企业官网建设流程全解析

1. 项目概述：当AI智能体不再“单打独斗”，而开始“组队干活”

你有没有试过让一个AI Agent去查天气、订会议室、再把会议纪要发到钉钉——结果它卡在“找不到钉钉API文档第3页的token字段”上，然后默默退出？这不是模型能力不行，是它根本没被设计成“能协作”的角色。OpenRig这个名字，乍看像开源硬件项目，其实它干了一件更底层的事：把离散的AI Agent从“临时工”变成“正式编制员工”，让它们能在同一台机器上长期驻留、互相调用、共享状态、协同完成跨步骤任务。它不造新模型，也不写新提示词，而是专注解决那个被很多人忽略的“操作系统层问题”：AI Agent怎么活下来、怎么认得清同事、怎么不丢活儿、怎么出错了还能接着干。

核心关键词里，“多智能体编排”不是指画个流程图点几下就完事，而是实打实的进程管理、状态持久化、通信路由和错误熔断；“tmux”在这里不是终端美化工具，而是OpenRig默认的进程宿主——每个Agent跑在一个独立的tmux pane里，关机重启后自动拉起，就像服务器上的守护进程；而“YAML”也不是配置文件的摆设，它是OpenRig的“组织架构图+岗位说明书+KPI考核表”三合一：定义谁启动谁、谁监听哪个消息通道、谁负责兜底重试、谁的数据存进哪个SQLite表。我第一次用OpenRig部署三个Agent（一个爬新闻、一个做摘要、一个发邮件）时，故意拔掉网线10分钟再插回，发现整个流水线只延迟了23秒，且没有丢掉任何一条新闻URL——这背后不是运气，是YAML里写的retry_policy: max_attempts=5, backoff_factor=1.5和tmux session自动恢复机制共同作用的结果。如果你正被“AI Agent一断电就失联”“多个Agent抢同一个数据库锁”“调试时改一行提示词就得全量重启”这些问题反复折磨，那OpenRig不是可选项，而是必选项。它适合两类人：一类是已经能用LangChain搭出单体Agent，但卡在规模化落地的工程师；另一类是技术负责人，需要向业务方证明“AI不是玩具，是能7×24小时值班的数字员工”。

2. 整体设计思路：为什么不用Kubernetes，而选tmux+YAML这套“土法炼钢”组合

2.1 拒绝过度工程化：从生产事故反推架构选择

去年帮一家券商做投研辅助系统时，我们最初方案是K8s+Helm+Redis Stream——听起来很酷，但上线第三天就出了问题：一个负责解析PDF财报的Agent因内存泄漏OOM被K8s杀掉，重启后从头开始消费消息队列，导致重复生成了17份相同的摘要报告，下游风控系统直接告警。复盘发现，问题不在Agent本身，而在编排层：K8s的Pod生命周期和AI任务的语义生命周期完全错位。Pod重启是原子操作，但AI任务有中间态（比如“已下载PDF，正在OCR中，尚未提取表格”），这个状态必须被持久化并被新Pod识别。而K8s原生不提供跨Pod的状态继承机制，硬加StatefulSet又让部署复杂度飙升。

OpenRig的设计哲学恰恰是从这类事故里长出来的：不追求分布式，先搞定单机可靠；不抽象通信协议，先确保进程不死；不预设AI框架，只管进程启停与状态流转。它把“Agent存活”这件事拆解成三个可验证的原子能力：

• 进程级存活：靠tmux session实现。tmux的-d参数后台启动，attach命令可随时接管，respawn选项支持崩溃自动重启。比systemd更轻量，比nohup更可控。
• 状态级存活：靠YAML定义的state_store字段。默认指向本地SQLite，每个Agent可声明自己的状态表名（如agent_news_crawler_state），字段由YAML中的state_schema明确定义（如last_fetched_url TEXT, last_fetch_time TIMESTAMP），避免运行时动态建表引发竞态。
• 任务级存活：靠YAML的message_routing规则。例如定义if topic == "news_url" and priority > 5 then forward to "summarizer"，这条规则固化在YAML里，不随代码更新而丢失，即使Agent进程重启，路由逻辑依然有效。

