
AtomCode 是一款强大的 AI 编程助手,由 AtomGit 开发,支持多种主流大模型,能够帮助开发者更高效地编写、调试和重构代码。本文将详细介绍我在腾讯云 Lighthouse 服务器上部署 AtomCode 的完整流程、配置经验以及一些实用技巧。
部署前需要确保服务器满足以下条件:
https://llm-api.atomgit.com(AtomGit 的大模型 API)我使用的是腾讯云 Lighthouse 轻量应用服务器,配置为 2 核 4GB,系统为 Ubuntu 24.04 LTS,完全可以流畅运行 AtomCode。
AtomCode 提供了一个静态编译的 ELF 二进制文件,安装非常简单——只需下载一个文件即可,无需复杂的依赖安装和环境配置:
# 下载 atomcode 二进制文件(约 27MB)
sudo curl -L -o /usr/local/bin/atomcode https://release.atomgit.com/atomcode/latest/linux-x86_64/atomcode
# 赋予执行权限
sudo chmod +x /usr/local/bin/atomcode
# 验证安装
atomcode --version安装完成后,AtomCode 的二进制文件约 27MB(当前版本 4.25.0),非常轻量。可以用 file 命令查看文件信息:
$ file /usr/local/bin/atomcode
/usr/local/bin/atomcode: ELF 64-bit LSB pie executable, x86-64, version 1 (SYSV), dynamically linked, interpreter /lib64/ld-linux-x86-64.so.2, for GNU/Linux 2.0.0, strippedAtomCode 部署流程速览 —— 全程仅需 2-3 分钟
直接运行 atomcode 会自动进入交互式初始化流程:
cd /home/your-project
atomcode首次启动时,AtomCode 会引导你完成以下设置:
~/.atomcode/auth.tomlAtomCode 的配置文件位于 ~/.atomcode/config.toml,以下是我当前的配置:
default_provider = "AtomGit-deepseek-v4-flash"
auto_update = true
auto_commit = false
vision_preprocessor_provider = "AtomGit-Qwen-Qwen3-VL-8B-Instruct"
[providers.AtomGit-deepseek-v4-flash]
type = "openai"
model = "deepseek-v4-flash"
base_url = "https://llm-api.atomgit.com/v1"
context_window = 1000000
[providers.AtomGit-Qwen-Qwen3-VL-8B-Instruct]
type = "openai"
model = "Qwen/Qwen3-VL-8B-Instruct"
base_url = "https://llm-api.atomgit.com/v1"
context_window = 64000
[subagent]
enabled = true
initial_turns = 4
max_turns = 12
max_concurrent = 3
timeout_secs = 300
[lsp]
enabled = false
auto_detect = false
[ui]
theme = "auto"
[plugin]
auto_install_default_skills = true
auto_update_marketplaces = true
[notifications]
enabled = true
min_duration_secs = 8
terminal = true
system = true
bell = true
background_only = true配置项 | 说明 | 推荐值 |
|---|---|---|
default_provider | 默认 AI 提供商 | AtomGit-deepseek-v4-flash |
auto_update | 自动更新 AtomCode 自身 | true |
auto_commit | 允许 AI 自动提交 Git | false(建议人工审核) |
context_window | 模型上下文窗口大小 | 1000000(100万 token) |
subagent.enabled | 启用子代理并发执行 | true |
subagent.max_concurrent | 最大并发子代理数 | 3 |
subagent.max_turns | 子代理最大交互轮数 | 12 |
关键参数说明:
AtomCode 配置文件的加载优先级:全局配置 → 项目配置 → 个人配置
AtomCode 初始化后会在用户目录下创建 ~/.atomcode/ 目录,总大小约 200KB 左右,非常轻量。以下是目录结构详解:
~/.atomcode/
├── config.toml # 主配置文件(核心)
├── auth.toml # OAuth 认证凭据
├── device_id # 设备唯一标识
├── setup-state.json # 初始化状态记录
├── skills/ # 安装的技能插件
│ └── atomcode-automation-recommender/
