最近需要在多台远程服务器上启动多个 Docker 容器，并分配不同的端口。

传统方式

打开终端，SSH 连接到服务器，回忆 docker 命令的参数格式，手动启动容器，遇到错误排查日志，重复这一套流程。

如果经常遇到类似任务，通常会封装成 shell 脚本：

bash deploy.sh --targets "A,B" --ports "5000,5001,5002"

但这种方式也有问题：

• 脚本的参数格式是什么？--targets 还是 --hosts？
• 端口列表用逗号还是空格分隔？
• 脚本是否还有未发现的 bug？

不管手动执行还是用脚本，本质上都需要记住特定的命令格式和参数规则。

AI 方式

用 AI 辅助的方式，同样的任务是这样完成的：

输入：

在服务器 A 和 B 上启动容器 A、B、C，端口从 5000 开始

AI 自动完成：

• 理解意图：需要在 2 台服务器上启动 3 个容器
• 提取参数：服务器列表 [A, B]，容器列表 [A, B, C]，起始端口 5000
• 自动递增：计算端口分配 5000, 5001, 5002
• 构建命令：生成 SSH + Docker 的完整命令
• 执行并返回结果

本质区别

传统方式像手动挡汽车：你需要知道什么时候换挡、怎么踩离合。

AI 方式像自动挡汽车：你只需要说“前进”或“后退”，底层细节由系统处理。

这不是简单的封装，而是抽象层级的提升——从“命令参数”提升到“意图理解”。

技术原理

工作流程

AI CLI 的工作流程可以分为三个步骤：

用户自然语言输入
    ↓
1. 理解意图（需要做什么？）
    ↓
2. 提取参数（目标、端口、容器...）
    ↓
3. 执行命令（SSH → Docker → 返回结果）

用户不需要知道命令格式、参数顺序、错误处理细节，只需要描述想要什么。

Skills 和 Commands 的角色

如果有多台服务器需要管理，可以为每台服务器定义一个 Skill：

---
description: 管理 A 服务器的 Docker 容器
---

A 服务器信息：

- 系统：Kali GNU/Linux Rolling
- Docker：27.5.1

连接方式：ssh A检查容器：ssh A "docker ps" 检查端口：ssh A "ss -tlnp | grep :5000"

Skills：AI 自动判断用户需要操作哪台服务器 Commands：用户手动触发，执行封装好的操作逻辑

两者配合，实现完整的自动化工作流。

用户体验对比

传统方式需要：

• 记住 SSH 连接方式
• 手动检查端口占用
• 计算端口递增
• 记住脚本参数格式

AI 方式只需要：

• 说一句话：“在 A 服务器启动 A、B 容器，端口从 5000 开始”

总结

从命令行到自然语言，表面上是输入方式的改变，本质上是抽象层级的提升。

• 命令行：需要记住工具的语法和参数
• 自然语言：只需要表达想要什么