# 栖云个人服务部署方案 v2

> 2026-06-15 | 基于当前服务器状态（2C/4G/59G SSD，已用 13G，可用 45G）制定

---

## 一、当前状态

### 已部署服务（11 个）

| 服务 | 域名 | 端口 | 部署方式 | 状态 |
|:---|:---|:---|:---|:---|
| Halo 博客 | www.xybkwd.top | 8090 | Docker | 运行中 |
| Gitea | gitea.xybkwd.top | 3000 | Docker | 运行中 |
| Beast Dashboard | dashboard.xybkwd.top | 9000 | Docker | 运行中 |
| Memos | memo.xybkwd.top | 5230 | Docker | 运行中 |
| 栖云导航 | nav.xybkwd.top | 80/443 | Caddy 静态 | 运行中 |
| 要闻 | brief.xybkwd.top | 80/443 | Caddy 静态 | 运行中 |
| Vaultwarden | vault.xybkwd.top | 8088 | Docker | 运行中 |
| Calibre-Web | books.xybkwd.top | 8083 | Docker | 运行中 |
| Freqtrade | — | — | Docker | 运行中 |
| 灵感收集器 | — | — | cron+Python | 运行中 |
| AI Chat | chat.xybkwd.top | — | Caddy 反代 | 运行中 |

### 基础设施

- **反向代理**：Caddy（自动 HTTPS）
- **认证**：Caddy basicauth（fxy / Qiyun2025!），覆盖除博客和 Vaultwarden 外的所有服务
- **防火墙**：ufw（默认 deny incoming）
- **代理**：Shadowsocks-libev（31567）
- **DNS**：腾讯云泛解析 `*.xybkwd.top` → 43.163.225.30

### 资源余量

- **内存**：3.6G 总量，已用 2.1G，可用 ~1.5G
- **磁盘**：59G 总量，已用 13G，可用 45G
- **CPU**：2 核，负载较低

---

## 二、8 个部署方向方案

### 1. 全文搜索 — Meilisearch

**定位**：给 Gitea 仓库、Memos 灵感、博客文章、Calibre 书库提供统一搜索入口。

**选型**：Meilisearch（Rust 编写，内存友好，自带 Web UI，中文分词支持好）

**部署方案**：
- Docker：`getmeili/meilisearch:latest`
- 端口：7700
- 域名：`search.xybkwd.top`
- 内存占用：~200MB
- 磁盘：索引数据 ~500MB（按当前内容量估算）

**数据源接入**：
- Gitea：通过 API 拉取仓库 README 和文档
- Memos：通过 API 拉取所有 memo
- Halo 博客：通过 API 拉取文章
- Calibre-Web：通过 API 拉取书目元数据

**实现路径**：
1. 部署 Meilisearch Docker 容器
2. 写一个 Python 脚本，定时从各数据源拉取内容推入 Meilisearch
3. 做一个简单的搜索页面（纯 HTML，放在 `/var/www/nav/search.html`）
4. Caddy 反代 `search.xybkwd.top` → localhost:7700

**资源评估**：内存 +200MB，磁盘 +500MB，完全可行。

---

### 2. 书影音管理 — 已有 Calibre-Web + 扩展

**当前状态**：Calibre-Web 已部署（books.xybkwd.top），仅覆盖电子书。

**扩展方向**：
- **电影/剧集**：不推荐在 2C/4G 服务器上跑 Jellyfin/Plex（太重）。建议用 **Ryot**（Rust 编写的轻量级媒体追踪器），追踪已看/想看的电影剧集，不托管媒体文件
- **音乐**：Navidrome 太吃内存。建议用 Ryot 统一管理书影音"已读/已看/已听"记录

