VPS वर coding AI agent कसे चालवावे

VPS वर coding agent का वापरावा

coding agent हे असे साधन आहे जे तुमचे codebase वाचते, बदल लिहिते आणि ते तपासण्यासाठी commands चालवते, ते सर्व terminal मधून केले जाते. VPS वर हे वापरण्याचे तुमच्या laptop पेक्षा तीन फायदे आहेत: तुम्ही disconnect झाल्यावरही ते काम चालू ठेवते, ते तुमच्या code आणि build tools च्या अगदी जवळ असते, आणि ते तुम्ही स्वतः host केलेल्या model शी संवाद साधू शकते. ते tmux session मध्ये सुरू करा आणि तुम्ही तुमचा laptop बंद करून नंतर पुन्हा काम सुरू करू शकता, जसे running Claude Code on a VPS with tmux मध्ये केले जाते.

दोन terminal-based agents माहित असणे आवश्यक आहे. Aider हा terminal-native आणि git-first पर्याय आहे: ते प्रत्येक बदल योग्य message सह auto-commit करते, ज्यामुळे तुमचा history स्वच्छ राहतो आणि प्रत्येक edit रिव्हर्सिबल (reversible) असते. हे सर्वात जुन्या terminal coding agents पैकी एक आहे, जरी त्याच्या release ची गती आता कमी झाली आहे. Block कडील Goose हा अधिक व्यापक आहे: हा एक Apache-2.0 agent आहे ज्यामध्ये मोठा extension ecosystem आणि local Ollama models सह अनेक providers चा सपोर्ट आहे, जो आता Linux Foundation च्या Agentic AI Foundation (AAIF) अंतर्गत विकसित केला जात आहे. Aider हा शिस्तबद्ध, git-centric workflow साठी योग्य आहे; Goose हा मोठ्या plugin set सह अधिक सामान्य assistant साठी योग्य आहे.

तुम्हाला कशाची गरज आहे

तुम्हाला git, tmux आणि Aider साठी अलीकडील Python असलेला VPS लागेल, किंवा Goose साठी Goose installer लागेल. आणि तुम्हाला एका model ची गरज आहे: एकतर Anthropic किंवा OpenAI सारख्या provider कडून मिळालेली hosted API key, किंवा Ollama on the same VPS द्वारे सर्व्ह केले जाणारे local model. self-hosted पर्यायामुळे तुमचा code तुमच्या स्वतःच्या server वर राहतो आणि प्रत्येक token साठी कोणताही खर्च येत नाही, परंतु त्यासाठी सक्षम model साठी पुरेशी memory असणे आवश्यक आहे.

Aider इंस्टॉल आणि रन करा

Aider ला pipx वापरून एका isolated environment मध्ये इंस्टॉल करा, जे apt मधून येते, कारण Ubuntu 24.04 मध्ये virtual environment च्या बाहेर साधी pip install प्रतिबंधित आहे (PEP 668). त्यानंतर तुमच्या project मध्ये, disconnect झाल्यावरही चालू राहण्यासाठी tmux session मध्ये Aider रन करा:

sudo apt install pipx
pipx ensurepath
pipx install aider-chat
tmux new -s aider
cd ~/my-project
aider

एक version नोट: ही install पद्धत Ubuntu 24.04 वर दाखवल्याप्रमाणे काम करते. Ubuntu 26.04 वर सध्या ती fail होते, कारण Aider च्या pinned dependencies मध्ये जुना numpy समाविष्ट आहे जो 26.04 च्या Python 3.14 वर build होत नाही. उपाय म्हणजे Aider ला स्वतःचे Python 3.12 देणे:

pipx install --python 3.12 --fetch-missing-python aider-chat

pipx फक्त Aider साठी एक standalone interpreter download करते आणि install पूर्ण होते. हे Aider च्या मंद झालेल्या release pace चे लक्षण आहे; जर तुम्हाला याचा त्रास होत असेल, तर Goose हा अधिक सक्रियपणे maintained पर्याय आहे.

एकदा ते सुरू झाले की, Ctrl-b आणि नंतर d दाबून session मधून detach व्हा आणि agent तुमच्या laptop बंद असतानाही काम चालू ठेवेल; नंतर काय बदल झाले हे वाचण्यासाठी tmux attach -t aider वापरून पुन्हा reattach करा. Aider तुमचे repository वाचते, edits सुचवते, ते लागू करते आणि प्रत्येक बदल commit करते, आणि जेव्हा एखादा बदल अनेक फाइल्समध्ये पसरलेला असतो तेव्हा ते context साठी अतिरिक्त फाइल्स घेऊ शकते. प्रत्येक बदल एक commit असल्याने, agent चे काम मागे घेणे (undo) ही एक साधी git revert आहे, जी एक safety net म्हणून काम करते. Goose त्याच्या documented one-line script सह इंस्टॉल होते आणि terminal मधून तत्चमाणेच चालते, त्याच्या extensions द्वारे tasks पूर्ण करते:

curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash

Hosted model किंवा self-hosted model

Hosted model तुम्हाला सर्वोत्तम quality देते आणि त्यासाठी कोणत्याही local hardware ची गरज नसते, परंतु प्रत्येक token साठी खर्च येतो आणि तुमचा code provider कडे पाठवला जातो. Per-token खर्च लोकांच्या अपेक्षेपेक्षा वेगाने वाढतो, कारण agent प्रत्येक वेळी संपूर्ण conversation पुन्हा पाठवते. what a long agent session really spends on tokens चे Claude Code विश्लेषण येथे देखील लागू होते, कारण Aider आणि Goose दोन्ही सारख्याच पद्धतीने billing करतात. Ollama द्वारे self-hosted model सर्व काही तुमच्या server वर ठेवते आणि hardware साठी खर्च केल्यानंतर ते चालवण्यासाठी मोफत आहे, परंतु उपयुक्त ठरेल इतके चांगले coding model साठी खऱ्या memory ची गरज असते. हा असा trade-off आहे ज्याचा विचार करायला हवा: quality आणि convenience विरुद्ध privacy आणि cost.

