跳转至

在 Kubernetes 上实测 Rakazo:让 Bot 读库存表、写报告,再和 Grok Bot 对比

把一份三行的库存表交给 Bot,只告诉它文件名,请它盘点并留下报告。任务结束后,除了聊天里报出的总数,还能核对什么?在这次实验里,有聊天里的批次和总数、有桌面上能打开的报告,也能从 Kubernetes Pod 取出同一个文件,和应用交付的版本逐字节比较。三项数量分别是 20、19、16,合计 55 件,两份报告完全一致。

Rakazo 是一套可自托管的开源 Agent 工作台。Bot 有聊天入口,也可以使用带浏览器、终端和文件系统的电脑。Grok Bot 提供相似的工作方式,但两者对“这台电脑归谁、谁能读里面的文件、出问题谁来查”有不同的回答。本文用一次真实的 Rakazo 部署展开,Grok Bot 一侧依据官方文档。Rakazo 项目 · Grok Bot 云电脑

1. 一次请求会经过哪些组件

用户在 Web 页面提交任务,API 处理会话和电脑访问,Worker 推进后台任务,PostgreSQL 保存应用状态和任务队列。选用 Kubernetes 后,API 和 Worker 通过 Kubernetes API 管理另一个命名空间里的电脑 Pod。浏览器和报告文件都在电脑里,模型则通过兼容 OpenAI 的接口接入。这也是排障时值得分开检查的三条路径:应用到模型、应用到 Kubernetes API、应用到电脑桌面。Kubernetes 部署说明

项目 这次怎么测
版本 Kubernetes v1.30.4,应用和电脑镜像对应源码 235018325032825a5e12f856c4ac0481c168aa5d
控制面 Web、API、Worker 和 PostgreSQL 18.6,单副本;应用和数据库使用持久卷
执行环境 一个 Bot 独享一台电脑,电脑 Pod 上限为 2 CPU、4 GiB 内存
模型和访问 DeepSeek-V4.1-Flash 经专用中继接入,集群内无需 GPU。浏览器通过本机端口转发访问,公开注册关闭

控制器的权限限定在沙箱命名空间,可以创建、读取、删除 Pod,并对 Pod 发起 exec。电脑 Pod 自身关闭 ServiceAccount 令牌自动挂载,丢弃 Linux capabilities,使用 RuntimeDefault seccomp。维护者可以通过 Kubernetes 检查电脑中的文件,Bot 自身无需持有这份集群权限。上游资源清单

2. 从部署到打开 Bot 的电脑

这次参考的 Kubernetes 清单版本为 7e851b0e58f4aa55b1f108035028969ca711c861。上游示例面向 K3s 1.35 及以上版本。本次在 v1.30.4 调整了网络策略、电脑的节点放置和就绪探针,具体原因见第 4 节。复现时先按同一版本的指南准备存储类、命名空间和准入策略,生成应用配置及独立的数据库、登录和加密 Secret。使用端口转发时,登录、Web 与 API 的 origin 要指向浏览器实际打开的地址。部署准备 · 示例目录

下面列出与实验直接相关的配置。把模型占位值改为服务端实际公布的同一个模型 ID。API 和 Worker 都需要能访问该端点,并通过 Secret 获得 RAKAZO_LOCAL_MODELS_API_KEY。本次连接经过一台中继机,因此该机器的在线状态也会影响模型调用。自托管模型配置

SANDBOX_PROVIDER=kubernetes
KUBERNETES_SANDBOX_NAMESPACE=rakazo-sandboxes
KUBERNETES_SANDBOX_CPU_LIMIT=2
KUBERNETES_SANDBOX_MEMORY_LIMIT=4Gi
PI_DEFAULT_PROVIDER=local
PI_DEFAULT_CREDENTIALS=host
PI_DEFAULT_MODEL=your-served-model
RAKAZO_LOCAL_MODELS=your-served-model
RAKAZO_LOCAL_MODELS_URL=https://llm.example.org/v1

在已配置好的示例目录中分阶段启动。以下使用上游默认命名空间,端口转发在前台运行。数据库就绪后执行迁移,迁移完成后才启动应用并创建首个账号。

kubectl apply -k . -l rakazo.example/phase=foundation
kubectl -n rakazo rollout status deployment/rakazo-postgres --timeout=300s
kubectl apply -k . -l rakazo.example/phase=migrate
kubectl -n rakazo wait --for=condition=complete job/rakazo-migrate --timeout=300s
kubectl apply -k . -l rakazo.example/phase=app
for component in api worker web; do
  kubectl -n rakazo rollout status "deployment/rakazo-$component" --timeout=300s
done
kubectl apply -k . -l rakazo.example/phase=bootstrap
kubectl -n rakazo wait --for=condition=complete job/rakazo-bootstrap --timeout=300s
kubectl -n rakazo port-forward --address 127.0.0.1 svc/rakazo-web 5173:5173

登录后创建 Bot,将电脑设为独享,打开聊天顶部的电脑入口。这里可以看到实际桌面,也可以临时接管它完成上传,再将控制权交还给 Bot。Rakazo 电脑操作

Rakazo 电脑窗口中的 Chromium 桌面及顶部控制栏

图 1。登录后的 Bot 电脑。顶部是 Rakazo 的控制栏,下面是沙箱中的 Chromium。能打开这张桌面,说明访问已经走过 Web 和 API,抵达电脑 Pod。

