文章摘要
作者成功构建了一个近乎完全自托管的沙盒化智能体软件工厂，仅凭一条指令便自主完成了从创建仓库、编写代码测试、通过CI、配置PostgreSQL到部署HTTPS应用的完整开发流程，解决了LLM自动模式下权限安全顾虑。
文章总结
好的，这是根据您的要求，对原文主要内容进行的中文重述，保留了关键细节，并删减了与核心主题无关的冗余内容。
标题：搭建一个（几乎）完全自托管、沙盒化、自主运行的软件工厂
核心结论： 实验成功了！只需一个指令，AI代理就自主完成了从创建代码仓库、编写应用和测试、通过CI流水线、配置数据库到最终将应用部署到HTTPS域名下的全过程，全程无需人工干预。
背景与动机： 作者想创建一个完全远程的、结构上受控的AI开发环境，而不是盲目信任AI。目标是让AI能自主完成整个软件开发生命周期：研究技术栈、编写代码和测试、提交代码并运行CI、部署到生产服务器（含数据库、域名和SSL）。所有操作都在作者的家庭服务器上完成，无需额外云服务费用，唯一持续成本是每月20英镑的Codex订阅。
硬件与网络隔离：
- 硬件隔离： 使用一台专用的、全新的二手服务器（2021年款i7，32GB内存），与运行其他重要服务的旧服务器物理分离。这样即使AI出错，也只会影响这台新机器。
- 网络隔离： 新服务器没有对外开放端口，完全通过Tailscale组建的虚拟网络（tailnet）访问。通过Pi-hole的DNS规则，将*.internal.jakeshomelab.me域名解析到新服务器。
- SSL证书： 利用DNS-01挑战（通过Porkbun API）为这些内部域名生成有效的Let's Encrypt SSL证书，无需公开服务的A记录，确保服务仅能在tailnet内访问。
核心技术栈： - Coolify： 自托管的PaaS平台，作为核心编排工具，管理应用部署、反向代理和SSL。 - Forgejo： 自托管的Git仓库和CI/CD系统。 - Hermes： 一个具备自主能力的AI助手，使用Codex进行推理，提供Web界面和Telegram集成。 - Firecrawl： 自托管的网络爬虫，为AI提供网页搜索和抓取能力。 - 其他： Tailscale（网络）、Pi-hole（DNS）、Porkbun（域名注册商）、Let's Encrypt（SSL）。
工作流程演示：
作者向Hermes发送了一个指令：“请为我构建一个卡路里追踪应用，类似MyFitnessPal，使用SvelteKit、Drizzle、Postgres和Tailwind，部署到calories.internal.jakeshomelab.me。”
AI随后自主完成了以下所有步骤： 1. 创建新的Git仓库，并初始化SvelteKit、Drizzle、Postgres和Tailwind。 2. 编写应用代码和测试，并分阶段提交。 3. 创建CI流水线。 4. 修复测试失败，直到CI全部通过。 5. 使用Docker Compose将应用和Postgres容器化。 6. 将整个应用部署到Coolify的指定URL。
整个过程无需任何额外提示。在发现一个CSRF问题后，作者发送了一条提示，AI自主诊断、修复并添加了回归测试，然后重新部署。
关于隔离性的思考与下一步： - 当前风险： 尽管有隔离，AI仍然有能力破坏新服务器、删除数据、泄露凭证、消耗大量API额度或进行出站网络请求。 - 改进方向： - 将新服务器置于独立的VLAN，并明确阻止其访问家庭网络的其他部分。 - 为每个凭证设置最小权限并定期轮换。 - 自动化备份，使重建整个服务器成为一键操作。 - 对可能造成重大影响的操作设置审批流程。 - 核心权衡： 过多的审批门控会削弱AI的自主性。如何找到“需要频繁干预”和“拥有过高权限”之间的平衡点，是下一步实验的目标。
评论总结
根据评论内容，总结如下：
主要观点与论据：
对“软件工厂”模式的质疑（评分：无，但多位评论者持此观点）
- 评论7（copemaxxxing）指出，AI能解决90%的代码，但最后10%的关键bug往往需要人类理解整个系统才能修复。引用："The problem for software factory is... you can't ship it because while the AI deals with the 90%, turns out that last remaining 10% are the one that make or break your project."
- 评论9（ashu1461）强调验证困难："producing code is the easy part, verification is hard. Verification via test cases just feels like the same agent validating its own assumptions."
对AI生成代码质量的担忧（评分：无）
- 评论3（100percentjake）分享个人经验，认为AI项目仅适合个人使用，不适合交付客户："Every project I've ever had an LLM do a majority of the work for me has been strictly for my personal use; I'd never let anyone else use this stuff because it doesn't pass the vibe check."
- 评论7（copemaxxxing）举例说明，即使是Claude Opus也无法解决某些前端和嵌入式bug，最终需要人类手动修复。
对行业“网红”的批评（评分：无）
- 评论7（copemaxxxing）批评Kent Dodds等倡导“远离代码”的软件工厂理念，认为他们已脱离实际开发："They are already rich... their time in this industry has passed. They are not in the weeds doing enterprise software development anymore."
对基础设施和安全的关注（评分：无）
- 评论11（complexfirrea）直接跳到教程结尾，关注安全与隔离："I skipped straight to the end to find exactly what I expected the tutorial would cover: security and isolation."
对工具选择的讨论（评分：无）
- 评论2（mempko）比较Hermes与OpenClaw在多智能体系统方面的优劣。
- 评论6（ramon156）询问Hermes与OpenCode在大型任务上的表现差异。
平衡性总结： - 正面观点：评论3（100percentjake）分享了使用Hermes的成功案例，包括家庭自动化、个人工具开发等。 - 负面/质疑观点：评论7（copemaxxxing）和评论9（ashu1461）对软件工厂模式的可行性和代码质量提出尖锐批评。 - 中立/探索观点：评论2（mempko）和评论6（ramon156）在比较不同工具，寻求最佳实践。