CodeCombat部署教程:在Docker环境中搭建私有编程学习平台
你还在为寻找适合团队或学校的编程教学平台而烦恼吗?部署复杂、配置繁琐、依赖难搞?本文将带你通过Docker容器化技术,快速搭建属于自己的CodeCombat私有编程学习平台,全程无需复杂命令,10分钟即可完成部署。读完本文你将获得:Docker环境配置指南、CodeCombat容器化部署步骤、平台初始化与访问方法,以及常见问题解决方案。
准备工作
在开始部署前,请确保你的服务器已安装以下软件:
- Docker Engine (20.10.x或更高版本)
- Docker Compose (v2.x或更高版本)
如果尚未安装,可以通过以下命令快速部署(适用于Ubuntu/Debian系统):
# 安装Docker
sudo apt-get update && sudo apt-get install -y docker.io docker-compose
# 启动Docker服务
sudo systemctl enable --now docker
# 验证安装
docker --version && docker-compose --version
项目部署需要使用国内镜像仓库地址:https://gitcode.com/gh_mirrors/co/codecombat,后续步骤将基于此仓库进行操作。
部署步骤
1. 获取项目代码
首先克隆CodeCombat项目仓库到本地:
git clone https://gitcode.com/gh_mirrors/co/codecombat.git
cd codecombat
2. 配置Docker环境
项目根目录下提供了完整的Docker Compose配置文件docker-compose.yml,核心配置如下:
version: '3'
services:
proxy:
build:
context: .
dockerfile: ./development/docker/Dockerfile
command: bash -c "npm install && npm run build && npm run proxy"
volumes:
- .:/coco
- /coco/node_modules
environment:
DEV_CONTAINER: 1
ports:
- 7777:3000
此配置定义了一个名为proxy的服务,使用项目自带的Dockerfile构建镜像,映射宿主机7777端口到容器内3000端口,并通过卷挂载实现代码实时同步。
3. 构建并启动容器
使用Docker Compose一键启动服务:
docker-compose up -d
首次启动会自动执行以下操作:
- 基于development/docker/Dockerfile构建镜像
- 安装Node.js依赖(npm install)
- 构建前端资源(npm run build)
- 启动应用服务(npm run proxy)
可以通过以下命令查看容器运行状态:
docker-compose ps
# 查看服务日志
docker-compose logs -f proxy
平台初始化与访问
1. 验证服务状态
服务启动后,通过浏览器访问http://服务器IP:7777,看到以下界面表示部署成功:
2. 初始配置
首次访问需要完成以下配置:
- 创建管理员账户
- 设置组织信息
- 配置课程内容
- 邀请用户加入
这些配置都可以通过Web界面完成,无需手动修改配置文件。
常见问题解决
端口冲突问题
如果7777端口已被占用,可以修改docker-compose.yml中的端口映射:
ports:
- 8080:3000 # 将8080替换为可用端口
构建速度慢问题
由于需要安装大量依赖,首次构建可能较慢。可以通过修改npm源加速依赖安装:
# 在Dockerfile中添加npm源配置
RUN npm config set registry https://registry.npmmirror.com
数据持久化方案
默认配置未做数据持久化,生产环境建议添加数据库容器并挂载数据卷,修改docker-compose.yml添加:
services:
# ... 现有配置 ...
mongo:
image: mongo:5
volumes:
- mongo-data:/data/db
restart: always
volumes:
mongo-data:
部署架构说明
CodeCombat Docker部署架构如下:
graph TD
A[用户] -->|HTTP:7777| B[Docker Host]
B --> C[CodeCombat容器]
C --> D[Node.js应用]
D --> E[前端资源]
D --> F[API服务]
应用采用前后端一体化架构,所有资源都通过Node.js服务提供,适合中小规模团队使用。如需大规模部署,建议拆分前后端并添加负载均衡。
总结与展望
通过Docker Compose部署CodeCombat私有平台,不仅简化了环境配置,还保证了部署的一致性和可重复性。目前平台支持多种编程语言学习,包括Python、JavaScript、Java等,通过游戏化的方式提高编程学习趣味性。
官方文档:README.md Docker配置:docker-compose.yml 项目源码:gh_mirrors/co/codecombat
如果你在部署过程中遇到问题,欢迎在项目issue中反馈。后续我们将推出进阶教程,介绍如何自定义课程内容、集成LDAP认证以及平台性能优化等高级主题。
喜欢这篇教程请点赞收藏,关注我们获取更多开源项目部署指南!
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust030
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