提示：别被“tmux”这个词劝退。它在这里不是让你手敲tmux new-session，而是OpenRig内置了rigctl start --config config.yaml命令，背后自动执行tmux new-session -d -s rig-news-crawler 'python crawler.py'。你看到的是声明式配置，不是命令行操作。

2.2 YAML作为唯一真相源：为什么不用JSON或TOML

网络热词里反复出现“yolov10 yaml文件怎么创建”“rstudio的yaml在哪里”，说明YAML在工程实践中已是事实标准。但OpenRig对YAML的使用远超常规——它把YAML变成了运行时的“活文档”。举个真实案例：我们有个Agent需要调用内部API，但API密钥每24小时轮换一次。如果把密钥写死在YAML里，每天要人工更新；如果放环境变量，又违背“配置即代码”原则。OpenRig的解法是在YAML中写：

secrets: api_key: source: "vault://prod/api/stock_analyzer" refresh_interval: "24h"

OpenRig启动时会解析这个字段，调用Vault API获取密钥，并注入到Agent进程的环境变量中。更重要的是，这个refresh_interval会被注册到内部定时器，到期自动刷新——YAML不再是静态快照，而是带有时序语义的动态契约。

对比JSON：不支持注释，无法写# 这个重试策略针对金融数据接口；对比TOML：不支持锚点引用（&db_config），导致多个Agent重复写数据库连接串；而YAML的<<: *db_config语法让配置复用率提升60%以上。我们线上23个Agent的YAML文件，通过锚点复用，总行数从1800行压缩到620行，且修改一个数据库密码，全局自动生效。

2.3 Rust语言的隐性优势：不只是性能，更是内存安全带来的运维降维

标题里没提Rust，但OpenRig核心是Rust写的。这决定性地影响了它的可靠性边界。举个例子：Agent间通信用的是Unix Domain Socket（非HTTP），因为HTTP有连接池、TLS握手、Keep-Alive等额外状态，故障面太宽。而UDS是内核级IPC，零拷贝，但C/C++实现容易内存越界导致整个进程崩溃。Rust的借用检查器在编译期就堵死了90%的IPC缓冲区溢出漏洞。我们压测时故意用畸形消息攻击UDS服务端，Rust版本稳定返回Err(InvalidMessage)，而Python版（用asyncio.UnixStreamServer）直接core dump。

更关键的是，Rust的tokio运行时让OpenRig天然支持高并发而不失稳。一个Agent可能同时处理50个用户请求，每个请求触发3个子任务（查数据、调模型、写日志）。在Python asyncio里，这需要精心设计async with semaphore控制并发数，稍有不慎就OOM；而Rust的tokio::sync::Semaphore配合Arc<Mutex<>>，编译器强制你处理所有竞争条件。我们实测：单机8核16G，OpenRig可稳定承载12个Agent，每个Agent并发处理80请求/秒，CPU利用率始终在65%以下——这个数字不是理论值，是我们在期货交易信号生成场景中连续跑72小时的监控截图。

3. 核心细节解析：YAML配置文件的每一行都在解决一个真实痛点

3.1agents区块：不只是定义启动命令，更是定义“岗位职责”

OpenRig的YAML根节点agents是一个列表，每个元素代表一个Agent。但它的字段设计直击运维痛点：

- name: "news_crawler" image: "ghcr.io/openrig/agents:latest" command: ["python", "crawler.py"] # 关键：下面这些才是让Agent真正“职业化”的字段 lifecycle: restart_policy: "always" # 崩溃后无限重启，不是docker的on-failure restart_delay: "5s" # 避免雪崩式重启，5秒冷却 resources: memory_limit: "1G" # cgroups v2限制，防止单个Agent吃光内存 cpu_quota: "200000" # 2核配额，单位是microseconds per 100ms health_check: http_get: path: "/health" port: 8080 timeout: "3s" initial_delay: "10s" # 启动后10秒才开始探活，给冷启动留时间

