AI Content Studio 生产部署指南:从本地开发到 Linux 服务器稳定运行的完整方案
AI Content Studio 生产部署指南:从本地开发到 Linux 服务器稳定运行的完整方案
AI Content Studio 是一款 100% 免费开源的 AI 内容自动化工具:它能自动撰写脚本、生成配音、合成视频,并一键发布到 YouTube 等平台,实现"无人值守"的内容生产。本地试玩很简单,但如果想让 7×24 小时的自动化任务稳定跑起来,就需要把这套 FastAPI 后端 + Next.js 前端部署到 Linux 服务器上。本文将带你完成一次完整的生产部署:安装依赖、构建前端、配置 systemd 守护、反向代理与数据备份,全程命令可直接复制使用。
1️⃣ 部署前检查:先认清 AI Content Studio 的架构
部署之前,花 1 分钟了解架构,后面每一步都会清晰很多:
| 组件 | 技术栈 | 默认端口 | 启动方式 |
|---|---|---|---|
| 后端 API 引擎 | FastAPI (Python) | 8008 |
python server/main.py |
| 前端控制台 | Next.js (React) | 3000 |
npm run dev / npm start |
| 视频处理引擎 | FFmpeg(系统依赖) | — | 需加入系统 PATH |
- 后端入口:server/main.py,其中还内置了健康检查接口
GET /health(server/main.py#L82-L84) - 本地安装的完整步骤可先参考官方指南:INSTALL.md
- 后端依赖清单见:requirements.txt(包含 FastAPI、yt-dlp、Whisper、MoviePy 等)
⚠️ 关键认知:FFmpeg 是硬性依赖。切片、裁剪 9:16 竖版、烧录字幕、Whisper 转写全部依赖它。FFmpeg 没装好,应用会在视频生成阶段直接崩溃。
2️⃣ 获取代码:Linux 服务器一键初始化依赖
假设使用 Ubuntu / Debian 系统,以 root 或具备 sudo 权限的用户操作:
# 1. 安装系统级依赖:FFmpeg、Python 虚拟环境支持
apt update && apt install -y ffmpeg python3-venv git
# 2. 克隆代码仓库
git clone https://gitcode.com/gh_mirrors/ai/AI-Content-Studio.git
cd AI-Content-Studio
后端 Python 环境(虚拟环境隔离,生产环境必备好习惯):
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
pip install python-multipart # 文件上传功能依赖此项
前端 Node 环境(需要 Node.js v18+,可用 nvm 安装 LTS 版):
cd web
npm install
装完后先本地冒烟测试一下:
# 终端 1:启动后端
cd AI-Content-Studio && source .venv/bin/activate
python server/main.py
# 终端 2:启动前端
cd AI-Content-Studio/web && npm run dev
浏览器访问 http://localhost:3000,能打开控制台、http://localhost:8008/health 返回 {"status": "ok"},即说明依赖全部就绪。✅
3️⃣ 前端生产构建:从 dev 模式切换到 build 模式
npm run dev 只是开发服务器,生产环境应使用正式构建(脚本定义见 web/package.json):
cd AI-Content-Studio/web
npm run build # 生成 .next 生产产物
npm start # 以生产模式监听 3000 端口
📌 一个非常重要的生产注意点:
当前版本的前端页面代码中,API 地址是以 http://localhost:8008 的形式硬编码在浏览器端发起请求的(例如全局配置加载 web/src/context/ConfigContext.tsx#L20,以及各功能页面中的 fetch 调用)。这意味着:
- 如果浏览器和服务器在同一台机器(或能通过 VPN 直连
localhost/内网地址),功能正常; - 如果你的用户从外网远程访问,浏览器里的
localhost:8008指向的是用户自己的电脑,而非服务器——此时需要把前端中的 API 基址批量替换为可公网访问的后端地址,或通过同域反向代理改造(见下一节的 Nginx 方案)。
后端 CORS 目前是全放行的(allow_origins=<a href="https://link.gitcode.com/i/10199bba05b35fc59fe7f46470a4a894" target="_blank">"*"]),源码注释中也明确提示"生产环境应收窄为前端域名"([server/main.py#L27-L33)。公网部署时建议顺手收紧,减少被跨站滥用的风险。
4️⃣ 后端生产启动:uvicorn 单 Worker 模式(关键细节)
开发模式下 python server/main.py 会带着 reload=True 启动(server/main.py#L89),热重载只适合开发。生产环境请用 uvicorn 直接启动:
cd AI-Content-Studio
source .venv/bin/activate
uvicorn server.main:app --host 0.0.0.0 --port 8008
⚠️ 切记不要加
--workers多进程参数! AI Content Studio 的任务队列是进程内内存实现:作业状态存在模块级字典_JOBS中,由 2 个线程的线程池消费(server/core/queue.py#L13-L26),Auto-Pilot 定时任务也是一个后台线程(server/core/scheduler.py)。多 worker 会各自维护一份队列,任务状态、WebSocket 进度推送都会"失联"。单进程是这套架构的正确打开方式。
启动后验证:
curl http://localhost:8008/health
# 期望输出:{"status":"ok","service":"AI Content Studio Engine"}
另外,后端启动时会自动创建 workspace/ 目录存放生成产物(server/main.py#L11-L12),所以 uvicorn 必须在项目根目录下启动,否则数据库、配置文件都会落到错误的相对路径。
5️⃣ systemd 守护配置:开机自启 + 崩溃自愈
生产环境最核心的诉求:掉线自动拉起、重启服务器后自动恢复。为前后端各写一个 systemd 服务文件。
后端服务 /etc/systemd/system/aics-backend.service:
[Unit]
Description=AI Content Studio Backend (FastAPI)
After=network.target
