每次有人问我"AI 项目怎么部署"，我都先问一个问题：你打算给谁用？ 如果只是自己用/Demo 演示：直接部署就行了。 省心程度：pip install → python app.py → 完事。加个 systemd 或 pm2 守护进程就是生产级了（对个人项目而言）。Docker 在这个阶段是过度工程化。 如果要给用户用/团队协作：上 Docker。 原因很实际： - 环境一致性：你的 Mac 能跑不代表 Linux 能跑。Python 版本、CUDA 版本、系统依赖，Docker 全锁死。 - 一键启动：docker compose up 把前端+后端+数据库全拉起来，新人不用花半天配环境。 - 方便迁移：换服务器？把 docker-compose.yml 拷过去就行。 - 扩容简单：要加一个 worker 处理队列？改一行 replicas 数字。 我踩过的坑： 1）GPU 项目用 Docker 要装 nvidia-container-toolkit，不是在 Dockerfile 里装 CUDA 就行的。 2）模型文件别打包进镜像，一个镜像 20GB 没法用。用 volume 挂载或启动时下载。 3）本地开发还是直接跑比较快，Docker 套一层调试效率低。 我的实践： - 本地开发：直接 conda + pip，不用 Docker - CI/CD 测试：Docker，保证环境一致 - 生产部署：Docker Compose（小项目）/ K8s（大项目） - 给别人用的开源项目：必须提供 Docker 部署方式 一句话：Docker 不是必须的，但当你第二次说"在我电脑上能跑啊"的时候，就该用了。 Doc#Docker #部署 #AI项目 #DevOps #独立开发 ker #部署 #AI项目 #DevOps #独立开发