Sdcb Chats 1.10 私有化代码执行器部署教程

之前我写了这篇博客《复刻 ChatGPT 高级数据分析！Sdcb Chats 1.10 重磅发布：能分析Excel、做PPT》，向大家介绍了 Chats 1.10 最激动人心的新功能——内置代码执行器（Code Interpreter）。
文章发出后，反响很热烈，但也有很多朋友在问：“这功能看着很强，但到底怎么部署及其配置啊？”
回头看了一下前一篇文章，确实光顾着兴奋地介绍功能，把最关键的部署实操给略过了。为了让大家都能尽快用上这个“硬核”功能，今天特地补上这篇详细的保姆级部署配置文档。
想要在 Chats 中使用“代码执行”功能，主要分两步走：

• 基础设施层：让 Chats 服务能连上 Docker Daemon（因为代码是在隔离的 Docker 容器中运行的）。
  
• 应用配置层：在 Chats 后台和前台开启相应的功能开关。
  

第一部分：连接 Docker Daemon

Chats 的代码执行器原理是：当模型需要执行代码时，Chats 会动态创建一个一次性的 Docker 容器（沙箱），在里面运行代码并获取结果。因此，Chats 必须拥有管理 Docker 的权限。
这里主要介绍两种最常见的场景：纯 Docker 环境（Linux 服务器）和 Windows 下的 Docker Desktop。
场景一：Linux 服务器 / 纯 Docker 环境

这是生产环境最常用的方式。你只需要将宿主机的 Docker Socket 挂载到 Chats 容器中即可。

1. Docker 镜像说明

Chats 的 Docker 镜像托管在 sdcb/chats，我们提供了完善的多架构支持：
描述Docker 镜像 Tag说明Latest（推荐）latest包含最新稳定版功能，多架构支持指定完整版本{version} (如 1.10.0)生产环境推荐锁定版本指定主/次版本{major} / {major.minor}如 1, 1.10，自动更新到该系列最新版特定平台...-linux-x64 等仅在必须手动指定架构时使用关于 Manifest (多架构支持)：
我们的 latest 和语义化版本标签（如 1.10.0）都是 Manifest List。这意味着你不需要手动区分 linux-x64 还是 linux-arm64。
无论你在 x64 的 Linux 服务器、ARM64 的树莓派，还是 Windows Server (Nano Server) 上执行 docker pull sdcb/chats:latest，Docker 都会自动检测并拉取最适合当前系统的镜像层。
2. 启动配置

由于 Docker Socket 默认属于 root 用户，为了避免权限问题（Permission Denied），建议显式指定 --user 0:0 以 root 身份运行容器。
在启动 Chats 的 docker run 命令或 docker-compose.yml 中，添加 user 配置和挂载卷：

1. -v /var/run/docker.sock:/var/run/docker.sock --user 0:0

复制代码

完整的 docker run 命令示例：

1. # 创建数据目录并授权mkdir -p ./AppData && chmod 755 ./AppData# 启动容器docker run -d --restart unless-stopped --name sdcb-chats \  -p 8080:8080 \  -e DBType=sqlite \  -e ConnectionStrings__ChatsDB="Data Source=./AppData/chats.db" \  -v ./AppData:/app/AppData \  -v /var/run/docker.sock:/var/run/docker.sock --user 0:0 \  sdcb/chats:latest

复制代码

示例 docker-compose.yml：

1. version: '3'services:  chats:    image: sdcb/chats:latest    user: 0:0 # 关键：必须使用 root 用户才能访问 docker.sock    volumes:      - /var/run/docker.sock:/var/run/docker.sock # 关键配置：挂载 Docker 守护进程      - ./data:/app/data    ports:      - "8080:8080"

复制代码

场景二：Windows 环境

在 Windows (使用 Docker Desktop) 上部署时，情况稍微特殊一点，取决于你是在 Docker 容器内运行 Chats，还是直接运行 Chats 的 Windows 可执行文件 (.exe)。
情况 A：Chats 运行在 Docker 容器内（推荐）

如果你是通过 docker run 启动 Chats 的，那么恭喜你，配置方法其实和 Linux 完全一样！
Docker Desktop for Windows 做了很好的兼容，你只需要把 /var/run/docker.sock 挂载进去即可，不需要配置 npipe 或 TCP。
PowerShell 启动命令示例：

