第三章　AI 能力实战

一句话概括这一章

1Panel 不再只是个“装数据库的运维面板”，它同时是一个轻量级 AI 管理平台：从模型账号、本地大模型部署，到智能体、AI 网关、MCP，一条链路全在面板里。但 AI 模块的能力分散在社区版、专业版、企业版三个层级里，上手之前最该先搞清楚的是“哪些免费、哪些要钱、哪些要显卡”。

如果你已经在 1Panel 上跑过网站和应用，这一章是另一个视角的进阶：把服务器从“跑业务的机器”变成“跑模型的机器”。

小节	场景	一句话答案
3.1 模型管理与本地大模型部署	想统一管云端模型的 API Key，或者本地跑个开源模型	模型账号管凭证，Ollama 管本地模型，零门槛起步
3.2 vLLM 与 GPU 监控	要并发、要吞吐、有显卡	vLLM 是专业版能力，GPU 监控看显存和利用率
3.3 智能体与 AI 网关	给团队搭聊天助手、统一管调用配额	智能体社区版就能用（限 5 个），AI 网关是企业版
3.4 Skills Hub 与 MCP 实战	让 AI 能调外部工具、企业内部管理 Skill	MCP 三个版本都有，Skills Hub 仅企业版

和第 1 章讲网站时“OpenResty 是发动机”的视角一样，AI 模块也有一层“谁在真正干活”的认知：

你在面板上看到的	背后实际是什么
模型账号	保存连接信息（API Key、Base URL），真正推理在云端厂商那边
Ollama	应用商店装的一个容器应用，本地推理在容器里跑
vLLM	也是容器部署的推理引擎，冲着高吞吐去的
智能体	一个个容器化的应用（带 WebUI），配置文件指向上面的模型
MCP Server	用 `npx`/`uvx` 启动的命令，被 1Panel 封装进容器转成 HTTP 服务

一句话：1Panel 的 AI 能力，是“帮你把各种 AI 组件装起来、配置好、管起来”，而不是自己实现推理。 理解了这层，你就会明白为什么应用商店状态、Docker 状态、容器资源（CPU/内存/显卡）是 AI 功能的三个共同前提。

AI 模块是 1Panel 里“版本差异最大”的部分，先把边界说清楚，后面四节就不用反复重复：

发现规律了吗：不要钱的部分是“管凭证 + 管本地模型 + 管工具链”；要钱的部分是“要性能”（vLLM、模型下载器）和“要管理”（网关、Skills Hub、批量运维）。价格一律以官网为准，本书不编数字。

很多人装完 1Panel，冲进 AI 模块就想跑大模型，结果卡在第一步：服务器没有显卡，或者显卡驱动没装好。

先建立正确的预期：

一条务实路线：先用模型账号接云端 API（几乎零成本，熟悉整个链路），再上 Ollama 跑本地小模型（社区版全部免费），等需求确认了再考虑专业版的 vLLM 和企业版的网关。一上来就买许可证租显卡，是这一章最常见的浪费。

在 AI 这条路上，软硬件的关系比网站模块紧得多：

第一，显卡驱动。 以 NVIDIA 为例，终端执行 nvidia-smi 必须能正常输出。这个命令是 1Panel GPU 监控的前提，也是后面一切 GPU 相关功能的前提。

第二，容器里用 GPU，需要 NVIDIA Container Toolkit。 驱动只解决了“系统认得出显卡”，容器里用还得装容器运行时工具。GPU 监控官方文档明确要求按 NVIDIA 的安装文档完成容器运行时配置。

第三，驱动和内核强绑定。 升级系统内核可能让显卡驱动失效，官方都提醒“生产环境应先确认兼容性并安排维护窗口”。AI 服务器不要随便 apt upgrade。

更细的按钮级说明见《1Panel 官方文档：功能手册》的 AI 相关章节，本书讲的是选型与实战，官方文档讲的是完整参数。

下一节：从最贴近钱包的一步开始——模型账号管理，以及怎么用 Ollama 免费跑起本地大模型。