摘要：

不依赖云端 API，告别隐私泄露焦虑！利用 i9-13980HX + RTX 4060 笔记本，在 Windows 11 上通过 WSL2 + Docker 成功部署 NapCat (QQ 客户端) + AstrBot (机器人大脑) + Ollama (推理后端)。本文记录了从环境配置、Docker 路径避坑、网络调试到模型优选（放弃 DeepSeek-R1 转投 Qwen2.5）的全过程。如果你也想拥有一个响应极快、7×24 小时待命的 AI 伙伴，这篇教程就是为你准备的。

---

🛠️ 硬件与环境

• 设备：华硕 FX607JV
• CPU：i9-13980HX
• GPU：RTX 4060 Laptop (8GB)
• 内存：32GB DDR5
• 系统：Windows 11 (23H2/24H2)
• 核心组件架构：
  • WSL 2 (Ubuntu)：底层 Linux 环境
  • Docker Desktop：容器化部署机器人组件
  • Ollama：本地大模型推理后端
  • AstrBot：机器人逻辑大脑（LLM 编排与功能管理）
  • NapCatQQ：基于 NTQQ 的无头客户端（负责收发消息）

---

第一步：基础环境搭建 (WSL2 + Docker)

1. 安装 WSL 2

Windows 11 安装 WSL 非常简单。右键开始菜单，以管理员权限打开 PowerShell，输入：

wsl --install

重启电脑后，你就拥有了一个完整的 Linux 子系统环境。

2. 安装 Docker Desktop

⚠️ 避坑指南： Docker 默认安装在 C 盘，随着镜像增多很容易导致 C 盘爆红。虽然可以通过软链接迁移，但不如安装时直接指定路径方便。

推荐安装方式（命令行安装）：

1. 去 Docker 官网下载安装包（例如 Docker Desktop Installer.exe）。
2. 在安装包所在目录打开终端（右键 -> 在终端中打开），运行以下命令（将 G:\Docker 替换为你想要的安装路径）：

Start-Process -FilePath ".\Docker Desktop Installer.exe" -ArgumentList "install --installation-dir=G:\Docker" -Wait

安装完成后，建议在 Docker 设置中确认 Resources -> Disk image location 是否已指向你的目标盘。

---

第二步：部署 AI 模型 (Ollama)

为了避免 C 盘空间告急，我们将使用命令行安装 Ollama，并通过环境变量强行指定模型存储路径（这是占用空间的大头）。

💡 模型选择：为什么放弃 DeepSeek-R1？

DeepSeek-R1 虽然逻辑强大，但作为聊天机器人有一个明显的“短板”：思考时间过长。在实际测试中，R1 往往需要先输出一段冗长的 过程，导致回复延迟较高，对话体验不够流畅。

✅ 最终选择：Qwen2.5-7b

对于 RTX 4060 (8GB) 用户，Qwen2.5-7b 是目前的“甜点级”选择——响应速度极快（秒回），逻辑能力在线，且显存占用完美控制在 6GB 左右，不会爆显存。

操作步骤

1. 自定义路径安装 Ollama

不要直接双击安装包！请按以下步骤操作：

1. 去 Ollama 官网下载 OllamaSetup.exe。
2. 在下载目录打开终端（右键 -> 在终端中打开）。
3. 运行以下命令（将 G:\Ollama 替换为你想要的软件安装位置）：

.\OllamaSetup.exe /DIR="G:\Ollama"

2. 配置模型存储路径与访问权限 (关键步骤)

安装完成后不要急着运行模型，我们需要先设置环境变量，否则几个 G 的模型还是会下到 C 盘。

1. 打开环境变量设置：设置 -> 系统 -> 高级系统设置 -> 环境变量 -> 系统变量 -> 新建。
2. 设置模型存储路径 (防止 C 盘爆红)：

• 变量名：OLLAMA_MODELS
• 变量值：G:\Ollama\Models (或其他你想要的空闲盘路径)

3. 设置外部访问权限 (让 Docker 能连上)：

• 变量名：OLLAMA_HOST
• 变量值：0.0.0.0 (允许任何 IP 访问)

