AI Agent 应用后端工程能力
Docker Compose 部署 AI Agent 应用
介绍为什么 AI Agent 应用第一阶段适合使用 Docker Compose 部署，以及需要关注的服务边界、资源和配置问题。
AI Agent 应用后端工程能力beginnerDocker Compose部署AI Agent
AI Agent 应用第一阶段不一定需要 Kubernetes。对于个人项目、小团队、家庭服务器或早期产品，Docker Compose 往往更现实。
关键不是部署工具高级不高级，而是能否把服务稳定跑起来，并且让配置、数据卷、日志和资源占用可控。
一个基础部署通常包含什么
典型服务包括：
arbor-web
arbor-api
arbor-ai-service
arbor-indexer-worker
postgres
redis
qdrant
minio
gateway其中 gateway 可以是 Caddy 或 Nginx，用来处理 HTTPS、域名、静态资源和反向代理。它不是 Spring Cloud Gateway，也不是微服务网关。
家庭服务器要特别关注资源
AI Agent 应用虽然不本地跑大模型，但依然会消耗内存。
PostgreSQL、Redis、Qdrant、MinIO、Java 服务和 Python 服务同时运行时，资源压力并不小。第一阶段应避免为了演示堆太多基础设施，尤其不要默认引入 Elasticsearch 这类重组件。
配置不能写死
模型 API Key、数据库密码、对象存储密钥、回调地址、登录密钥，都应该通过环境变量配置。
.env.example 应该提供变量名和说明，但不能提交真实密钥。部署文档也应该说明哪些配置是必填，哪些是可选。
一句话先记住
Docker Compose 的价值，是用足够简单的方式把 AI Agent 应用的服务边界和运行依赖固定下来。
继续阅读
10-backend-for-ai-agent/002-java-ai-architecture.md10-backend-for-ai-agent/004-postgresql-for-ai-app.md10-backend-for-ai-agent/008-api-contract-between-java-python.md