker组
sudo usermod -aG docker $USER

步骤2：拉取MonkeyCode镜像

# 拉取最新稳定版
docker pull monkeycode/monkeycode:latest

# 或者指定版本
docker pull monkeycode/monkeycode:v2.0.0

步骤3：运行容器

基础运行：

docker run -d \
  --name monkeycode \
  -p 8080:8080 \
  -v ~/monkeycode-data:/data \
  monkeycode/monkeycode

完整配置运行：

docker run -d \
  --name monkeycode \
  --restart unless-stopped \
  -p 8080:8080 \
  -p 8443:8443 \
  -v ~/monkeycode-data:/data \
  -v ~/.ssh:/root/.ssh:ro \
  -e MONKEYCODE_API_KEY=your-api-key \
  -e MONKEYCODE_AI_MODEL=gpt-4 \
  -e TZ=Asia/Shanghai \
  monkeycode/monkeycode

参数说明

参数 说明
-p 8080:8080 映射Web端口
-p 8443:8443 映射HTTPS端口
-v ~/monkeycode-data:/data 数据持久化目录
-v ~/.ssh:/root/.ssh:ro 挂载SSH密钥（用于Git操作）
-e MONKEYCODE_API_KEY 设置API密钥
-e MONKEYCODE_AI_MODEL 选择AI模型
--restart unless-stopped 自动重启策略

步骤4：验证安装

打开浏览器访问：http://localhost:8080

如果看到MonkeyCode欢迎页面，说明安装成功！🎉

安装方式二：源码安装（推荐开发者）

前置条件

Python环境：

# 检查Python版本（需要3.9+）
python --version

# 如果没有Python，请先安装
# macOS:
brew install python@3.11

# Ubuntu:
sudo apt install python3.11 python3.11-venv

# Windows: 从 https://python.org 下载安装

Git：

# 检查Git版本
git --version

# 安装Git
# macOS/Linux通常已预装
# Windows: https://git-scm.com/download/win

步骤1：克隆代码库

# 克隆主仓库
git clone https://github.com/monkeycode/monkeycode.git

# 进入项目目录
cd monkeycode

# 查看可用的版本标签
git tag -l

# 切换到稳定版本（可选）
git checkout v2.0.0

步骤2：创建虚拟环境

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate

# macOS/Linux:
source venv/bin/activate

步骤3：安装依赖

# 安装核心依赖
pip install -r requirements.txt

# 安装开发依赖（如果需要贡献代码）
pip install -r requirements-dev.txt

# 验证安装
pip list | grep monkeycode

步骤4：初始化配置

# 复制配置模板
cp config.example.yaml config.yaml

# 编辑配置文件
nano config.yaml  # 或使用其他编辑器

config.yaml 主要配置项：

# 服务器配置
server:
  host: "0.0.0.0"
  port: 8080
  debug: false

# AI模型配置
ai:
  provider: "openai"  # openai / anthropic / local
  model: "gpt-4"
  api_key: "${OPENAI_API_KEY}"  # 支持环境变量
  temperature: 0.7
  max_tokens: 4096

# Git配置
git:
  auto_commit: true
  commit_message_style: "conventional"  # conventional / emoji / simple
  push_on_commit: false

# 安全配置
security:
  enable_auth: true
  secret_key: "${SECRET_KEY}"
  cors_origins:
    - "http://localhost:3000"

# 存储配置
storage:
  type: "local"  # local / s3 / gcs
  local_path: "./data"

步骤5：启动服务

# 开发模式启动
python app.py

# 生产模式启动（使用Gunicorn）
gunicorn \
  --workers 4 \
  --bind 0.0.0.0:8080 \
  --access-logfile - \
  app:app

安装方式三：在线体验（无需安装）

如果你不想本地安装，可以直接使用在线版本：

🔗 在线地址: https://monkeycode.dev

优点：

  • 无需任何安装步骤
  • 自动更新到最新版本
  • 无需担心硬件配置
  • 即开即用

注意：

  • 需要注册账号
  • 免费版有使用限制
  • 数据存储在云端

配置详解

AI模型配置

使用OpenAI GPT系列

ai:
  provider: "openai"
  model: "gpt-4"  # 或 gpt-4-turbo, gpt-3.5-turbo
  api_key: "sk-your-openai-api-key"
  base_url: "https://api.openai.com/v1"  # 可选，支持代理

使用Anthropic Claude

ai:
  provider: "anthropic"
  model: "claude-3-opus-20240229"
  api_key: "sk-ant-your-anthropic-key"

使用本地模型（Ollama）

ai:
  provider: "local"
  model: "codellama:13b"
  base_url: "http://localhost:11434/v1"

安装Ollama并运行本地模型：

# 安装Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 下载代码模型
ollama pull codellama:13b

# 运行模型
ollama serve

Git集成配置

SSH密钥配置

# 生成新的SSH密钥（如果没有）
ssh-keygen -t ed25519 -C "your-email@example.com"

# 将公钥添加到GitHub/GitLab
cat ~/.ssh/id_ed25519.pub
# 复制输出，添加到 GitHub Settings > SSH Keys

Git全局配置

git config --global user.name "Your Name"
git config --global user.email "your-email@example.com"
git config --global init.defaultBranch main

