我的书签
添加书签
移除书签1.3 开工前的准备：版本、Python 3.13、AI 点与模型配置
磨刀不误砍柴工：五件事确认完再开工
看过地图、对过场景，接下来就是动手。但我见过太多站长兴冲冲装完面板，发现没 AI 入口、MCP 装不上、模型没配没法对话，来回折腾半天。其实这些坑都能在开工前一次躲掉。
这一篇把准备工作收敛成五件事：确认面板版本、升级 Python 3.13、注册领 AI 点、配置模型、选定安装方式。每件事都给出 “要求是什么、怎么确认、命令是什么”，文末附一张开工准备清单，打印出来逐项打勾都行。
准备一：面板版本，先分清三条版本线
宝塔面板的版本线是第一个要确认的事，因为 AI 功能不是每条线都有。以官方信息为准，梳理如下：
- AI 功能适用 Linux 面板 v11.7 或更高，这是使用面板 AI 对话、AI 建站、专业助手、智能分析的前提。
- MCP 安装需要正式版 13.0，并且面板运行环境已升级到 Python 3.13，两个条件缺一不可。
- 稳定版 12.0.0 是纯净版，无 AI 功能、免绑定账号、无付费广告，官方推荐公司 / 生产环境。注意：冲着 AI 来的站长，不要装这条线，否则面板里找不到 AI 入口，白忙一场。
怎么确认当前版本：登录面板首页即可查看；版本不够就在面板首页右上角点【更新】升级。全新安装正式版 13.0 则执行：
curl -sSO http://download.bt.cn/install/install13.sh && bash install13.sh
还没有面板的同学，按官方通用脚本安装即可（有 curl 用 curl，没有用 wget 下载后执行），推荐系统为 Debian-12 / Ubuntu-22 / OpenCloud-9（腾讯云）/ Alibaba-Cloud-3（阿里云），root 执行约 2 分钟拿到面板账号密码。手把手步骤见 快速安装宝塔面板。
准备二：升级 Python 3.13
这是 MCP 链路里最容易被忽略的一环。官方对安装前准备的要求写得很明确：面板版本为正式版 13.0，面板运行环境已升级到 Python 3.13。没升 Python 会怎样？官方常见问题里有一条：获取接入信息时 HTTP 500，原因就是面板运行环境未升级 Python 3.13，处理方式是升级后卸载并重新安装【宝塔 MCP 服务】插件。所以这个坑官方都帮你标好了，照做就行。
升级命令（在非面板终端执行，也可登录面板点右上角【更新】）：
bash /www/server/panel/script/upgrade_py313_bundle.sh
升级完成后，回面板首页确认版本号符合预期即可。顺序建议：先更新面板到 13.0，再升 Python 3.13，最后装 MCP 插件，一步乱了一个都跑不动。
准备三：注册账号，领 100 AI 点
面板 AI 能力需要绑定账号，新用户福利是注册领 100 AI 点。这笔初始点数够不够用？官方没有给出统一的换算口径，只说 AI 建站等能力会消耗额度，具体额度和规则以面板内实时显示为准。我的建议是：先把这 100 点当作体验金，用来把第一篇、第二篇的流程完整跑通；日常使用中留意面板里的实时额度显示，把点数花在验证价值上，而不是漫无目的地试对话。
一个实用习惯：重要操作前先看余额。AI 建站、生成报告这类重操作前瞄一眼额度，避免做到一半被额度打断，那种 “差最后一步” 的憋屈感，值得花三秒避免。
准备四：配置模型，填四项即可
面板 AI 设置里支持多家厂商模型，配置方式很轻：填供应商、API 地址、API 密钥、模型名称即可接入。官方明确密钥由用户保管、数据由用户掌控。首次使用 AI 建站时会按提示完成模型配置，其他 AI 功能同理，都在面板 AI 设置中一键配置。
各厂商代表模型速查（以官方列表为准，实际可用模型以面板内实时显示为准）：
| 厂商 | 代表模型（部分） | 我的选型经验 |
|---|---|---|
| 千问 | qwen3.7-plus、qwen3.8-max-preview、qwen3.5-flash、qwen-plus 等 | 档位全，从 flash 到 max 覆盖轻量与重活 |
| 豆包 | doubao-seed-2-1-pro-260628 等 | 单一强模型，省去挑选成本 |