这里restart_policy: always和Docker的--restart=always有本质区别：Docker重启是重建容器，状态全丢；而OpenRig的重启是在同一tmux session里exec新进程，SQLite状态库、内存缓存（如果Agent自己实现）都还在。我们有个Agent依赖本地LevelDB缓存历史URL，用Docker重启会清空缓存，导致重复抓取；用OpenRig重启，缓存毫发无损。

注意：cpu_quota的值200000不是随便写的。cgroups v2的cpu.max格式是max us，即每100ms最多用200ms CPU时间，相当于2核。这个值必须和resources.memory_limit匹配——我们测试发现，当内存限制为1G时，CPU配额超过2核会导致OOM Killer误杀，因为内存分配速度跟不上计算速度。这是踩过三次坑后记下的硬参数。

3.2message_bus区块：用最简协议实现最稳通信

OpenRig不搞AMQP或Kafka，它的消息总线就是基于UDS的发布-订阅模式，YAML配置极其精简：

message_bus: type: "unix_socket" socket_path: "/tmp/openrig_bus.sock" topics: - name: "news_url" retention: "72h" # 消息保留72小时，供新Agent上线后回溯 max_size: "10MB" # 单topic最大存储，防磁盘打满 - name: "summary_result" retention: "1h" # 摘要结果时效短，1小时足够

关键在retention字段。很多团队用Redis做消息队列，但Redis的EXPIRE是key级的，无法对队列里的单条消息设过期。OpenRig的UDS服务端内置了时间轮（timing wheel）算法，每条消息写入时打上时间戳，后台goroutine按时间轮扫描过期消息并清理。我们曾遇到新闻爬虫Agent宕机2小时，重启后自动消费过去2小时积压的URL，而不是只收新的——这靠的就是retention: "72h"的保障。

另一个隐藏技巧：socket_path必须用绝对路径且目录存在。OpenRig不会自动创建/tmp/openrig_bus.sock的父目录，如果/tmp被清理过，启动会报No such file or directory。我们的运维手册里明确写着：“部署前执行mkdir -p /tmp/openrig”，这行命令救了我们两次深夜告警。

3.3state_store区块：SQLite不是妥协，而是精准匹配

YAML里state_store配置常被新手忽略，但它决定了Agent能否真正“持久化”：

state_store: type: "sqlite" path: "/var/lib/openrig/state.db" tables: - name: "news_crawler_state" schema: | CREATE TABLE IF NOT EXISTS news_crawler_state ( id INTEGER PRIMARY KEY, last_fetched_url TEXT NOT NULL, last_fetch_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP, crawl_depth INTEGER DEFAULT 0 ); - name: "summarizer_metrics" schema: | CREATE TABLE IF NOT EXISTS summarizer_metrics ( id INTEGER PRIMARY KEY, processed_count INTEGER DEFAULT 0, avg_latency_ms REAL, last_update TIMESTAMP DEFAULT CURRENT_TIMESTAMP );

这里schema字段直接写SQL DDL，而非ORM映射。原因很实在：Agent开发者可能是Python、Go或Rust写的，如果强制用ORM，就得为每种语言维护一套迁移脚本。而SQLite的CREATE TABLE IF NOT EXISTS是跨语言兼容的，Python用sqlite3、Go用database/sql、Rust用rusqlite，执行同一段SQL都能建表成功。

更妙的是last_fetch_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP。我们不需要在Agent代码里手动写当前时间，SQLite在INSERT时自动填充。当爬虫Agent崩溃重启，它查news_crawler_state表就能知道上次抓到哪了，直接从last_fetched_url的下一条继续——这才是真正的断点续爬，不是靠“记录最后ID”这种易出错的土办法。