IDE插件安装

VS Code插件

  1. 打开VS Code
  2. 按 Ctrl+Shift+X 打开扩展商店
  3. 搜索 "MonkeyCode"
  4. 点击安装
  5. 重启VS Code

VS Code设置：

{
  "monkeycode.serverUrl": "http://localhost:8080",
  "monkeycode.apiKey": "your-api-key",
  "monkeycode.autoComplete": true,
  "monkeycode.gitIntegration": true
}

JetBrains插件

  1. 打开 IntelliJ IDEA / PyCharm / WebStorm
  2. 进入 Settings > Plugins
  3. 搜索 "MonkeyCode"
  4. 安装并重启IDE

Vim/Neovim插件

" 使用vim-plug安装
Plug 'monkeycode/monkeycode-vim'

" 配置
let g:monkeycode_server_url = 'http://localhost:8080'

常见问题排查

问题1：端口被占用

错误信息: Error: Port 8080 is already in use

解决方案：

# 查找占用端口的进程
lsof -i :8080  # macOS/Linux
netstat -ano | findstr :8080  # Windows

# 终止进程或更换端口
# 在config.yaml中修改端口
server:
  port: 8081

问题2：API连接失败

错误信息: Failed to connect to AI API

解决方案：

  1. 检查网络连接
  2. 验证API密钥是否正确
  3. 检查API配额是否用完
  4. 尝试更换API endpoint（如果有代理）

问题3：权限问题（Linux）

错误信息: Permission denied

解决方案：

# 给予脚本执行权限
chmod +x scripts/*.sh

# Docker权限问题
sudo usermod -aG docker $USER
# 然后重新登录

问题4：内存不足

错误信息: OOMKilled 或程序崩溃

解决方案：

  1. 减少AI模型的参数量
  2. 关闭不必要的应用
  3. 增加swap空间
  4. 升级硬件配置

问题5：Git操作失败

错误信息: Git operation failed

解决方案：

# 测试SSH连接
ssh -T git@github.com

# 检查SSH密钥权限
chmod 600 ~/.ssh/id_ed25519

# 配置Git凭据存储
git config --global credential.helper store

性能优化建议

1. 数据库优化

对于大量项目，建议使用PostgreSQL替代默认SQLite：

storage:
  database:
    type: "postgresql"
    host: "localhost"
    port: 5432
    name: "monkeycode"
    user: "monkeycode"
    password: "${DB_PASSWORD}"

2. 缓存配置

启用Redis缓存提升响应速度：

cache:
  enabled: true
  type: "redis"
  host: "localhost"
  port: 6379
  ttl: 3600  # 缓存时间（秒）

3. 负载均衡（生产环境）

使用Nginx反向代理：

upstream monkeycode {
    server 127.0.0.1:8080;
    server 127.0.0.1:8081;
    server 127.0.0.1:8082;
}

server {
    listen 80;
    server_name your-domain.com;
    
    location / {
        proxy_pass http://monkeycode;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
    }
}

升级指南

Docker升级

# 停止并删除旧容器
docker stop monkeycode && docker rm monkeycode

# 拉取新版本
docker pull monkeycode/monkeycode:latest

# 使用相同参数重新运行（数据会保留在挂载卷中）
docker run -d ... （同上）

源码升级

cd monkeycode

# 拉取最新代码
git fetch origin
git checkout v2.1.0  # 或 git pull origin main

# 更新依赖
pip install -r requirements.txt --upgrade

# 运行数据库迁移（如有）
python migrate.py upgrade

# 重启服务

安全最佳实践

1. API密钥安全

  • ✅ 使用环境变量存储敏感信息
  • ❌ 不要将密钥提交到代码仓库
  • ✅ 定期轮换API密钥
  • ✅ 设置IP白名单（如支持）

2. 网络安全

  • ✅ 生产环境启用HTTPS
  • ✅ 配置防火墙规则
  • ✅ 定期更新依赖包
  • ✅ 启用访问日志监控

3. 数据备份

# 手动备份数据目录
tar -czf backup_$(date +%Y%m%d).tar.gz ~/monkeycode-data/

# 定时备份脚本
crontab -e
# 添加: 0 2 * * * tar -czf /backup/monkeycode_$(date +\%Y\%m\%d).tar.gz ~/monkeycode-data/

下一步

安装完成后，你可以：

  1. 📖 阅读快速入门指南
  2. 🔧 查看配置参考文档
  3. 💡 探索示例项目
  4. 👥 加入社区讨论
  5. 🐛 报告问题或贡献代码

总结

通过本指南，你应该已经成功搭建了MonkeyCode开发环境。无论你选择Docker、源码还是在线方式，MonkeyCode都能为你提供强大的AI编程辅助能力。

记住：

  • 🚀 Docker方式适合快速体验和测试
  • 🔧 源码方式适合深度定制和开发
  • ☁️ 在线方式适合临时使用和演示

祝你在AI编程的道路上越走越远！有问题随时在社区提问。

本文基于MonkeyCode v2.0.0编写，后续版本可能有所调整。
更多帮助请访问：https://docs.monkeycode.dev
GitHub Issues: https://github.com/monkeycode/monkeycode/issues

posted on 2026-07-16 15:13  MonkeyCode  阅读(54)  评论(0)    收藏  举报
 
博客园  ©  2004-2026
浙公网安备 33010602011771号 浙ICP备2021040463号-3