1. docker run -d -p 8080:8080 `  -v /var/run/docker.sock:/var/run/docker.sock `  -v ${PWD}/data:/app/data `  sdcb/chats:latest

复制代码

情况 B：Chats 作为原生可执行文件运行

如果你不习惯使用 Docker 部署应用，我们提供了基于预编译的原生可执行文件，无需安装任何运行时（如 .NET SDK/Runtime）即可直接运行，启动速度较快且内存占用低。
可执行文件列表：
平台文件名说明Windows 64位chats-win-x64.zip推荐大多数 Windows 用户Linux 64位chats-linux-x64.zip常见的 Linux 服务器 (glibc)Linux ARM64chats-linux-arm64.zip树莓派、Mac M系列docker等Linux Muslchats-linux-musl-*.zip适用于 Alpine 等轻量级发行版macOSchats-osx-*.zip支持 x64 (Intel) 和 ARM64 (M系列芯片)通用包chats.zip需安装 .NET 10，跨平台你可以从 下载指南文档 页面获取下载地址。该文档详细列出了 GitHub Releases 及国内加速镜像的下载方式。
配置与启动：
如果你下载了 Chats.BE.exe (Windows 版后端) 直接运行，而不是使用 Docker 镜像，那么你需要通过命令行参数指定 Windows 的命名管道 (Named Pipe) 来连接 Docker 引擎。

• 下载程序：下载并解压对应的 chats-win-x64.zip。
  
• 启动命令：使用 --CodePodockerEndpoint 参数指定 Docker 接入点。
  

PowerShell 启动命令示例：

1. # 启动后端程序，并指定 Docker 引擎地址.\Chats.BE.exe --CodePod:DockerEndpoint npipe://./pipe/docker_engine

复制代码

你也可以同时指定其它参数（如端口）：

1. .\Chats.BE.exe --urls http://+:5000 --CodePod:DockerEndpoint npipe://./pipe/docker_engine

复制代码

这样，原生运行的 Chats 也能顺利指挥 Docker Desktop 创建沙箱环境了。
第二部分：在 Chats 中启用功能

连上 Docker 只是打通了经脉，接下来还需要在 Chats 内部“解锁”这个技能。
1. 后端配置：模型设置

首先，我们要告诉 Chats，哪些模型允许使用这个能力。

• 以管理员身份登录 Chats。
  
• 进入后台管理 -> 模型配置。
  
• 展开你想要的模型提供商->模型密钥，然后编辑你想要使用的模型（例如deepseek-v3.2）。
  
  
  
  • 注意：任何支持 Tool Call (工具调用) 的模型 API 都可以，无论是 OpenAI 原生的 Chat Completions，还是Responses API/Messages API。
    
  
  
• 在功能列表中，找到并勾选 “代码执行 (Code Execution)”。
  
  
  
  

⚠️ 特别注意：用户权限分配
很多第一次添加模型的朋友容易忽略这一点：启用功能后，必须明确授权给用户。
在模型编辑页面的底部，展开用户列表 (User Access)，确保给你自己的账号（或需要使用的用户）勾选上权限。如果不勾选，你在前台是看不到这个模型的，或者无法调用该功能。

2. 前端配置：开启会话开关

后端准备就绪后，最后一步是在聊天界面开启使用。

• 回到聊天 (Chat) 界面。
  
• 在顶部的模型配置栏（通常显示模型名称的地方），点击展开配置面板。
  
• 找到 “代码执行” 开关，将其打开。
  

效果演示

一切就绪！现在你可以像使用 ChatGPT 的高级数据分析一样，上传一个 Excel 文件，或者让它帮你画一张图表了。
试试发送这样的指令：

请帮我分析这个 Excel 文件：https://cv-public.sdcb.pub/2026/changsha_weather_2025.xlsx，生成一个包含每月平均气温和降水量的报告，并附上图表