4. 生效配置：设置完后，务必在任务栏右下角右键 Ollama 图标 -> Quit 退出，然后重新运行 Ollama 软件。

3. 拉取并运行模型

在 WSL 终端或 Windows PowerShell 中执行：

ollama run qwen2.5:7b

此时显卡应实现加速，生成速度通常能达到 40-60 tokens/s。

4. 验证服务

浏览器访问 http://localhost:11434，显示 “Ollama is running” 即代表安装与网络配置均成功。

---

第三步：Docker Compose 一键部署机器人

为了方便管理，我们使用 docker-compose.yml 同时启动 NapCat (QQ客户端) 和 AstrBot (大脑)。

📂 目录准备

注意： 这里我们需要手动创建一个项目文件夹来存放配置文件。

这个文件夹可以建在任意位置（例如 G:\QQBot 或 D:\Projects\Bot），不需要放在 Docker 的安装目录（G:\DockerData）下。

建议目录结构 (以 G:\QQBot\ 为例)：

G:\QQBot\ 
├── docker-compose.yml # 核心配置文件 
├── napcat\            # 自动生成，存放QQ配置 
└── astrbot\           # 自动生成，存放机器人数据

📝 docker-compose.yml 配置

在 G:\QQBot\ 目录下新建 docker-compose.yml 文件，填入以下内容：

version: '3.8'

services:
  # 服务1: NapCat (QQ登录端)
  napcat:
    image: mlikiowa/napcat-docker:latest
    container_name: napcat
    restart: always
    environment:
      - ACCOUNT=      # 留空，通过WebUI扫码
      - WS_ENABLE=true
    ports:
      - "6099:6099"   # NapCat WebUI 默认端口
      - "3001:3001"   # 正向 WS 端口 (备用)
    volumes:
      - ./napcat/config:/app/napcat/config
      - ./napcat/logs:/app/napcat/logs

  # 服务2: AstrBot (机器人大脑)
  astrbot:
    image: soulter/astrbot:latest
    container_name: astrbot
    restart: always
    ports:
      - "6185:6185"   # AstrBot WebUI 默认端口
    volumes:
      - ./astrbot/data:/data
    depends_on:
      - napcat
    # 关键：让容器能访问宿主机的 Ollama
    extra_hosts:
      - "host.docker.internal:host-gateway" 

🚀 启动服务

在 G:\QQBot\ 目录下打开终端（右键 -> 在终端中打开）：

docker compose up -d

Docker 会自动拉取镜像并启动两个容器。

---

第四步：关键配置与端口排查 (避坑必读)

在开始配置机器人之前，我们必须先确保两个服务的管理后台（WebUI）都能正常通过浏览器访问。

1. 检查 WebUI 可访问性

请打开浏览器，分别尝试访问以下两个地址：

• NapCat (QQ端): http://localhost:6099
• AstrBot (大脑): http://localhost:6185

情况 A：两个页面都能打开

恭喜！你的端口没有冲突，请直接跳到 “3. 配置 NapCat” 继续操作。

情况 B：页面打不开 / 无法访问 / 页面长时间空白(5分钟以上)

这通常是因为默认端口被占用，或者程序生成了随机端口。请按以下步骤修复：

2. 查找真实端口并修复 (修复步骤)

• 修复 NapCat 端口：

1. 打开文件资源管理器，找到 G:\QQBot\napcat\config\webui.json。
2. 用记事本打开它，找到 “port”: xxxx（这是真实端口）和 “token”: “xxxx”（登录密码）。

• 修复 AstrBot 端口：

1. 在项目目录下打开终端，输入命令查看日志：docker logs astrbot
2. 在输出的日志的底部找到连接：➜ 本地: http://localhost:xxxx，这个 xxxx 就是真实端口。

⚠️ 修改 Docker 配置与重启 (必做)：

如果发现真实端口与 docker-compose.yml 中写的 6099 或 6185 不一致，必须修改配置文件：

1. 用文本编辑器打开 G:\QQBot\docker-compose.yml。
2. 找到 ports: 部分，将旧端口改为你刚刚查到的真实端口。

• 例如：如果 NapCat 真实端口变成了 6001，则修改为 – “6001:6001″。

3. 保存文件。
4. 在终端执行以下命令重启 Docker 服务以生效：

docker compose down 
docker compose up -d

5. 重启后，再次尝试通过新端口访问 WebUI，确认能打开后再继续。

3. 配置 NapCat (QQ 登录)

