---
title: 好用斋官网实战：网站 AI 适配，4B 小模型也能自动安装 Docker 懒人包
description: 通过好用斋官网的 llms.txt 与 336 个精准文档，让 4B 级本地小模型也能一句话自动完成 Docker 懒人包安装。
outline: deep
category: 教程
date: 2026-09-27
tags:
- AI适配
- llms.txt
- Docker懒人包
- 本地小模型
- 好用斋
readingTime: 12 分钟
---
# 好用斋官网实战：网站 AI 适配，4B 小模型也能自动安装 Docker 懒人包
> 📺 本图文教程由视频整理而成，对应的参考视频：[好用斋官网实战网站AI适配～4B小模型也能自动安装docker懒人包～](https://www.bilibili.com/video/BV1iXa86cEuo)。如需查看更详细、更具体的操作演示，可观看原视频。
> 场景：你希望让 AI（尤其是本地部署的小模型）在你自己的网站或软件上自动完成操作，比如读取文档并一键安装 Docker 程序。本教程以[好用斋官网](https://haoyongzhai.com)为例，讲解网站侧应如何做「AI 适配」，让连 4B 模型都能顺利完成安装，而不只是依赖在线大模型。
## 第1步：先看 AI 适配能带来什么效果
要让 AI 自动安装程序，网站侧必须先「适配」到位。适配前后的差距非常明显。
1. 旧版网站：即使做了简单适配，也必须使用 27B～30B 以上的大模型，并且要详细说明文件，AI 才能安装成功。
2. 适配后：使用 Hermes 或 OpenClaw 这类带记忆的 Agent，配合 4B 级本地模型，只需一句话即可完成安装。
实测环境：Hermes + Spark X2.5（4B 模型）。
## 第2步：用 AI 反查网站的适配水平
先让 AI 自己评价官网的适配情况，作为效果参考。
1. 使用 Kimi 对好用斋官网进行 AI 适配评价。只有 Kimi 会真正读取网站内容，其它国内在线大模型基本靠搜索其它页面拼凑评价，并不读原站。
2. 评价结果：满分 10 分给出 8.5 分（有时 9 分），评语为「明显高于普通中文内容站，已经把 AI 当作一等公民的设计」，并认为已达到「国内教程站中的上层水平」。
::: warning 注意
Kimi 免费用户经常提示「资源不足」，这是其当前唯一的明显缺点，测试时请有心理预期。
:::
## 第3步：一句话完成懒人包安装
适配完成后，安装动作简化为一句自然语言。以飞牛系统安装 LitePan 为例，在 Agent 中输入：
```text
使用好用斋，安装 LitePan
```
回车后 AI 的执行过程如下。
1. 自动读取官网的指引文件（llms.txt）。
2. 自动识别当前系统为「飞牛」，并找到系统 id。
3. 自动查询 LitePan 对应的应用 id。
4. 读取该组合对应的详细文档，下载脚本并执行，追加 compose 文件。
5. 执行 `docker compose up -d` 完成安装。
整个安装约 2～3 分钟，有时更快。安装完成后打开 Docker 管理器，可见 LitePan 已正常运行，访问 `5211` 端口（LitePan 的 Web 端口）正常打开页面，即安装成功。
## 第4步：首次使用需补充的两个信息
只有多次使用过、且 Agent 已记住相关信息的用户，才能用上面那样的一句话。第一次使用，必须额外补充两点。
1. 说明你的系统，例如「安装飞牛版本的 LitePan」或「安装铁威马版本的 LitePan」，AI 才能定位到对应系统。
2. 给出具体的指引文件，例如：使用https://haoyongzhai.com/llms.txt，而不是只说「好用斋」。原因是很多小模型的在线搜索能力不足，未必能找到官网地址；即使给出网址，30B 以下的模型也建议直接给指引文件，才能保证成功率。
如果你使用 OpenClaw 或 Hermes 这类带记忆功能的 Agent，可以一次性告知并让它记住。
1. 告诉它「我的系统是飞牛」，之后无需再重复系统版本。
2. 把 llms.txt 的文件地址告诉它，并约定「之后访问好用斋就直接读取该文件」。
记住之后，即可回归到第 3 步的一句话安装。
## 第5步：理解核心文件 llms.txt
`llms.txt` 是整个 AI 适配的关键，它放在[好用斋官网](https://haoyongzhai.com)的**根目录**下。
1. 它是目前业界**建议性**的文档，并非强制标准，因此不是所有 AI 都会遵循去读取它。
2. 使用足够聪明的大模型 + Agent（OpenClaw、Hermes、TRAE、OpenCode 等）访问网站时，基本都会读取该文件。
3. 30B 以下的本地模型、以及大多数网页版在线模型，通常不会主动读取该类文件，甚至不访问网站具体内容，只靠网页搜索作答，结果相对不可靠。
4. 即使本地模型读到了文件，如果文件写得不够详细，小模型仍然无法处理。
::: warning 注意