4. 实操过程：从零部署一个期货资讯分析Agent集群

4.1 环境准备：三步确认，避免90%的安装失败

OpenRig对环境要求极简，但有三个检查点必须人工确认，否则后续全崩：

1. tmux版本必须≥3.2a
   执行tmux -V，输出应为tmux 3.2a或更高。低于此版本不支持-d -s session_name的session命名功能，OpenRig会报unknown option -- s。Ubuntu 20.04默认tmux 3.0a，需手动升级：

   sudo apt remove tmux wget https://github.com/tmux/tmux/releases/download/3.3a/tmux-3.3a.tar.gz tar -xzf tmux-3.3a.tar.gz && cd tmux-3.3a ./configure && make && sudo make install

   实操心得：别用apt install tmux，Ubuntu源里的tmux永远落后两个大版本。我们线上所有服务器都用wget+make install，已封装成Ansible role。

2. SQLite必须启用FTS5扩展
   OpenRig的状态查询用到了全文检索（如搜索“某股票最近3次预警”），需要SQLite编译时开启FTS5。执行sqlite3 --version，输出末尾应有fts5字样。CentOS 7默认SQLite不带FTS5，需重新编译：

   wget https://www.sqlite.org/2023/sqlite-autoconf-3430000.tar.gz tar -xzf sqlite-autoconf-3430000.tar.gz cd sqlite-autoconf-3430000 ./configure --enable-fts5 --enable-json1 make && sudo make install

3. /tmp目录不能是tmpfs
   很多云服务器把/tmp挂载为内存文件系统（tmpfs），重启就清空。但OpenRig的UDS socket文件/tmp/openrig_bus.sock必须持久化。执行df -T /tmp，如果Type列显示tmpfs，必须改用/var/run/openrig：

   sudo mkdir -p /var/run/openrig sudo chown $USER:$USER /var/run/openrig

   然后在YAML里把message_bus.socket_path改为/var/run/openrig/bus.sock。

4.2 创建YAML配置：一份能跑通的最小可行配置

我们以“期货资讯分析Agent集群”为例，包含三个Agent：futures_crawler（爬期货公司公告）、sentiment_analyzer（用小模型分析情绪）、alert_dispatcher（发企业微信告警）。以下是删减注释后的生产级YAML（实际部署时保留注释）：

# config.yaml agents: - name: "futures_crawler" image: "ghcr.io/openrig/agents:futures-crawler-v1.2" command: ["python", "crawler.py"] lifecycle: restart_policy: "always" restart_delay: "5s" resources: memory_limit: "512M" cpu_quota: "100000" health_check: http_get: path: "/health" port: 8080 timeout: "3s" initial_delay: "15s" message_routing: - from: "trigger" to: "news_url" condition: "payload.source == 'futures_exchange'" - from: "news_url" to: "summary_request" condition: "payload.url contains 'announcement'" - name: "sentiment_analyzer" image: "ghcr.io/openrig/agents:sentiment-v0.8" command: ["python", "analyzer.py"] lifecycle: restart_policy: "on-failure" restart_delay: "10s" resources: memory_limit: "1G" cpu_quota: "200000" health_check: http_get: path: "/health" port: 8081 timeout: "5s" initial_delay: "30s" message_routing: - from: "summary_request" to: "summary_result" condition: "len(payload.text) > 100" - name: "alert_dispatcher" image: "ghcr.io/openrig/agents:alert-v1.0" command: ["python", "dispatcher.py"] lifecycle: restart_policy: "always" restart_delay: "3s" resources: memory_limit: "256M" cpu_quota: "50000" health_check: http_get: path: "/health" port: 8082 timeout: "2s" initial_delay: "5s" message_routing: - from: "summary_result" to: "alert_sent" condition: "payload.sentiment_score < -0.7" message_bus: type: "unix_socket" socket_path: "/var/run/openrig/bus.sock" topics: - name: "trigger" retention: "1h" - name: "news_url" retention: "72h" max_size: "5MB" - name: "summary_request" retention: "24h" - name: "summary_result" retention: "1h" - name: "alert_sent" retention: "6h" state_store: type: "sqlite" path: "/var/lib/openrig/state.db" tables: - name: "futures_crawler_state" schema: | CREATE TABLE IF NOT EXISTS futures_crawler_state ( id INTEGER PRIMARY KEY, last_fetched_url TEXT, last_fetch_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP, processed_count INTEGER DEFAULT 0 ); - name: "sentiment_metrics" schema: | CREATE TABLE IF NOT EXISTS sentiment_metrics ( id INTEGER PRIMARY KEY, positive_count INTEGER DEFAULT 0, negative_count INTEGER DEFAULT 0, avg_latency_ms REAL, last_update TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); secrets: wecom_webhook: source: "file:///etc/openrig/secrets/wecom_webhook.txt"

