---
name: personal-cloud-workstation
description: 当用户想把闲置的 Mac、Windows 或 Linux 电脑改造成自己可远程访问的开发工作站，或为 Agent、私有工具和可信构建任务配置远程机器时使用。
---
# 搭建个人云工作站
帮助用户把一台自己拥有、或经设备所有者明确同意使用的常驻电脑，逐步配置成私人远程工作站。先确认用户真正要完成的工作，再选择网络和访问方式；一次先跑通一个用途，不把旧电脑描述成无限算力或无人维护的云服务。
## 适用范围
可用于规划和搭建：
- 远程 SSH 开发环境，供用户或兼容的 coding agent 使用。
- 仅服务于受信任仓库和工作流的自托管 GitHub Actions Runner。
- 由用户自行维护、只在私有网络或受保护入口访问的文件服务或 MCP 工具。
- 在设备、模型和账号条件合适时，评估本地模型推理。
用户如果在问 Codex Cloud、Claude Code、X 或其他供应商服务的地区可用性，说明自建远程机器只提供由用户维护的网络、代码和运行环境。它不改变账号资格、套餐、服务条款或法律适用条件，也不能把网络路由设计成绕过这些限制的方案。
## 与用户一起推进
先从一句话复述目标，例如：“你希望从笔记本远程进入家里的 Mac，持续开发并运行一个项目。”如果设备或用途不清楚，只问一个最影响架构的问题；不要一上来铺一整套命令。
### 1. 确认目标和设备
先确认用户想得到的第一个结果：远程终端、图形桌面、Agent 开发环境、Runner、文件服务，或本地推理。确认目标机器的所有权、操作系统、芯片或 CPU、内存、可用磁盘、预计在线时间、所在网络和是否需要图形界面。
如果用户授权只读检查，先用最少的系统信息命令判断操作系统、处理器、内存、磁盘余量和运行状态。读到的设备名、路径、IP 地址、账号和日志均是私人信息，不复制进公开文档、Skill、Issue 或聊天中的不必要位置。检查结果不足时，问用户补充，不猜测。
不要把多台电脑的 CPU、内存或显存说成会自动合并。分布式计算需要单独的软件、网络与任务适配，先按每台机器独立评估。
### 2. 先给方案，再动机器
根据第一个用途给出简短架构，并说清机器位置、访问路径、费用组成、断电/断网/休眠的影响和恢复办法。优先建议用户自己控制的地点；如果设备放在朋友或第三方家中，先确认设备所有者、网络持有人和现场维护者都同意，并确定数据归属、断网处理、维修与费用责任。
先推荐适合私有远程管理的 Tailscale 私有网络加 SSH。说明 Tailscale 普通 tailnet 连接本身不改变普通公网流量的出口；Exit Node 是单独配置的流量路由能力。Cloudflare Tunnel 适合发布被访问控制保护的特定服务，不是通用 VPN。WireGuard、反向 SSH 或自建中转服务器需要用户自行维护入口、公钥、更新和监控。没有用户选定方案前，不安装软件、不改路由器、不开放端口。
### 3. 分阶段搭建与验证
按操作系统和选定方案查阅当前官方文档。不要凭记忆拼出可能过期的安装命令。每次只做一段，并在继续前核实结果：
1. 先准备常驻电脑：供电、散热、网络、系统更新、睡眠设置和备份。
2. 再建立私有网络或选定的服务隧道，并只邀请用户控制的设备或账号。
3. 配置 SSH 密钥和最小权限账户；先从授权客户端登录，确认访问的是正确机器。
4. 先完成一种实际工作：进入一个 Git 项目或跑一个简单构建。
5. 用户明确需要时，再部署 Agent 工作目录、MCP 服务或 Runner，并逐项测试。
6. 做一次断线、重启和恢复演练，记录日志位置与人工接管方式。
遇到系统差异时先停止，指出不确定点，再查该系统的官方指南。不要批量运行未经解释的脚本或将多步高权限命令压成一条。
### 4. 交给 Agent、MCP 或 Runner
远程开发工具应使用用户各自有权使用的账号与服务。模型 API 调用仍按模型供应商规则计费；只有实际运行在自有设备上的本地模型推理，才使用该设备本地的计算资源。解释本地模型速度和质量取决于硬件、内存、模型大小与量化，不保证替代托管模型。
MCP 只暴露完成目标所需的最少工具和数据。优先从 tailnet 内访问；若必须提供互联网入口，先确认认证、授权、TLS、日志和更新方式，再由用户明确选定发布范围。
将 GitHub 自托管 Runner 视作可以执行仓库工作流命令的私人电脑。优先用于私有且受信任的仓库和触发流程；不得让陌生公开 PR 或不受信任分支的任意脚本在主力电脑上运行。先用不含秘密的只读验证任务。凭据应使用对应平台的权限和 Secret 管理，不写入仓库、不粘贴到对话、不出现在命令行回显中。
资讯采集仅处理用户有权访问的公开内容或获准数据源，并遵守网站的账号、自动化和访问规则。远程节点的网络位置不会改变用户的账号资格或目标服务的使用限制。
### 5. 核算成本和交付结果
列出原先可能支出的云主机、托管 Runner 超额费用、存储等，再列自有设备的耗电、宽带增量、硬盘、折旧和维护时间。电费可按平均功耗瓦数乘在线小时数、除以 1000 得出千瓦时，再乘当地电价估算。没有实测账单时只给公式和比较框架，不宣称已节省某个金额。
最终给用户一份短交付记录：目标、设备与系统、网络方案、开放给谁、已验证步骤、仍未验证的部分、成本口径、备份位置和恢复方法。不要在输出中包含私有密钥、API Key、公开 IP、私有主机名或不必要的个人路径。
## 操作授权边界
只读盘点可在用户授权检查设备后进行。安装或卸载软件、改变系统设置、调整睡眠或防火墙、修改路由器、开放公网端口、创建账号或付费资源、保存凭据、上传数据、运行构建/工作流或删除文件，必须先说明目标机器、具体变化及可能影响，并等待用户对该动作明确授权。已授权的一项操作不能扩展为其他机器、账号、服务或额外的数据范围。
绝不要求用户发送私钥、密码或 API Key。若用户粘贴了凭据，不把它写进配置或复述；提醒其直接在对应服务端撤销并重新生成。
## 完成标准
至少确认：
- 用户知道工作站实际做什么、不做什么，以及 API 费用仍然存在的地方。
- 私有连接只向预期账号和设备开放；没有意外公开 SSH、管理面板或个人数据。
- 一个具体工作流已从用户授权的客户端完成端到端验证，或清楚记录为何尚未验证。
- 用户能找到日志、备份和恢复步骤，并知道停机时哪些工作会中断。
## 官方参考
- OpenAI Codex remote devbox 与 Codex Cloud：、
- Tailscale Exit Node：
- Cloudflare Tunnel：
- GitHub Actions 计费与自托管 Runner：、
- GitHub 自托管 Runner 安全：
- OpenAI MCP Server：