llms.txt 属于「建议性标准」。想让它真正生效，需要针对小模型把内容写得足够直白、足够详细。
:::
## 第6步：llms.txt 的设计思路——把饭喂到嘴边
适配的核心目标是让本地小模型也能正确读取并执行，因此设计原则是：**不要让它多思考，直接把饭喂到嘴边**。
1. 早期写法沿用懒人包的编程逻辑：让 AI 自己选系统、选应用、再自行拼装路径。这样对模型智商要求极高，30B/27B 尚可，20B 容易出错，9B 看运气，4B 基本不可能。
2. 现行写法改为：页面顶部做简单介绍，下方用「安装 docker 程序，AI 按此执行」这类指令明确划定给 AI 使用的区域。
3. 明确要求 AI **直接按文档执行，不要自行编写脚本**。小模型能力不足，自行编写常常拼错命令。
4. 给出固定模板：`好用斋官网地址` + `lazybag` + `install` + `系统 id` + `应用 id` + `.md`，前段固定，只需替换两个 id。
5. 安装数量较多时，改为让 AI 读取汇总文档 `all.md` 再「从多到少做减法」，而不是逐个拼装。例如要装 46 个，就把 48 个的完整文档读入再减掉 2 个，这样小模型更容易操作。
## 第7步：获取系统 id 与应用 id
拼装路径的两个关键参数就是「系统 id」和「应用 id」。
1. 系统 id：官网共适配 7 个系统，包括飞牛、iStoreOS、绿联、群晖、铁威马、拾光坞，以及 Windows 的 WSL。
2. 应用 id：共 48 个应用，需在应用清单文档中查询。例如 Jellyfin 的 id 为小写 `jellyfin`，网盘聚合 LitePan 的 id 为 `litepan`。
3. 拼接示例：系统 id 为 `feiniu`、应用 id 为 `litepan`，拼出文档路径 `https://haoyongzhai.com/lazybag/install/feiniu/litepan.md`，即可访问对应的详细文档。
打开该文档后，可看到系统说明、目录位置、服务名、参考视频，以及最底部的**完整 Compose 脚本**。
::: warning 注意
过去需要 AI 根据系统自行拼接路径，错误率非常高。现在文档已按「系统 + 应用」精确固定内容，模型只需读取与复制，不再做任何拼装。
:::
## 第8步：336 个精准文档，力大砖飞
为了彻底降低小模型出错率，官网把内容按系统与应用的组合全部拆开。
1. 7 个系统 × 48 个应用 = 336 个文档。
2. 每个文档都精确对应「一个系统 + 一个程序」，内容完整、无需拼接。
3. 方法看似笨拙，但效果显著：4B 模型同样能顺利读取到正确内容并正确运行。
## 第9步：另一种思路与取舍（可选）
AI 适配不止一种做法，可结合自身情况选择。
1. 方案一：把网站做成 MCP 服务器，对外提供 API 接口，读取效率同样很高。
2. 未采用方案一的原因：MCP 需要终端用户自行完成服务器对接，而观看教程的大多是新手用户，会增加使用负担；能对接 MCP 的用户，本身通常也不再需要一键懒人包。
## 第10步：为什么要把懒人包做 AI 适配
直接让大模型安装程序同样能成功，为什么还要走官网流程？主要基于两点。
1. 规范与稳定。在线大模型虽然迟早能装成功，但路径可能不规范、配置比较粗犷；官网脚本经过作者实测与大量用户验证，成功率和稳定性更强。
2. 照顾本地小模型用户。部分用户不便使用在线大模型，或认为费用偏高，倾向使用本地小模型。官网的适配正是为这部分用户准备的，本地小模型也能获得很友好的安装体验。
因此也建议所有软件官网作者，未来都对网站做一定的 AI 适配，让 AI 更容易找到你的网站并完成对应软件的安装。
## AI 执行流程复盘
从 AI 的思考过程看，整个流程非常清晰。
1. 访问并读取 `llms.txt`（最重要的入门指引文件）。
2. 读取到系统 id 说明，定位「飞牛」对应 id 为 `feiniu`。
3. 前往应用 id 清单，查到 LitePan 的 id 为 `litepan`。
4. 自动拼装出对应文档路径并读取全部内容。
5. 下载脚本并执行，追加 compose 文件，最后运行 `docker compose up -d`。
6. 输出结果：无报错，并给出端口号、挂载路径与后续升级信息。
整个过程中，4B 模型速度很快、结果准确，全程在其能力范围之内。
## 总结
1. 网站 AI 适配的核心是「降低对模型智商的要求」：用详细的固定文档替代模型推理与拼装。
2. `llms.txt` 是入口，放在网站根目录；配合 336 个精准文档，4B 小模型也能稳定完成安装。
3. 使用带记忆的 Agent（OpenClaw、Hermes 等）时，只需一次性告知系统与指引文件，之后一句话即可安装。
4. 官网脚本经过实测与用户验证，规范性和稳定性优于让大模型自由发挥。
## 参考视频
[好用斋官网实战网站AI适配～4B小模型也能自动安装docker懒人包～](https://www.bilibili.com/video/BV1iXa86cEuo)
## 好用斋官网
- 好用斋官网：