Chats 会自动创建一个隔离的 Docker 环境，编写 Python 代码，执行并把生成的图片直接贴在对话框里。

安全性考量

⚠️ 重要提示：与模型 API 调用不同，代码执行功能目前不进行任何计费，仅通过全局配置做了一些基础限制。如果你打算将 Chats 开放给未经充分信任的用户使用（例如搭建类似 ChatGPT/Manus 的公开服务），务必认真配置以下安全策略，避免服务器资源被滥用甚至被攻击。
1. 网络隔离

代码执行容器的默认网络模式为 bridge，这与 ChatGPT 的完全隔离沙箱不同——容器是可以联网的。
这个设计是有意为之的，因为它带来了更强大的能力：

• AI 可以在容器内下载文件、调用外部 API、安装依赖包。
  
• 甚至可以让 AI 创建多个 Docker 容器协同工作（比如一个跑 Web 应用、一个跑数据库），Chats 会在工具调用响应中返回容器的局域网 IP 地址，模型可以据此进行容器间通信。
  

但这也意味着潜在风险：

• 容器可以访问宿主机同一 Docker 网络内的其他服务（包括你的数据库、Redis 等）。
  
• 恶意用户可能利用此能力进行内网扫描或攻击。
  

建议：

• 安全敏感环境：将 CodeInterpreter:MaxAllowedNetworkMode 设置为 none，完全禁止容器联网。
  
• 物理隔离：在一台独立的虚拟机或物理机上运行 Docker Daemon，Chats 通过 TCP 远程连接，从而实现网络层面的彻底隔离。
  

2. 资源限制

AI 可以创建任意数量的 Docker 会话（通过 create_docker_session 工具）。虽然空闲会话会在一定时间后自动清理，但仍存在以下风险：

• 算力滥用：恶意用户可能运行高负载任务，耗尽服务器 CPU/内存。
  
• 磁盘占用：AI 可能拉取不同版本的镜像，这些镜像不会自动清理，长期积累会占满磁盘。
  

Chats 提供了细粒度的资源限制配置，强烈建议根据实际情况调整：
配置项默认值说明CodeInterpreterefaultResourceLimits:MemoryBytes2147483648 (2GB)单个容器内存上限CodeInterpreterefaultResourceLimits:CpuCores2.0单个容器 CPU 核数CodeInterpreterefaultResourceLimits:MaxProcesses200单个容器最大进程数CodeInterpreter:MaxResourceLimits:*null (不限制)硬上限，防止 AI 请求超额资源CodeInterpreter:SessionIdleTimeoutSeconds1800 (30分钟)空闲会话自动回收时间CodeInterpreterefaultTimeoutSeconds300 (5分钟)单次命令执行超时默认的 2 核 2GB 配置可以完成大多数日常任务（数据分析、图表生成、文档处理等）。如果你的场景需要更多资源（如视频处理、大规模计算），可以适当放宽；反之，如果是公开服务，建议收紧限制。
3. 文件上传限制

AI 执行代码后可以将生成的文件（artifacts）回传给用户。为防止滥用，Chats 也提供了相应限制：
配置项默认值说明CodeInterpreter:MaxArtifactsFilesToUpload50每轮最多回传文件数CodeInterpreter:MaxSingleUploadBytes157286400 (150MB)单个文件最大大小CodeInterpreter:MaxTotalUploadBytesPerTurn314572800 (300MB)单轮总上传大小4. 其他建议

• 定期清理镜像：使用 docker image prune 或 docker system prune 定期清理未使用的镜像和悬挂资源。
  
• 监控与告警：对 Docker 宿主机的 CPU、内存、磁盘使用率设置监控告警。
  
• 用户权限管理：仅对信任的用户开放代码执行功能，在模型配置中谨慎分配权限。
  

更多配置细节请参考：配置说明文档
结语

希望这篇文档能帮你顺利部署 Chats 1.10，体验完全私有化、可控的代码解释器功能。
感谢阅读！喜欢的朋友请给我的 GitHub 项目一个 star：
https://github.com/sdcb/chats
这是完整的更新日志，包含更多技术细节：
https://github.com/sdcb/chats/blob/main/doc/zh-CN/release-notes/README.md
有什么想法也欢迎在评论区留言交流，也欢迎加入我的新创建的微信群：

如果你更习惯用 QQ 的话，也可以加入 Chats QQ 群：498452653，我们一起探索更多 AI 技术硬核玩法。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！