1. 访问 http://localhost:6099 (或者你修改后的端口)。
2. 输入在 G:\QQBot\napcat\config\webui.json 文件中找到的 token 进行登录。
3. 点击“扫码登录”，登录你的 QQ 小号。
4. 网络配置（连接大脑）：

• 进入「网络配置」，新建「Websocket 客户端」。
• URL 填写： ws://astrbot:6199/ws
  • 注意：这里的 hostname 必须填容器名 astrbot。端口 6199 是 AstrBot 默认的消息通信端口，通常不需要改。
• 点击提交/保存。

4. 配置 AstrBot (关联模型与创建机器人)

1. 访问 http://localhost:6185 (或者你修改后的端口) 进入后台。
2. 关联 Ollama：

• 左侧菜单「模型提供商」 -> 添加 Ollama。
• API 地址：http://host.docker.internal:11434/v1
  • 注意：这是 Docker 内部访问宿主机的专用地址，千万不要填 127.0.0.1。
• 点击 「获取模型列表」，选择 qwen2.5:7b。
• 关键： 点击模型右侧的开关按钮 (ON) 启用它。

3. 创建机器人：

• 左侧「机器人」 -> 右上角「新建」。
• ID/名称：随意填写。
• 适配器类型：选择 OneBot V11。
• 反向 Websocket 主机： 填 0.0.0.0
• 反向 Websocket 端口： 填 6199 (这个端口要和 NapCat 里填的一致)。
• 保存并点击列表中的开关“启用”该机器人。

4. 绑定 AI 模型：

• 在机器人卡片上点「编辑」 -> 滑到最下方「配置文件」 -> 点击 default 旁的小箭头。
• 找到「AI 配置」，开启它，并在下拉框选择 qwen2.5:7b。
• 点击右下角「保存配置」。

5. 最终测试

现在，用另一个 QQ 给你的机器人账号发送消息（例如“你好”），看是否能收到秒回。

提示：关于 AstrBot 的更多个性化配置，可以参考 AstrBot 官方文档，本文不过多赘述。

---

第五步：效果展示与日常维护

💬 最终效果

配置完成后，一个响应迅速的 AI 机器人就诞生了！

• 极速响应：得益于 Qwen2.5-7b 的轻量化，RTX 4060 显存占用仅 5-6GB，回复几乎零延迟。
• 智能对话：能够流畅处理日常闲聊、代码生成及简单的逻辑推理，体验远超传统的关键词回复机器人。

🔌 断电重启指南 (必看)

很多同学的笔记本不是 24 小时开机的。重启电脑后，请按以下顺序操作：

1. 确保 Ollama 运行：

• 先运行 Ollama（可以设为开机自启，或者手动运行）。如果不运行，机器人会因为连不上大脑而报错。

2. 启动 Docker 容器：

• Docker Desktop 通常会开机自启。
• 如果没有自动启动容器，打开 PowerShell 进入项目目录 G:\QQBot\，输入：

docker compose start

• 或者直接在 Docker Desktop 界面点击 Start 按钮。

---

总结

通过这次部署，我们不仅实现了一个完全免费、隐私的 AI 助手，还深入理解了 Docker 网络通信和 WSL2 的显卡调用机制。对于拥有 RTX 4060 级别显卡的同学，Qwen2.5-7b 是目前的最佳平衡点，既能跑满显卡性能，又能获得非常智能的对话体验。

希望这篇教程能帮到正在折腾的你！🚀

关于作者 & 致谢

• 👨‍💻 实战/主笔：拭柳喑雨
  • 热衷折腾的数码爱好者，致力于榨干硬件的每一滴性能。
• 🤖 整理/润色：AI 助手 (Google Gemini)
  • 协助优化排版、修正逻辑，并与人类作者共同完成了这篇指南。
• 🌟 特别鸣谢：开源社区 (Ollama, NapCat, AstrBot) 以及那台努力工作的 RTX 4060。