**部署方案**：
- Docker：`ghcr.io/ignisda/ryot:latest`
- 端口：8555
- 域名：`media.xybkwd.top`
- 内存占用：~150MB
- 数据库：SQLite（无需额外容器）

**与 Calibre-Web 的关系**：Calibre-Web 管"书库本身"，Ryot 管"阅读/观看记录和评分"。两者互补。

**资源评估**：内存 +150MB，磁盘 +200MB，可行。

---

### 3. n8n — 自动化工作流引擎

**定位**：可视化的自动化编排工具，替代零散的 cron 脚本。

**选型**：n8n（开源，自部署，节点丰富，支持 AI 节点）

**部署方案**：
- Docker：`n8nio/n8n:latest`
- 端口：5678
- 域名：`n8n.xybkwd.top`
- 内存占用：~300-500MB（⚠️ 较重）
- 磁盘：~1GB（含数据库和工作流）

**可替代的 cron 任务**：
- 灵感收集器每日分析
- 交易日报生成
- 新闻抓取和摘要
- DeepSeek 余额检查
- 备份脚本

**⚠️ 资源警告**：n8n 是 8 个方向中最吃资源的。当前可用内存 ~1.5G，部署 n8n 后剩余 ~1G。如果后续还要加其他服务，可能需要取舍。

**替代方案**：如果资源紧张，可以用 **Activepieces**（更轻量）或保持 cron 脚本不变。

**资源评估**：内存 +400MB，磁盘 +1GB，勉强可行但需关注。

---

### 4. RSS Hub — 信息聚合

**定位**：把微信公众号、网站、社交媒体等没有 RSS 的信息源转成 RSS 订阅。

**选型**：RSSHub（Node.js，社区庞大，路由覆盖广）

**部署方案**：
- Docker：`diygod/rsshub:latest`
- 端口：1200
- 域名：`rss.xybkwd.top`
- 内存占用：~200-300MB
- 磁盘：缓存 ~200MB

**推荐路由**：
- 微信公众号（需 cookie）
- 知乎专栏/用户
- GitHub Trending/Release
- 加密货币相关（CoinDesk、The Block）
- 政策文件（中国政府网、发改委）

**配套阅读器**：推荐 **Miniflux**（Go 编写，极简，~50MB 内存）
- Docker：`miniflux/miniflux:latest`
- 端口：8080
- 域名：`reader.xybkwd.top`

**资源评估**：RSSHub + Miniflux 合计内存 +300MB，磁盘 +300MB，可行。

---

### 5. 图床 — 私有图片托管

**定位**：替代腾讯云 COS 的私有图片存储，Markdown 写作时直接引用。

**选型**：Lsky Pro（兰空图床，PHP，功能完整）

**部署方案**：
- Docker：`halcyonazure/lsky-pro:latest`
- 端口：8089
- 域名：`img.xybkwd.top`
- 内存占用：~100MB
- 磁盘：取决于图片量（初始 ~100MB）

**功能**：
- Web 上传 / API 上传 / 剪贴板粘贴
- 自动生成 Markdown/HTML/URL 链接
- 相册管理、角色权限
- 支持 S3/COS 等外部存储（可后续对接腾讯云 COS 做备份）

**⚠️ 注意**：图片存储在服务器本地磁盘上。如果图片量大，建议定期备份到 COS 或本地。

**资源评估**：内存 +100MB，磁盘按需增长，可行。

---

### 6. 自动化抓取 — 定向信息采集

**定位**：定时抓取特定网站的信息，结构化存储，供 AI 分析。

**选型**：**changedetection.io**（监控网页变化）+ 自定义 Python 爬虫

**部署方案 A — 网页变化监控**：
- Docker：`ghcr.io/dgtlmoon/changedetection.io:latest`
- 端口：5000
- 域名：`watch.xybkwd.top`
- 内存占用：~200MB
- 功能：监控任意网页变化，支持 CSS 选择器定位，变化时发通知

**部署方案 B — 定向爬虫**：
- 用 Python（BeautifulSoup/httpx）写轻量爬虫
- 目标：政策文件、行业报告、竞品动态
- 输出：结构化 JSON → Gitea 仓库 → AI 分析
- 调度：cron（或 n8n，如果部署了的话）

**推荐组合**：changedetection.io 做"监控"，Python 脚本做"采集"，灵感收集器做"分析"。

**资源评估**：内存 +200MB，磁盘 +200MB，可行。

---

### 7. 语音助手 — 个人 AI 语音交互

**定位**：通过语音与 AI 对话，适合开车、做家务等场景。

**选型**：**Open WebUI + Piper TTS**（本地语音合成）

**部署方案**：
- Open WebUI：`ghcr.io/open-webui/open-webui:main`（端口 3001）
- Piper TTS：本地语音合成引擎（~100MB 模型）
- 域名：`voice.xybkwd.top`

**⚠️ 现实约束**：
- 2C/4G 服务器跑不了本地 LLM，语音识别和生成仍需调用 DeepSeek API
- Open WebUI 本身内存占用 ~500MB+，较重
- 手机端已有 DeepSeek App 支持语音输入，体验更好

