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 LTS2 vCPU / 3.8GB RAMAtomCode5.0.0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$cat/etc/os-release|head-2PRETTY_NAMEUbuntu 22.04.3 LTS$ atomcode--versionatomcode5.0.0(unknown)$ atomcode status Loggedinas: cpyaxjq(66612fcc2da91e28f2501347)Name: cpyaxjq Email: cpyaxjqnoreply.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,pid9510,fd9))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-flashbase_urlhttps://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-loginOAuth 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核心约束是在/root/atomcode_demo建一个 Flask 服务server-probe含/healthz、/api/metrics、/api/info三个接口不依赖 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自带 pytest 测试、自带 systemd unit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_demotimeout540\atomcode --prompt-file prompt.md-y--no-telemetry-v\run.log213.1 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turns36 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_totaltotal2-total1 delta_idleidle2-idle1ifdelta_total0: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,vline.strip().split(:,1)data[k]int(v.strip().split()[0])# kBtotaldata[MemTotal]availabledata.get(MemAvailable,data[MemFree])usedtotal-available percentround(100.0*used/total,1)iftotal0else0.0returnround(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 pytesttest_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$curl-s-w\nHTTP %{http_code}\nhttp://127.0.0.1:8089/healthz{status:ok}HTTP200$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 1auto_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 2headless 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 3root 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 TokenCodingPlan 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_concurrent3一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 AgentAtomCode 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%。