[Service]
WorkingDirectory=/opt/AI-Content-Studio
ExecStart=/opt/AI-Content-Studio/.venv/bin/uvicorn server.main:app --host 0.0.0.0 --port 8008
Restart=always
RestartSec=5
[Install]
WantedBy=multi-user.target
前端服务 /etc/systemd/system/aics-frontend.service:
[Unit]
Description=AI Content Studio Frontend (Next.js)
After=network.target
[Service]
WorkingDirectory=/opt/AI-Content-Studio/web
ExecStart=/usr/bin/npm start
Restart=always
RestartSec=5
[Install]
WantedBy=multi-user.target
💡 把项目放在
/opt/AI-Content-Studio只是示例路径,请按实际路径调整WorkingDirectory与ExecStart。WorkingDirectory同样很关键——它保证了 SQLite 库、config.json等相对路径文件始终落在项目目录内。
启用并查看日志:
systemctl daemon-reload
systemctl enable --now aics-backend aics-frontend
systemctl status aics-backend
journalctl -u aics-backend -f # 实时滚动查看日志
有了 Restart=always,进程被杀、OOM、依赖异常退出后 5 秒即自动拉起,这是"稳定运行"的第一道保险。
6️⃣ Nginx 反向代理:统一入口 + WebSocket 支持
AI Content Studio 通过 WebSocket 实时推送生成进度和日志流(server/routers/generation.py#L105-L114),代理时必须正确透传 Upgrade 头,否则进度条会卡死。
/etc/nginx/conf.d/aics.conf 参考配置:
# 前端 3000
server {
listen 80;
server_name studio.example.com;
location / {
proxy_pass http://127.0.0.1:3000;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
}
}
# 后端 API + WebSocket 8008
server {
listen 80;
server_name api.example.com;
location / {
proxy_pass http://127.0.0.1:8008;
proxy_set_header Host $host;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
proxy_read_timeout 86400; # 长任务视频生成耗时长,放宽超时
}
}
nginx -t && systemctl reload nginx
同时别忘了防火墙放行:
ufw allow 80/tcp
ufw allow 443/tcp
🛡️ 安全建议: 后端
8008端口没有任何鉴权。强烈建议不要将 8008 直接暴露到公网,只通过 Nginx(必要时加 IP 白名单或 Basic Auth)转发;/health接口可用于监控探活。
7️⃣ 数据持久化与备份清单:这三类文件就是你的全部家当
AI Content Studio 的状态数据非常集中,备份起来不费力气:
| 数据 | 位置 | 作用 |
|---|---|---|
| SQLite 数据库 | workspace/app.db(server/core/database.py#L5) |
OAuth Token、平台授权 |
| 全局配置 | 项目根目录 config.json(config.py#L11) |
API Key、品牌风格、音色等 |
| 自动化活动 | 项目根目录 campaigns.json(server/core/scheduler.py#L15) |
Auto-Pilot 定时任务 |
| 生成产物 | workspace/ 目录下 |
成片、脚本、素材 |
一个最简备份脚本(放 crontab 每天 3:30 执行):
tar czf /backup/aics-$(date +\%F).tar.gz \
--exclude='web/node_modules' \
--exclude='.venv' \
-C /opt AI-Content-Studio
⚠️ 注意内存态任务: 任务队列
_JOBS只存在于内存中(server/core/queue.py#L14),服务重启后"排队中/进行中"的任务会丢失,但campaigns.json中的活动会在下一轮调度(失败自动 5 分钟后重试)继续推进,整体业务不会中断,只是进行中的那条任务需要手动重发。
8️⃣ 生产环境排障清单 🧯
| 现象 | 排查方向 |
|---|---|
| 生成视频时报 FFmpeg 相关错误 | ffmpeg -version 验证是否全局可用;apt 安装后重开终端 |
| 视频音画不同步 | 确认使用最新版后端,FFmpeg 抽帧流程已强制 -c:a aac 防 PTS 漂移(见 README.md Troubleshooting 章节) |
| 进度条不刷新 | 检查 Nginx 是否透传了 WebSocket Upgrade 头 |
| 远程访问页面能打开但功能全挂 | 前端硬编码了 localhost:8008,需替换为可公网访问的后端地址 |
| 服务重启后任务消失 | 属内存队列的正常特性,见上一节 |
| 端口没监听 | ss -lntp | grep 8008,再用 journalctl -u aics-backend 看启动报错 |
9️⃣ 收尾:推荐配置与操作顺序
服务器规格建议: 4 核 / 8G 内存起步(Whisper 转写和 FFmpeg 转码都吃 CPU 和内存),磁盘 50G 以上(生成的视频会持续累积在 workspace/)。
标准操作顺序回顾:
- ✅ 安装 FFmpeg + 克隆仓库 + 虚拟环境装依赖
- ✅
npm run build生产构建前端 - ✅ uvicorn 单进程启动后端,
/health验证通过 - ✅ 两个 systemd 服务
enable --now - ✅ Nginx 反代(带 WebSocket 头)+ 防火墙
- ✅ 浏览器打开控制台 → Settings 页填入 Gemini API Key 等配置
- ✅ 配置每日备份 cron
按这套流程走完,AI Content Studio 就能在你的 Linux 服务器上稳定运转:开机自启、崩溃自愈、数据每日备份,剩下的工作就交给它的 Auto-Pilot 调度器,让它替你 7×24 小时批量生产内容吧 🚀