**替代方案**：
- **不部署服务端**，直接用 DeepSeek App 的语音功能
- 或者部署一个极简的 **Web 语音对话页面**（浏览器 SpeechRecognition API + DeepSeek API），无需额外 Docker 容器，内存占用接近零

**推荐**：极简 Web 页面方案。写一个单页 HTML，用浏览器原生语音 API，后端只做 API 转发。部署在 `/var/www/nav/voice.html`。

**资源评估**：极简方案几乎零资源占用；Open WebUI 方案内存 +500MB，不推荐。

---

### 8. 微信读书同步 — 阅读数据归集

**定位**：把微信读书的划线、笔记、书评同步到 Gitea，与 Calibre-Web 书库打通。

**选型**：**weread-exporter**（Python，社区维护）

**部署方案**：
- 不部署服务，用 Python 脚本 + cron 定时同步
- 脚本：`~/scripts/weread_sync.py`
- 输出：Markdown 格式的划线/笔记 → Gitea 仓库 `fxy/weread-notes`
- 频率：每日一次

**实现路径**：
1. 获取微信读书 Cookie（浏览器登录后导出）
2. 部署 weread-exporter 脚本
3. 配置 cron 每日同步
4. 输出到 Gitea 仓库，可在 nav 页面加一个"读书笔记"入口

**与 Calibre-Web 的关系**：
- Calibre-Web 管"自有电子书"（文石阅读器上的书）
- 微信读书同步管"微信读书 App 上的书"
- 两者互补，覆盖全部阅读场景

**资源评估**：几乎零资源占用（一个 Python 脚本 + cron）。

---

## 三、部署优先级建议

按资源消耗、实用价值、实现难度综合排序：

| 优先级 | 方向 | 理由 |
|:---:|:---|:---|
| **P0** | 微信读书同步 | 零资源占用，高实用价值，快速落地 |
| **P0** | 图床 | 轻量，解决 Markdown 写作刚需 |
| **P1** | 全文搜索 | 打通已有数据孤岛，提升信息检索效率 |
| **P1** | 自动化抓取 | 信息采集是 AI 分析的原料 |
| **P2** | RSS Hub | 信息聚合，但需配合阅读器使用 |
| **P2** | 书影音管理 | Calibre-Web 已覆盖书，扩展影音记录 |
| **P3** | 语音助手 | 极简方案可行，但手机 App 已够用 |
| **P3** | n8n | 功能强大但吃资源，当前 cron 够用 |

---

## 四、资源预算

如果全部部署（不含 n8n 的完整方案）：

| 项目 | 内存增量 | 磁盘增量 |
|:---|:---|:---|
| 微信读书同步 | ~0 | ~50MB |
| 图床 (Lsky Pro) | +100MB | +100MB |
| 全文搜索 (Meilisearch) | +200MB | +500MB |
| 自动化抓取 (changedetection.io) | +200MB | +200MB |
| RSS Hub + Miniflux | +300MB | +300MB |
| 书影音管理 (Ryot) | +150MB | +200MB |
| 语音助手 (极简 Web) | ~0 | ~0 |
| **合计** | **+950MB** | **+1.35GB** |

**当前可用**：内存 ~1.5G，磁盘 45G。全部部署后内存剩余 ~550MB，磁盘剩余 ~43.6GB。**可行，但内存偏紧。**

---

## 五、建议分批推进

**第一批（本周）**：微信读书同步 + 图床 + 全文搜索
- 内存增量：+300MB
- 解决三个高频刚需

**第二批（下周）**：自动化抓取 + RSS Hub
- 内存增量：+500MB
- 信息采集基础设施

**第三批（后续）**：书影音管理 + 语音助手
- 内存增量：+150MB
- 锦上添花

**n8n**：单独评估，如果部署则需停掉部分 cron 任务释放资源，或者等服务器升级后再上。

---

## 六、后续可考虑

- **服务器升级**：当前 2C/4G 跑 11 个服务已用 2.1G 内存，再加 7-8 个服务会到 3G+。如果后续要上 n8n 或本地 LLM，建议升级到 4C/8G
- **监控告警**：目前没有服务健康监控（除 freqtrade 有 health_check.sh），建议加一个 Uptime Kuma（轻量，~100MB）
- **备份策略**：当前有每日备份脚本，建议定期验证备份可恢复性