Paano Magpatakbo ng Coding AI Agent sa VPS

Bakit magpatakbo ng coding agent sa isang VPS

Ang coding agent ay isang tool na nagbabasa ng iyong codebase, nagsusulat ng mga pagbabago, at nagpapatakbo ng mga command para subukan ang mga ito, lahat mula sa terminal. Ang pagpapatakbo nito sa isang VPS ay may tatlong bentahe kumpara sa iyong laptop: patuloy itong gumagana kahit madisconnect ka, katabi nito ang iyong code at mga build tool, at maaari itong makipag-ugnayan sa model na ikaw mismo ang nagho-host. Simulan ito sa loob ng tmux session upang maisara mo ang iyong laptop at maipagpatuloy ang trabaho mamaya, ayon sa parehong pattern ng pagpapatakbo ng Claude Code sa VPS gamit ang tmux.

May dalawang terminal-based agent na dapat mong malaman. Ang Aider ang terminal-native at git-first na opsyon: awtomatiko nitong ginagawa ang commit sa bawat pagbabago gamit ang maayos na mensahe, kaya nananatiling malinis ang iyong history at maaaring ibalik ang bawat edit. Isa ito sa mga pinakamatagal nang ginagamit na terminal coding agent, bagaman bumagal na ang release pace nito. Mas malawak ang saklaw ng Goose mula sa Block: isa itong Apache-2.0 agent na may malaking extension ecosystem at suporta para sa maraming provider, kabilang ang mga local Ollama model. Kasalukuyan itong dine-develop sa ilalim ng Agentic AI Foundation (AAIF) ng Linux Foundation. Ang Aider ay angkop sa disiplinado at git-centric na workflow; ang Goose naman ay angkop bilang mas pangkalahatang assistant na may malawak na plugin set.

Mga kailangan

Kailangan mo ng VPS na may git, tmux, at kasalukuyang bersyon ng Python para sa Aider, o ng Goose installer para sa Goose. Kailangan mo rin ng model: maaaring hosted API key mula sa provider gaya ng Anthropic o OpenAI, o local model na sine-serve ng Ollama sa parehong VPS. Sa self-hosted na setup, nananatili ang iyong code sa sarili mong server at walang bayad bawat token, kapalit ng pangangailangang magkaroon ng sapat na memory para sa model na may kakayahan.

Mag-install at patakbuhin ang Aider

Mag-install ng Aider sa isang isolated environment gamit ang pipx. Ang pipx ay nagmumula sa apt dahil bina-block ng Ubuntu 24.04 ang plain pip install sa labas ng virtual environment (PEP 668). Pagkatapos, patakbuhin ang Aider sa loob ng iyong project, sa isang tmux session para magpatuloy ito kahit madiskonekta ka:

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

Isang paalala tungkol sa version: gumagana ang installation na ito gaya ng ipinakita sa Ubuntu 24.04. Sa Ubuntu 26.04, kasalukuyan itong nagfa-fail dahil may older numpy sa pinned dependencies ng Aider na hindi nagbu-build laban sa Python 3.14 ng 26.04. Ang solusyon ay bigyan ang Aider ng sarili nitong Python 3.12:

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

Nagda-download ang pipx ng standalone interpreter para lamang sa Aider, at natatapos ang installation. Sintomas ito ng bumagal na release pace ng Aider. Kung nakakaabala ito, mas aktibong mina-maintain ang Goose at iyon ang mas praktikal na piliin.

Kapag tumatakbo na ito, mag-detach sa session gamit ang Ctrl-b at saka d. Magpapatuloy ang agent kahit nakasara ang iyong laptop. Mag-reattach sa ibang pagkakataon gamit ang tmux attach -t aider upang makita ang mga binago nito. Maaari kang magbukas ng isa pang tmux window para sa ibang agent. Kung parehong Claude Code ang mga ito, maaaring ipasa ng dalawang session ang trabaho sa isa’t isa sa halip na ikaw ang manu-manong mag-relay nito. Binabasa ng Aider ang iyong repository, nagmumungkahi ng mga edit, inilalapat ang mga ito, at nagco-commit ng bawat isa. Maaari rin itong kumuha ng karagdagang files bilang context kapag saklaw ng isang pagbabago ang ilan sa mga ito. Dahil bawat pagbabago ay isang commit, ang pag-undo sa ginawa ng agent ay simpleng git revert. Ito ang safety net na nagpapadaling gamitin dito. Nag-i-install ang Goose gamit ang documented one-line script nito at katulad ding tumatakbo mula sa terminal habang pinapagana ang mga task sa pamamagitan ng mga extension nito:

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

Hosted model o self-hosted model

Nagbibigay ang hosted model ng pinakamagandang kalidad at hindi nangangailangan ng local hardware, ngunit may bayad ito kada token at ipinapadala ang iyong code sa provider. Mas mabilis madagdagan ang per-token cost kaysa sa inaasahan ng karamihan, dahil ipinapadala muli ng agent ang buong conversation sa bawat turn. Naaangkop din dito ang breakdown ng Claude Code tungkol sa tunay na ginagastos ng isang mahabang agent session sa tokens, dahil ganoon din maningil ang Aider at Goose. Pinananatili naman ng self-hosted model gamit ang Ollama ang lahat sa iyong server. Libre itong patakbuhin kapag nabayaran na ang hardware. Ngunit kailangan ng coding model na sapat ang kalidad para maging kapaki-pakinabang ang malaking memory. Iyan ang trade-off na dapat timbangin: kalidad at convenience laban sa privacy at gastos.