| Kimi | kimi-k3、kimi-k2.5、kimi-k2.7-code 等 | 带 code 后缀的适合碰代码的场景 |
| Deepseek | deepseek-v4-pro、deepseek-v4-flash、deepseek-r1-250528 等 | r1 系偏推理，排障时可试 |
| 混元 | hy3-preview、hunyuan-2.0-thinking 等 | thinking 系适合要推演的问题 |
| 文心 | ernie-5.0-thinking-preview、ernie-5.0、ernie-x1.1 等 | 同上有 thinking 与标准双线 |
| 智谱 | glm-5.2、glm-5.1、glm-5 | 版本号直观，按新旧的选 |
除了这些内置厂商，还支持自定义 API：可添加任意厂商多个模型，同样是填供应商、API 地址、API 密钥、模型名称。对已经持有其他厂商密钥的站长，这意味着一处配置、统一调用，不用为了 AI 功能专门去开某家的账号。
选型上我给一条务实建议：别追求 “最强模型”，先固定一个用熟。排障、建站、巡检对模型的要求不一样，但没有模型能通吃所有场景还便宜。先选一个响应速度满意的当日常主力，遇到推演复杂的故障再切 thinking 系或 r1 系对照，比每次换模型更有效率。
准备五：想清楚装哪种，面板内置、MCP 还是 Skill
三种安装方式不是竞争关系，是三个层次，选错了不是不能用，而是费力不讨好：
| 方式 | 装的是什么 | 前置条件 | 适合谁 |
|---|---|---|---|
| 面板内置 | 面板自带 AI 功能，开箱即用 | Linux 面板 v11.7+ | 所有站长，尤其只用面板干活的人 |
| MCP | 【宝塔 MCP 服务】插件，开放 8765 端口 | 正式版 13.0 + Python 3.13 + Agent 网络可达 8765 | 要把面板能力接进外部 Agent 的人 |
| Skill | 把 @btpanel/btpanel 提示词发给 Agent |
Agent 支持，能访问 skillhub.cn | 想让 Agent 全自动部署面板和 MCP 的人 |
怎么选，给你一个决策顺序：先在面板内置里把日常场景跑顺；确认自己确实需要外部 Agent 调面板能力时，再走 MCP；如果你的 Agent 支持 Skill，直接发 Skill 提示词让它自动部署，能省掉 MCP 的手工步骤——官方明确 Skill 支持自动部署宝塔面板与 MCP 服务，并接入 Claude Code、Codex、Cursor、WorkBuddy 等 AI Agent。
MCP 装之前还有三条官方安全纪律必须知道：先在非生产环境完成安装和功能验证；生产环境操作前备份重要数据；仅向可信 IP 开放 MCP 服务端口。端口细节和白名单配置见 宝塔 MCP 介绍，完整安装步骤在第二篇展开。
开工准备清单
最后是清单体，逐项确认，全绿再往下走：
| 检查项 | 要求 | 怎么确认 |
|---|---|---|
| 面板版本 | AI 功能 v11.7+；MCP 需正式版 13.0 | 面板首页查看版本，右上角【更新】升级 |
| Python 环境 | MCP 需要面板运行环境 Python 3.13 | 非面板终端执行 upgrade_py313_bundle.sh 后回首页确认 |
| 账号与 AI 点 | 注册账号，新用户领 100 AI 点 | 面板内绑定账号，查看实时额度显示 |
| 模型配置 | 填供应商、API 地址、API 密钥、模型名称 | 面板 AI 设置中配置并保存，发起一次对话验证 |
| 安装方式 | 面板内置 / MCP / Skill 三选一（或递进组合） | 按上表决策顺序确定 |
| 安全前提（MCP） | 非生产验证、备份数据、可信 IP 开放 8765 | 防火墙与云安全组均放行 TCP 8765，白名单填单个公网 IP |
小结
- 五件事：版本（AI 要 v11.7+、MCP 要 13.0）、Python 3.13、AI 点（注册领 100）、模型配置（四要素）、安装方式选择。
- 纯净版稳定版 12.0.0 没有 AI 功能，选版本先想清楚。
- 密钥自己保管、数据自己掌控，这是面板 AI 配置的底线设计。
- 清单全绿后，下一篇正式进入接入篇：先把 MCP 是什么、怎么装讲透。