3. 用一份没有公布答案的 CSV 验收

我们为测试生成一个批次号和三行模拟库存,通过电脑的文件上传入口放入主目录,然后释放控制权。聊天里只给文件名和任务要求:逐行核对、计算总数、把批次和各项数量写进 inventory-report.txt,并在聊天中返回批次与总数。批次号和数量只在 CSV 里。截图保留真实桌面,遮住了源文件名中的环境前缀。

Rakazo 聊天列出库存表的批次、三项数量和总计

图 2。回复读出了批次 B-B36B7F,列出笔记本 20 件、网卡 19 件、电源 16 件,合计 55 件。Bot 还说明它只收到一份表,能检查重复项和加总;要核对账实差异,还需要另一份系统台账或实物盘点记录。

任务记录依次出现 List files → Read file → Shell → Write file → Shell。为核实写文件这一步,我们在电脑桌面的 Chromium 里打开了 /home/rakazo/inventory-report.txt。报告里能看到来源、批次、明细和核对范围。

在沙箱 Chromium 中打开的库存报告,含源数据、数量及核对说明

图 3。地址栏显示沙箱本地文件路径。聊天里的 55 件可以与文件的三行明细、上传前保存的原始 CSV 分别核对。

最后经 Rakazo 的 computer/downloadFile 下载报告,再从仍在运行的电脑 Pod 取一份独立副本。下面的命令适用于本次只有一个电脑 Pod 的环境,先将应用下载的文件放在当前目录。

pod=$(kubectl -n rakazo-sandboxes get pods \
  -l app.kubernetes.io/name=rakazo-computer \
  -o jsonpath='{.items[0].metadata.name}')
kubectl -n rakazo-sandboxes exec "$pod" -- cat /home/rakazo/inventory-report.txt > report-from-pod.txt &&
  cmp inventory-report.txt report-from-pod.txt &&
  wc -c inventory-report.txt

cmp 退出码为 0,文件大小为 1,046 字节。这样分别验证了内容正确、文件确实写入、应用交付的文件和沙箱中的版本一致。电脑 Pod 被替换后的文件恢复、并发任务和长时间无人值守仍需要独立实验。

4. 三个容易混淆的故障现象

看到的现象 定位依据 本次处理
可以登录,启动电脑时却没有可用桌面 Hubble 记录显示控制器到 Kubernetes API 的流量被拒绝,目的身份是 kube-apiserver 为 API、Worker 增加到该身份实际 API 端口的出站规则,本次是 TCP 6443。电脑 Pod 无需这条管理通路
电脑 Pod 已运行,但一直没有就绪 从电脑容器内请求 http://127.0.0.1:6080/ 返回 200,kubelet 对 Pod 地址的 TCP 探针却超时 本次修改控制器生成的电脑模板,改为容器内 HTTP 检查,并把电脑放到与应用相同的节点。随后另行验证 API 到桌面返回 200,再验证真实页面。跨节点路径仍待验证
登录页能打开,提交后显示 Too many requests 测试和截图脚本重复登录,触发了 15 分钟内 10 次的限流 脚本改为复用已登录会话;人工访问遇到 429 时,停止重试,等限流窗口过去再登录

容器内探针成功只说明桌面进程在监听。若要扩到多个节点,应从 API 所在位置验证到每个电脑 Pod 的桌面请求,再从浏览器验证交互。这样可以区分桌面进程故障、集群网络故障和用户会话问题。

5. 和 Grok Bot 比,同一张表在哪里处理

下表的 Rakazo 运行结果来自上述实验,Team 和 Private 的共享规则来自项目文档。Grok Bot 一栏依据 xAI 对个人云电脑和文件交付的说明,本次没有在 Grok Bot 重跑这份库存表。Rakazo 电脑与共享 · Grok Bot 电脑与应用 · Grok Bot 文件交付

选型时要问的问题 Rakazo Grok Bot
表传到哪里,报告从哪里取? 本次传入专属电脑 Pod 的主目录。用户通过应用取报告,集群维护者还可以独立核对 Pod 内文件 在账户的持久云电脑中处理。用户可在聊天中获取交付文件,也可回到云电脑继续处理
再创建一个 Bot,能看到这张表吗? 默认 Team 模式下,同一空间的 Bot 共享文件和已安装工具。选 Private 可让这个 Bot 拥有独立电脑,本次使用这一模式 同一用户的 Bot 共享文件、浏览器登录状态和命令行凭据。各自有独立屏幕,多个屏幕仍然访问同一份文件
关掉笔记本,盘点还能继续吗? 服务端 Worker 和电脑 Pod 都在集群里。本次模型请求还依赖中继机,一旦中继离线,需要模型的后续步骤会受影响 通常云端任务可在笔记本关闭后继续;任务若选择使用本机资源,则取决于本机连接
桌面打不开,谁查哪一层? 平台团队可以查控制器、Pod、探针和网络策略,也承担这些组件、存储和模型端点的运维 服务商维护云电脑。用户可以查看屏幕、接管桌面,并从应用侧检查连接和交付物

本次自托管让团队能指定库存文件落在哪个集群、选择推理端点,并独立取回交付文件。模型调用还可能携带读到的文件内容,评估数据驻留时要把推理端点也算进去。如果目的是让业务同事尽快把资料交给 Bot、关掉电脑、稍后取回文件,Grok Bot 的托管云电脑减少了平台团队需要维护的组件。选型前值得用自己的数据回答两个问题:第二个 Bot 应不应该看到第一份表,以及桌面被回收后,谁能找回并核对最终报告。站内延伸阅读:Grok Bot 持久化云电脑与企业治理