企业官网建设流程全解析

用 AtomCode 在云服务器上 10 分钟"造"一个服务器资产巡检 API —— 一次真实的 Headless 实战

本文为「码动四季」夏季征文 ·实战体验类投稿。文中所有命令与输出均来自真实机器操作，主机账号/密码等敏感信息已脱敏。

0. 为什么写这篇

我是做 DevOps / 运维开发的，日常里最常被问到的一类需求是：“给我一个能随时看服务器健康度的接口”。这类需求不大，但手写起来琐碎（读/proc、算 CPU 采样、拼 JSON、写测试、配 systemd）。正好最近在玩AtomCode——一款「开源 + 多模型 + 免费 Token」的全自动 AI 编码助手，我干脆拿它做一次端到端实战：在一台真实云主机上，用 AtomCode 的headless（无人值守）模式从零生成、自测、验证一个轻量巡检服务，并把全过程如实记下来。

本文所有输出来自真实环境：Ubuntu 22.04.3 LTS（2 vCPU / 3.8GB RAM），AtomCode5.0.0，默认模型deepseek-v4-flash。

1. 环境速览：AtomCode 是怎么"住"在机器上的

我通过 SSH 登录云主机后，先确认 AtomCode 的部署形态：

$cat/etc/os-release|head-2PRETTY_NAME="Ubuntu 22.04.3 LTS"$ atomcode--versionatomcode5.0.0(unknown)$ atomcode status Loggedinas: cpyaxjq(66612fcc2da91e28f2501347)Name: cpyaxjq Email: cpyaxjq@noreply.gitcode.com Auth file: /root/.atomcode/auth.toml $ systemctl is-active atomcode-webui atomcode-login active active $ ss-ltnp|grep13457LISTEN040960.0.0.0:13457... users:(("atomcode",pid=9510,fd=9))

几个关键事实：

• 登录方式：AtomGit OAuth，一条atomcode login完成授权并领取CodingPlan 免费模型额度（无需自备 API Key）。
• 默认模型：AtomGit-deepseek-v4-flash，base_url=https://llm-api.atomgit.com/v1，上下文窗口 100 万 token；视觉走Qwen3-VL-8B-Instruct，联网检索走 Exa。
• 常驻服务：atomcode-webui（浏览器交互，端口 13457）、atomcode-login（OAuth 监听）。也就是说它既能当命令行工具，也能当常驻服务 / IDE 守护进程（daemon子命令）使用。

2. AtomCode 能力地图（CLI 视角）

┌──────────┐ SSH / Terminal ┌─────────────────────────────────┐ │ 开发者 │ ─────────────────▶ │ atomcode (CLI v5.0.0) │ └──────────┘ │ │ │ ├─ login / logout / status │ │ ├─ webui (浏览器交互 :13457) │ │ ├─ daemon (IDE 集成 HTTP) │ │ ├─ mcp (MCP 服务器管理) │ │ ├─ plugin (skill / 命令插件) │ │ ├─ hooks (生命周期钩子) │ │ ├─ fixissue(修 AtomGit issue) │ │ └─ upgrade / rollback (热升级) │ └──────────────┬───────────────────┘ │ headless: --prompt-file -y ▼ ┌─────────────────────────────────┐ │ deepseek-v4-flash @ AtomGit │ │ (1M ctx, 免费 CodingPlan 额度) │ └─────────────────────────────────┘

Headless 模式是本文重点，命令形态为：

atomcode --prompt-file task.md-y--no-telemetry

• --prompt-file：从文件读任务（比-p更适合多行、带代码的复杂需求）。
• -y / --dangerously-skip-permissions：自动放行所有工具调用（写文件、跑命令）。这正是自动化跑任务的前提，否则它会卡在权限确认上。
• --no-telemetry：关闭遥测，输出更干净。

3. 实战：一句话需求 → 一个可上线服务

我把需求写进prompt.md，核心约束是：

1. 在/root/atomcode_demo建一个 Flask 服务server-probe，含/healthz、/api/metrics、/api/info三个接口；
2. 不依赖 psutil，必须用标准库读/proc与系统命令（我有意加的约束，逼它写可移植代码）；
3. 自带 pytest 测试、自带 systemd unit；
4. 必须真跑 pytest 并 curl 验证，把结果写进 README。

然后一行命令把任务交给 AtomCode（用timeout 540兜底，避免长任务失控）：

cd/root/atomcode_demo&&timeout540\atomcode --prompt-file prompt.md-y--no-telemetry-v\>run.log2>&1

3.1 AtomCode 的"自主执行"长什么样

它不是一个简单的代码补全，而是一个有规划、会自测、会纠错的 Agent。从run.log统计：

• 总耗时375.9 秒，消耗514.70K tokens（缓存命中率约 97%）；
• 27 个对话轮次（turns），36 次工具调用；
• 工具调用分布：bash×15、todowrite×13（自己拆任务清单）、write_file×5、edit_file×1、read_file×1、list_directory×1。

换句话说，它自己列了待办、写了文件、建了 venv、装了依赖、跑了 pytest、还用 curl 做了接口联调。几个有代表性的动作：

[tool→ bash] cd /root/atomcode_demo && python3 -m venv .venv && \ source .venv/bin/activate && pip install -r requirements.txt [tool→ bash] python -m pytest test_api.py -v [tool→ bash] .venv/bin/flask --app app run --host 127.0.0.1 --port 8088 & \ sleep 2 && curl ... /api/metrics [tool→ edit_file] 把验证结果写回 README.md 的 "## 验证记录"