实操心得：condition字段的语法是JMESPath，不是JavaScript。payload.url contains 'announcement'是合法的，但payload.url.indexOf('announcement') > -1会报错。我们团队把常用JMESPath写成速查表贴在办公区，新人三天就能上手写路由规则。

4.3 启动与验证：五步确认集群健康

部署完YAML，执行rigctl start --config config.yaml后，按顺序验证：

1. 确认tmux session全部创建
   tmux ls应输出：

   rig-futures_crawler: 1 windows (created Tue Jun 18 10:23:45 2024) rig-sentiment_analyzer: 1 windows (created Tue Jun 18 10:23:46 2024) rig-alert_dispatcher: 1 windows (created Tue Jun 18 10:23:47 2024)

   如果只有1-2个，说明某个Agent启动失败，查tmux capture-pane -t rig-futures_crawler -p看日志。

2. 确认UDS socket文件存在且可读写
   ls -l /var/run/openrig/bus.sock应显示srwxr-xr-x，且属主是当前用户。权限不对会报Permission denied。

3. 确认状态库初始化成功
   sqlite3 /var/lib/openrig/state.db ".tables"应输出futures_crawler_state sentiment_metrics。如果为空，说明YAML里的schema没执行，检查state_store.path路径权限。

4. 手动发一条测试消息
   OpenRig自带CLI工具：

   rigctl publish --topic trigger --payload '{"source":"futures_exchange","url":"https://xxx.com/announcement/20240618"}'

   然后rigctl logs --agent futures_crawler应看到爬虫日志，rigctl logs --agent alert_dispatcher应看到告警发送成功的日志。

5. 模拟Agent崩溃，验证自愈
   tmux kill-session -t rig-sentiment_analyzer，等待10秒，再执行tmux ls，应看到新session创建。rigctl logs --agent sentiment_analyzer会显示Restarting after crash...，且后续消息正常处理。

5. 常见问题与排查技巧实录：那些文档里不会写的血泪经验

5.1 “Agent启动后立刻退出”——90%是健康检查配置不当

现象：tmux ls能看到session，但rigctl logs --agent xxx一片空白，ps aux | grep xxx查不到进程。

根源：OpenRig的健康检查是强依赖。如果Agent启动后10秒内没响应/health，OpenRig会认为启动失败，杀掉进程并按restart_delay重启。但很多Python Agent用Flask，app.run()是阻塞的，/health端点根本没注册。

解决方案分三步：

• 在Agent代码里加健康端点（Flask示例）：

  from flask import Flask app = Flask(__name__) @app.route('/health') def health(): return {"status": "ok", "timestamp": time.time()}

• 在YAML里调大initial_delay，给Flask冷启动留足时间（至少15秒）；
• 如果Agent根本不提供HTTP服务，改用exec探活：

  health_check: exec: command: ["sh", "-c", "pgrep -f 'python crawler.py' > /dev/null"] initial_delay: "5s"