├── plugins/ # 插件市场
│ └── marketplaces/
├── sessions/ # 会话记录
├── datalog/ # 操作日志(Markdown + LLM请求记录)
├── telemetry/ # 遥测数据
├── history.json # 命令历史
├── file-history/ # 文件修改历史追踪
└── seeds-cache/ # 缓存数据文件/目录 | 说明 |
|---|---|
config.toml | 主配置文件 |
auth.toml | 认证凭据(OAuth Token) |
device_id | 设备唯一标识 |
skills/ | 安装的技能插件 |
plugins/ | 插件市场目录 |
sessions/ | 会话记录 |
datalog/ | 操作日志(每次对话的摘要和 LLM 请求记录) |
telemetry/ | 遥测数据 |
history.json | 命令历史 |
AtomCode 支持项目级别的配置文件,可以在项目根目录下创建 .atomcode/ 目录(或直接创建 .atomcode.md / ATOMCODE.md 文件),为不同项目定制不同的行为规则。加载优先级从低到高:
~/.atomcode/ATOMCODE.md(全局配置——你的个人默认值,所有项目共用)<项目根目录>/.atomcode.md 或 <项目根目录>/ATOMCODE.md(项目配置,可提交到 Git 团队共享)<项目根目录>/.atomcode.user.md(个人项目配置,已加入 .gitignore,仅自己可见)示例项目配置文件 .atomcode.md:
## Project Rules
- 这是一个前端项目,使用原生 HTML/CSS/JavaScript
- 保持代码简洁,不引入外部依赖
- 所有公共方法必须有 JSDoc 注释
- 回复使用中文
## Coding Style
- 缩进使用 2 个空格
- CSS 使用 BEM 命名规范
- JavaScript 使用 ES6+ 语法
- HTML 保持语义化标签配置好项目文件后,可以用 /status 命令查看当前加载了哪些配置文件,非常方便。
AtomCode 内置了多个实用的斜杠命令,可以在对话中直接使用:
命令 | 用途 |
|---|---|
/status | 查看当前会话状态、加载的配置和技能 |
/ask | 询问 AtomCode 自身的使用问题(安装、配置、命令等) |
/skills | 扫描项目结构并推荐自动化技能 |
/init | 生成项目配置文件模板 |
/compact | 手动压缩上下文,释放 token 空间 |
子代理是 AtomCode 最强大的功能之一。当有多文件修改任务时,子代理可以并行处理,大幅提升效率。例如,在一个前端项目中有 3 个文件需要同时修改:
// 用户只需要说一句话:
"帮我重构这个页面,把样式提取到 CSS 文件,把逻辑提取到 JS 文件"
// AtomCode 会自动启动子代理并行处理:
// ── Subagent 1:重构 index.html(提取结构和语义标签)
// ── Subagent 2:重构 style.css(提取所有样式,BEM 命名)
// ── Subagent 3:重构 script.js(提取所有逻辑,ES6+ 语法)
// ── 主 Agent 协调合并结果 → 展示差异 → 等待确认配置建议:
[subagent]
enabled = true # 开启子代理
initial_turns = 4 # 每个子代理初始 4 轮交互
max_turns = 12 # 最大 12 轮
max_concurrent = 3 # 最多 3 个并发
timeout_secs = 300 # 超时时间 5 分钟AtomCode 工作流程:用户输入 → AI 推理 + 子代理 + 技能插件 → 工具执行 → 结果反馈
/ask 可以快速查询 AtomCode 自身功能,/skills 可以自动分析项目结构推荐合适的自动化技能.atomcode.md 为每个项目定制规则,AI 会自动遵循你的编码规范llm-api.atomgit.com,如果服务器在国内,连接速度通常很好,延迟在 20-50ms 以内auto_update = true,让 AtomCode 自动获取最新版本。目前最新版本为 v4.25.0--allow-root 参数,但建议用 sudo -u www-data 方式更安全我在 /home/lighthouse/atomcode-demo/ 中创建了一个纯前端演示项目,包含 index.html、style.css 和 script.js 三个文件。AtomCode 在以下场景表现出色:
AtomCode 的部署流程非常简单——下载一个二进制文件即可运行,无需复杂的依赖安装和环境配置。它支持多种主流大模型,默认使用 AtomGit 提供的 deepseek-v4-flash 模型,100 万 token 的超大上下文窗口让它在大型项目中也能游刃有余。
对于使用腾讯云 Lighthouse 等云服务器的开发者来说,AtomCode 是一个轻量级但功能强大的 AI 编程助手。无论是代码生成、项目重构、Bug 修复还是日常开发,它都能显著提升开发效率。
核心优势一览:
单文件部署,27MB 超轻量
100 万 token 超大上下文
并发子代理执行,多文件重构利器
多级项目配置,团队协作友好
插件市场 + 技能系统,可扩展性强
完全免费,基于 AtomGit 平台
希望本文对大家部署和使用 AtomCode 有所帮助!如果你有任何问题或经验分享,欢迎在评论区留言交流。
本文为作者原创,未经授权禁止转载、洗稿、搬运。如需引用请保留原文链接。