3.2 它写出来的核心代码（节选）

app.py里 CPU 采样与内存解析都是直接读/proc，不依赖第三方库：

defget_cpu_percent():"""Sample CPU usage over ~1 second."""total1,idle1=_get_cpu_stat()time.sleep(1)total2,idle2=_get_cpu_stat()delta_total=total2-total1 delta_idle=idle2-idle1ifdelta_total==0:return0.0returnround(100.0*(1.0-delta_idle/delta_total),1)defget_memory():"""Parse /proc/meminfo, return (total_mb, used_mb, percent)."""data={}forlinein_read_proc("/proc/meminfo").split("\n"):k,v=line.strip().split(":",1)data[k]=int(v.strip().split()[0])# kBtotal=data["MemTotal"]available=data.get("MemAvailable",data["MemFree"])used=total-available percent=round(100.0*used/total,1)iftotal>0else0.0returnround(total/1024,1),round(used/1024,1),percent

/api/info还顺手把 AtomCode 自己的版本也带上了（执行atomcode --version），很有"元认知"味道。

3.3 验证：不是"写完就交差"

AtomCode 自己跑了 pytest：

test_api.py::TestHealthz::test_healthz_returns_ok PASSED [ 33%] test_api.py::TestMetrics::test_metrics_returns_required_fields PASSED [ 66%] test_api.py::TestInfo::test_info_returns_required_fields PASSED [100%] 3 passed in 1.12s

为"双重保险"，我自己又启动服务 curl 了一遍（端口 8089，避免和它用的 8088 冲突）：

$curl-s-w'\nHTTP %{http_code}\n'http://127.0.0.1:8089/healthz{"status":"ok"}HTTP200$curl-shttp://127.0.0.1:8089/api/metrics{"hostname":"lavm-cw9k5dvspp","cpu_count":2,"cpu_percent":2.0,"mem_total_mb":3923.6,"mem_used_mb":625.6,"mem_percent":15.9,"disk_root_total_gb":58.8,"disk_root_used_gb":30.5,"disk_root_percent":51.8,"load_avg":[0.0,0.04,0.07]}HTTP200$curl-shttp://127.0.0.1:8089/api/info{"os_name":"Linux","kernel":"5.15.0-60-generic","python_version":"3.10.12","atomcode_version":"atomcode 5.0.0 (unknown)"}HTTP200

三个接口全部HTTP 200，返回的是这台机器真实的 hostname、内存、磁盘、内核数据。一个从零开始、含测试、含部署单元的小服务，就这样在 6 分钟出头里"长"出来了。

4. 踩坑记录（都是真踩的）

坑 1：auto_update 会"偷偷"升级，且破坏旧命令参数。
我第一次执行atomcode plugin list时，它直接联网下载并原地升级 4.26.0 → 5.0.0（因为config.toml里auto_update = true）。升级后我发现之前记忆里的--max-turns 30参数直接报unexpected argument——v5.0.0 已经把它从顶层选项移除了。
✅ 建议：用--dev启动可临时禁用自动升级；生产机器建议在 seed-config 里关掉auto_update并锁定版本，避免"今天写的脚本明天就跑不了"。

坑 2：headless 必须用-y，否则会卡在权限确认。
不加-y时，它每写一个文件都要你确认。自动化场景务必加-y（等价于"全放行"），当然前提是任务边界你已经用 prompt 约束清楚。

坑 3：root 下运行有安全告警。
日志里有一条[warning] Running with Administrator privileges — model may have access to system files.。Headless 自动放行 + root 权限 = 模型有能力改系统文件。强烈建议：生产 / CI 里用普通用户跑 AtomCode，或配合--disable-tools收掉危险工具。

坑 4：模型会"偷懒"用重依赖。
初版它想直接import psutil，被我在 prompt 里显式禁止后才改读/proc。这也提醒我们：给 Agent 的约束要写死，越具体越好，否则它会选"最省事但最不通用"的实现。

5. 体验总结：AtomCode 适合谁、强在哪

• 开源 + 多模型 + 免费 Token：CodingPlan 模型额度对日常脚本、运维工具、小项目原型非常够用；开源属性意味着你能upgrade/rollback、能看生态、能二次开发。
• Headless 是可以进 CI 的：--prompt-file+-y让它天然适合"定时生成 / 修复代码"“issue 自动修”（fixissue子命令直接吃 AtomGit issue）。
• 生态完整：WebUI、IDEdaemon、MCP、plugin/hooks、subagent（配置里max_concurrent=3）一应俱全，不是一个"只会补全"的工具。
• 不足 / 注意：自动升级机制偏激进（见坑 1），多模型路由、长任务稳定性仍需打磨；headless 的权限模型建议生产环境务必收紧。

一句话：如果你想要一个"能自己列计划、写代码、跑测试、还能进流水线"的开源编码 Agent，AtomCode 值得现在就装上玩一玩。

投稿类别：实战体验类 · 我用 AtomCode 开发 XX 项目的真实记录
主题契合：开源 AI 编码工具 / 运维自动化实战
原创声明：本文所有命令与输出均来自作者真实机器操作，AI 辅助占比低于 30%。