踩坑记录：我们有个Go写的Agent，用net/http监听8080，但忘了在main()里加http.ListenAndServe()，健康检查一直失败。查日志发现connection refused，最终定位到是ListenAndServe漏写了。这种低级错误，健康检查机制反而帮我们提前暴露。

5.2 “消息发送后没人接收”——路由规则的三个隐形陷阱

现象：rigctl publish发消息，但目标Agent日志里没收到。

排查按优先级：

1. Topic名称大小写敏感
   YAML里写topics: - name: "News_URL"，但代码里publish("news_url")，就不会匹配。OpenRig的topic匹配是严格字符串相等，不是正则。我们强制规定：所有topic全小写+下划线，写在团队规范里。

2. Condition语法错误静默失败
   condition: "payload.score > 0.5"如果payload里根本没有score字段，OpenRig不会报错，而是跳过该路由规则。解决方案：在YAML里加debug: true字段，OpenRig会把每条消息的路由决策过程写进日志，看到[DEBUG] route skipped: payload.score not found就明白了。

3. 消息序列化格式不一致
   Python Agent用json.dumps({"score": 0.8})发消息，但Rust Agent期望{"score": "0.8"}（字符串）。OpenRig不校验JSON Schema，只做透传。我们统一约定：所有数值字段用数字类型，字符串字段加_str后缀（如score_str: "0.8"），并在团队代码模板里固化。

5.3 “磁盘空间莫名暴涨”——状态库和消息队列的双杀

现象：/var/lib/openrig/目录几天涨到20GB，du -sh *发现state.db和/tmp/openrig_bus.sock所在分区占满。

根因有两个：

• SQLite WAL日志未checkpoint
  SQLite在WAL模式下，旧日志不自动清理。解决方案：在YAML里加state_store.wal_checkpoint: "auto"，OpenRig会定期执行PRAGMA wal_checkpoint(FULL)。

• 消息topic retention设置过大
  topics: - name: "debug_log" retention: "30d"这种配置，如果debug日志每秒100条，30天就是2.5亿条，SQLite撑不住。我们的规范是：生产环境禁用debug_logtopic，所有调试用rigctl logs --follow实时看；必须存日志的topic，retention最长72小时。

终极技巧：我们写了个openrig-disk-cleaner脚本，每天凌晨2点执行：

# 清理过期WAL日志 sqlite3 /var/lib/openrig/state.db "PRAGMA wal_checkpoint(FULL)" # 清理消息队列（OpenRig未提供API，直接删socket文件，重启服务） rm /var/run/openrig/bus.sock rigctl restart --all

这个脚本上线后，磁盘占用稳定在1.2GB以内。

5.4 “并发量上不去，CPU却很高”——Rust运行时的隐藏开关

现象：压测时rigctl metrics显示并发请求数卡在30，但htop看CPU 95%，rigctl logs里大量task blocked on I/O。

根源：Tokio默认使用multi-thread调度器，但线程数上限是CPU核心数。我们8核服务器，Tokio默认开8个worker线程，每个线程处理多个协程。当Agent里有阻塞IO（如同步HTTP请求），会卡住整个worker线程。

解决方案：在YAML里显式配置：

runtime: tokio: worker_threads: 16 # 开16个worker，哪怕CPU只有8核 max_blocking_threads: 100 # 阻塞线程池扩大到100

OpenRig启动时会导出TOKIO_WORKER_THREADS=16环境变量，Tokio自动生效。实测后并发从30提升到120，CPU利用率降到70%，因为阻塞IO被分流到专用线程池，不抢占worker线程。

6. 进阶实践：如何用OpenRig构建你的AI Agent中台

6.1 从单机到多机：用SSH隧道桥接OpenRig集群

OpenRig原生不支持分布式，但我们可以用SSH隧道“欺骗”它。场景：你有3台服务器，A机部署futures_crawler，B机部署sentiment_analyzer，C机部署alert_dispatcher，想让它们组成流水线。