Kung self-hosted ang pipiliin mo, ang praktikal na tanong ay kung aling model ang kasya sa iyong server. Suriin din ang context window habang nagdedesisyon, dahil maliit ang default nito sa Ollama at tahimik nitong tina-truncate ang anumang mas mahaba. Para sa coding agent, nangangahulugan ito na nawawala sa prompt ang mga file na kakabasa lamang nito. Maaayos ito sa pamamagitan ng pagtaas ng num_ctx, at bahagi ng memory budget ang mas malaking KV cache na kailangan nito. Tiyakin muna ang laki bago mag-download ng eight-gigabyte model sa server na hindi kayang maglaman nito:

Kaligtasan: nag-e-edit ito ng mga file at nagpapatakbo ng mga command

Hindi passive ang coding agent. Muli nitong sinusulat ang mga file at maaari itong magpatakbo ng build at test commands. Kaya gamitin dito ang parehong pag-iingat na ginagamit mo sa anumang prosesong maaaring magbago sa iyong system. Tatlong gawain ang sumasaklaw sa karamihan ng panganib. Magtrabaho sa loob ng git repository upang masubaybayan at maibalik ang bawat pagbabago; awtomatikong ginagawa ito ng Aider para sa iyo. Patakbuhin ang agent bilang ordinaryong unprivileged user, hindi kailanman bilang root, ayon sa mga user na may kaunting pribilehiyo, upang hindi maapektuhan ng maling command ang buong system. Panatilihing hardened ang server mismo, dahil public server pa rin ang coding VPS: key-only SSH, default-deny firewall, at iba pa. Pareho ang prinsipyong sinusunod ng gabay sa hardening ng OpenClaw para sa mas autonomous na agent, at naaangkop din ang mga prinsipyong ito sa iba pang setup.

Para ikonekta ang coding agent sa sarili mong workflow, ipinapakita ng pagbuo ng AI agent gamit ang Claude kung paano ginagamit ng isang model ang iyong mga tool. Ang pagpapatakbo ng Google's Gemini CLI sa isang VPS ay isa pang opsyon sa terminal, habang ang self-hosting ng OpenHands ang mas mabigat na autonomous na ruta. May sarili nang gabay ang open project na may pinakamaraming star sa larangang ito: sine-set up ng pagpapatakbo ng OpenCode sa isang VPS ang mga ito gamit ang parehong pattern na may tmux at unprivileged user.

FAQ

Maaari ba akong gumamit ng coding agent na may local model sa halip na paid API?

Oo. Gumagana ang Aider at Goose sa mga local model na sine-serve ng Ollama, kaya maaari kang magpatakbo ng coding agent na ganap na self-hosted, walang per-token cost, at walang code na lumalabas sa iyong server. Ang kailangang isaalang-alang ay memory: nangangailangan ng malaking RAM o VRAM ang model na sapat ang kakayahang magsulat ng kapaki-pakinabang na code. Iangkop muna ang machine sa model bago ka magpasya.

Aider o Goose, alin ang dapat kong gamitin?

Piliin ang Aider kung terminal- at git-centric ang workflow mo at gusto mo ng pinakasanay at may pinakamababang overhead na opsyon. Awtomatiko nitong kino-commit ang bawat pagbabago para madali mong maibalik ang history. Piliin ang Goose kung gusto mo ng mas malawak na assistant na may malaking extension ecosystem at suporta para sa maraming provider. Pareho silang tumatakbo mula sa terminal at gumagana sa Ollama, kaya ang alinman sa mga ito ay angkop sa isang VPS.

Gaano karaming memory ang kailangan ko para sa self-hosted coding model?

Depende ito sa laki ng model at sa antas ng quantization nito. Maaaring tumakbo ang isang maliit na quantized model sa ilang gigabytes, samantalang mas maraming memory ang kailangan ng mas malakas na model. Nadadagdagan din ang memory requirement kapag mahaba ang context window. Gamitin ang sizing tool sa itaas upang tantiyahin ang memory na kailangan ng isang partikular na model at context length bago mo ito i-download.

Ligtas ba na hayaan ang AI agent na mag-edit ng code ko at magpatakbo ng mga command?

Maaari itong pamahalaan sa pamamagitan ng tamang mga gawi. Itago ang iyong work sa isang git repository upang ang bawat edit ay maging reversible commit. Patakbuhin ang agent bilang unprivileged user sa halip na root, at i-harden ang VPS gaya ng gagawin mo sa anumang public server. Suriin ang mga pagbabagong kino-commit nito sa halip na basta itong pagkatiwalaan, lalo na ang anumang command na nais nitong patakbuhin sa iyong system.