जर तुम्ही self-hosted निवडले, तर व्यावहारिक प्रश्न असा आहे की तुमच्या server ला कोणते model परवडेल. एखादे eight-gigabyte चे model अशा box वर download करण्यापूर्वी त्याचे size तपासा जे ते सामावून घेऊ शकत नाही:

Safety: ते फाइल्स edit करते आणि commands चालवते

coding agent निष्क्रिय नसते. ते फाइल्स पुन्हा लिहिते आणि build व test commands चालवू शकते, म्हणून तुमच्या system मध्ये बदल करू शकणाऱ्या कोणत्याही process प्रमाणेच यालाही काळजी द्या. तीन सवयी बहुतेक रिस्क कमी करतात. git repository मध्ये काम करा, जेणेकरून प्रत्येक बदल track आणि reversible राहील, जे Aider तुमच्यासाठी आपोआप करते. agent ला तुमच्या नेहमीच्या unprivileged user प्रमाणे चालवा, कधीही root प्रमाणे नाही, least-privilege users चे पालन करा, जेणेकरून एखादा चुकीचा command संपूर्ण system ला स्पर्श करू शकणार नाही. आणि box स्वतः सुरक्षित (hardened) ठेवा, कारण coding VPS हा अजूनही एक public server आहे: key-only SSH, default-deny firewall आणि इतर. OpenClaw hardening guide अधिक autonomous agent साठी हीच भूमिका मांडते आणि ही तत्त्वे सर्वत्र लागू होतात.

coding agent ला तुमच्या स्वतःच्या workflow मध्ये जोडण्यासाठी, building an AI agent with Claude मध्ये दाखवले आहे की एक model तुमचे tools कसे चालवते; running Google's Gemini CLI on a VPS हा दुसरा terminal पर्याय आहे, आणि self-hosting OpenHands हा अधिक जड autonomous मार्ग आहे. या क्षेत्रातील सर्वात जास्त-starred open project कडे आता स्वतःची मार्गदर्शिका आहे: running OpenCode on a VPS मध्ये ते त्याच tmux आणि unprivileged-user pattern सह सेट करते.

FAQ

मी paid API ऐवजी local model सह coding agent चालवू शकतो का?

हो. Aider आणि Goose दोन्ही Ollama द्वारे सर्व्ह केलेल्या local models सह काम करतात, त्यामुळे तुम्ही कोणताही per-token खर्च न करता आणि तुमचा code तुमच्या server च्या बाहेर न जाता पूर्णपणे self-hosted coding agent चालवू शकता. अडचण memory ची आहे: उपयुक्त code लिहिण्यास सक्षम model साठी बराच RAM किंवा VRAM लागतो, म्हणून commit करण्यापूर्वी मशीनचे size तपासा.

Aider की Goose, मी कोणता वापरावा?

जर तुमचा workflow terminal- आणि git-centric असेल आणि तुम्हाला सर्वात मॅच्युअर, कमी overhead असलेला पर्याय हवा असेल तर Aider निवडा; ते प्रत्येक बदल auto-commit करते जेणेकरून तुमचा history रिव्हर्सिबल राहतो. जर तुम्हाला मोठ्या extension ecosystem आणि अनेक providers चा सपोर्ट असलेला अधिक व्यापक assistant हवा असेल तर Goose निवडा. दोन्ही terminal मधून चालतात आणि दोन्ही Ollama सोबत काम करतात, त्यामुळे दोन्ही VPS साठी योग्य आहेत.

self-hosted coding model साठी मला किती memory लागेल?

हे model च्या size वर आणि ते किती quantized आहे यावर अवलंबून असते. एक लहान quantized model काही gigabytes वर चालू शकते, तर अधिक शक्तिशाली model ला खूप जास्त memory लागते, आणि long context windows मुळे त्याची गरज वाढते. एखादे model आणि context length download करण्यापूर्वी त्यांना किती memory लागेल याचा अंदाज घेण्यासाठी वरील sizing tool वापरा.

AI agent ला माझा code edit करू देणे आणि commands चालवू देणे सुरक्षित आहे का?

योग्य सवयी असल्यास हे व्यवस्थापित करण्यायोग्य आहे. तुमचे काम git repository मध्ये ठेवा जेणेकरून प्रत्येक edit हा एक reversible commit असेल, agent ला root ऐवजी unprivileged user म्हणून चालवा, आणि VPS ला कोणत्याही public server प्रमाणेच सुरक्षित (harden) करा. बदल blindly स्वीकारण्याऐवजी ते commit झाल्यावर तपासा, विशेषतः कोणताही command जो तो तुमच्या system वर चालवू इच्छितो.