做法：在A机YAML里，message_bus.socket_path仍用本地路径，但启动前执行：

# 在A机上，把B机的UDS socket映射到本地 ssh -N -L /tmp/b-socket:/var/run/openrig/bus.sock user@B_IP & # 在A机YAML里，把sentiment_analyzer的routing指向这个本地映射 message_routing: - from: "summary_request" to: "summary_result" via: "unix:///tmp/b-socket" # OpenRig支持via字段指定远程socket

OpenRig会自动用connect()连这个本地路径，流量经SSH隧道到达B机。我们实测延迟增加12ms，但稳定性远超公网HTTP，且无需开放任何防火墙端口。

注意：via字段只支持unix://和tcp://，不支持https://。这是刻意设计——OpenRig认为加密应该由传输层（SSH/TLS）负责，应用层只管业务逻辑。

6.2 与现有技术栈集成：FastAPI/LangChain/LangGraph的无缝嵌入

标题里提到“基于 fastapi + langchain + langgraph 的 ai agent 智慧”，OpenRig完美兼容。关键在Agent的启动方式：

• FastAPI Agent：不改代码，只需在YAML里把command设为["uvicorn", "main:app", "--host", "0.0.0.0:8080"]，OpenRig自动管理进程，健康检查走/health。

• LangChain Agent：用RunnableLambda包装，暴露invoke()方法，再用FastAPI封装。OpenRig只关心它是否能响应HTTP，不管内部是LangChain还是LlamaIndex。

• LangGraph Agent：把CompiledGraph对象存为全局变量，YAML里command: ["python", "langgraph_agent.py"]，langgraph_agent.py里启动一个HTTP服务，接收/invoke请求后调用graph.invoke()。OpenRig的message_routing把消息转成HTTP POST，完全解耦。

我们有个客户用LangGraph做了“期货套利策略生成Agent”，图里有12个节点。以前每次改一个节点就要重启整个服务；现在用OpenRig，每个节点是一个独立Agent，YAML里message_routing定义节点间调用关系，改节点只需重启对应Agent，不影响其他9个。

6.3 安全加固：生产环境必须做的五件事

1. 禁用默认socket路径
   socket_path: "/tmp/openrig_bus.sock"是开发便利，生产必须改/var/run/openrig/bus.sock，并chmod 600，防止其他用户读取消息。

2. Secrets绝不硬编码
   YAML里secrets字段必须用vault://或file://，禁用value: "abc123"。我们CI/CD流水线里加了扫描规则，发现明文密钥直接阻断发布。

3. 资源限制必须精确
   memory_limit和cpu_quota不是“大概”，要按压测结果设。我们用rigctl metrics --agent xxx看峰值内存，设为峰值的120%；CPU配额设为avg_cpu_usage * 1.5。

4. 日志必须落盘
   默认tmux日志在内存，加tmux set-option -g history-limit 10000，并配置rigctl logs --follow > /var/log/openrig/xxx.log做轮转。

5. 禁用交互式调试
   生产YAML里删掉所有debug: true，rigctl attach命令只允许白名单IP访问，通过SSH端口转发限制。

我个人在实际操作中的体会是：OpenRig的价值不在它多炫技，而在它把AI Agent从“能跑起来”推进到“敢放生产”。当你的期货交易信号Agent连续72小时没掉过一条消息，当爬虫崩溃后自动续爬不重不漏，当业务方说“这个AI比实习生还靠谱”，你就明白——所谓AI中台，不是堆砌大模型，而是让每个Agent都像螺丝钉一样，牢牢拧在系统里，该转时转，该停时停，坏了有人换，脏了有人擦。这背后没有魔法，只有一份写满细节的YAML，和一个永不退出的tmux session。