AI 资源库 · 已整理 9 项
查看与Docker相关的 AI 资讯、工具、Skill、工作流和开源项目。
这篇博客记录了作者用 Harness 搭建 CI 流水线的一次实际体验：他有一个 Java Maven 项目（含 42 个单元测试和 Dockerfile），以前搭流水线要手写一堆 YAML 配置，这次他把 GitHub 仓库授权给 Harness，让内置 AI 扫描代码、自动识别 Java + Maven 并生成构建、测试、缓存步骤，再手动加一步把镜像推到 DockerHub。整个过程不用写一行流水线 YAML，首次运行 2 分 34 秒全部通过，加上推送 DockerHub 后整条流水线也只跑了 3 分多钟，适合想快速体验 Harness CI 的开发者参考。
kevynhundredandfiftyfifth763/train-studio · Train, fine-tune, and manage LoRA (SFT) models on your own GPU via an intuitive web UI — select hardware, datasets, and configs effortlessly.
train-studio 是一个带直观 Web UI 的训练工具，用于在自有 GPU 上训练、微调和管理 LoRA（SFT）模型，可在界面中选择硬件、数据集和配置。仓库 README 内容极少，仅给出项目名称与一句话简介，具体安装方式、依赖、硬件要求和限制均未说明。
sumitkumar1233edeedad/shopnexa-ecommerce · ShopNexa — An AI-powered e-commerce platform built with Django and Django REST Framework, featuring product management, cart, wishlist, authentication, orders, payments, AI recommendations, and real-time customer support.
ShopNexa（AI Store）是一个使用 Django 与 Django REST Framework 构建的 AI 驱动电商平台，描述中列出商品管理、购物车、心愿单、认证、订单、支付、AI 推荐与实时客服等能力。README 主要记录了底层架构说明：Django + PostgreSQL 16 + Redis 7 + Celery 的异步任务体系、基于邮件 OTP 的注册/登录/密码重置验证、优惠券引擎（每周 5 次使用上限、周一时间界限定）、面向全体活跃用户的促销券邮件广播、用户时区中间件，以及使用 Docker Compose 的多容器部署方式与分步运行、测试指引。
mujammed-04/test-ci-cd · Next.js gallery that refreshes itself hourly — an LLM invents the search prompts, a stock photo API finds the shots, CI republishes the image
一个基于 Next.js 的照片画廊项目，通过 GitHub Actions 每小时自动运行：先随机选择主题，再由 Groq 上的 LLM 生成搜索提示词，调用 Pexels 图片 API 获取照片并写入 gallery.json 提交到 main 分支，随后触发 CI 校验并重新构建镜像发布到 GHCR。项目使用 Next.js 16 App Router、React 19、TypeScript、StyleX 与 Feature-Sliced Design 组织代码，支持多语言路由，图片与提示词来源需标注 Pexels 与 Groq。
很多公司给容器打安全补丁时，总有些服务几个月都没更新，因为每个团队都自己写 Dockerfile，用的基础镜像和安装方式五花八门。Buildpacks 是一种不用写 Dockerfile、自动把源代码变成容器镜像的工具。它把选基础镜像、配运行时、生成物料清单等安全决策从各个开发团队收归到一个统一的构建平台。这样一来，平台团队可以集中管控和更新补丁，企业更容易在成百上千个服务里统一执行安全规则。
themanoj-025/AegisAI · AegisAI is an AI-powered security code review agent that analyzes GitHub pull requests, detects vulnerabilities, validates findings, redacts secrets, and posts actionable inline feedback before insecure code reaches production.
AegisAI 是一个基于 AI 的安全代码审查代理，通过 GitHub Webhook 接收 pull request 事件，提取 diff，经 Redis 队列交由 RQ Worker 处理：过滤噪声文件、重定向敏感信息、调用 Claude 或 GPT-4o 检测 12 类以上漏洞（SQL 注入、XSS、命令注入、硬编码密钥等），校验发现后以行内评论形式回写到 PR。项目使用 FastAPI + Redis + RQ 架构，提供 Docker 多阶段构建、HMAC-SHA256 签名校验、幻觉防护、Webhook 重试与死信队列及 Prometheus 指标。
enderjnets/Eko-AI-RealEstate · Eko AI Realtors — the on-prem AI agent for real-estate offices. WhatsApp 24/7 + lead capture + intent classification + visit booking + post-visit follow-up. Runs 100% on the customer's hardware (or their VPS) with Kimi 2.6 + MiniMax 2.7 fallback. The customer-facing product sold by Eko AI.
Eko AI Realtors 是一个面向房产中介机构的客户接待型 AI 智能体，以单办公室、单套自托管 Docker Compose 部署的方式运行，客户数据保留在自有数据库中。它通过 WhatsApp、邮件和 SMS（Twilio）全天候接待 inbound 线索，自动完成线索结构化采集与意图分类（rent / buy / valuation），提取区域、预算、房型与紧迫度，并支持英语和西班牙语双语回复。系统提供中介仪表盘，可查看会话、人工接管、使用 AI 建议草稿回复并管理看房；通过 Cal.com 集成实现时段查询、预约与确认（含开发用模拟模式）；通过 RESO Web API 接入 MLS/IDX 房源，在 /properties 浏览并按线索意图、区域与预算自动匹配，还可在对话中推送匹配房源。它支持看房后 24 小时 / 72 小时 / 7 天自动培育与看房提醒（人工接管后跳过），为每条线索计算 0-100 优先级评分并生成每日热门线索摘要，还可通过 Settings 页面自定义机构名称、人设、问候语、语言与营业时间。LLM 采用云端 Kimi 2.6 为主、MiniMax M2.7 为备，并以 Groq 免费额度作为兜底，均带内联故障切换；Ollama 本地推理为可选附加项，并非必需。
Roseapplemutualopposition5427/rag-llamaindex-qdrant-docker · Build a multi-collection RAG system using LlamaIndex and Qdrant in a Docker environment.
该项目提供一个本地运行的文档搜索引擎，结合 LlamaIndex 进行文档解析与索引、Qdrant 作为向量库、Ollama 生成回答，并以 Docker 打包部署环境。用户可在浏览器界面中上传 PDF 或文本文件，系统处理后即可针对文档内容进行问答，并支持按集合管理不同主题的文档。数据默认保存在本机，不上传互联网。
本文介绍如何通过 Harness Pipelines 与 Harness Terraform Provider 构建一条全自动 CI/CD 流水线：在 CI 步骤中内联运行 Terraform 动态创建唯一命名的 Docker 镜像仓库，构建并推送容器镜像，再将其部署到 Kubernetes，并通过输出变量与 Harness 表达式在各阶段间传递数据，全程无需手动操作 UI。