HELPER VPS

VPS AI agent, máy chủ tự động hóa AI

VPS AI agent HELPER VPS là một máy chủ cloud Linux để chạy các agent gọi API LLM, workflow n8n và chatbot 24 giờ mỗi ngày tại 40 thành phố, bắt đầu từ $25.00 mỗi tháng. Trên các gói tối ưu hóa bộ nhớ với 16 GB đến 256 GB bộ nhớ, bạn cũng có thể tự chạy các mô hình mở nhỏ với Ollama.

VPS LLM nên chọn gói nào?

Tác vụ AI cần cấu hình khác nhau tùy mô hình chạy ở đâu. Gọi API LLM bên ngoài thì máy chủ nhỏ là đủ, chạy mô hình trong máy chủ thì cần bộ nhớ bằng kích thước mô hình.

    Để chạy mô hình trong máy chủ, hãy dành bộ nhớ dư so với kích thước tệp mô hình, còn mô hình lớn cần phản hồi nhanh thì cân nhắc thêm máy chủ GPU.

    Máy chủ tự động hóa AI chạy được những gì?

    VPS là máy tính không tắt, nên không cần bật máy tính xách tay mà agent vẫn làm việc liên tục. Dưới đây là năm cấu hình hay dùng.

    Chạy AI agent trên VPS có lợi gì?

    Công cụ dùng cùng trên máy chủ AI

    Phần lớn công cụ AI hỗ trợ chính thức Linux và Docker. Tạo máy chủ bằng image ứng dụng Docker là đưa ngay n8n, Ollama, cơ sở dữ liệu vector lên bằng container.

    Đặt máy chủ ở nơi gần khách

    Chọn nơi gần khách trong 40 thành phố ở 31 quốc gia.

    Chạy LLM trên VPS chỉ có CPU nhanh đến mức nào?

    Chạy mô hình bằng CPU thì trả lời chậm hơn GPU. Mô hình lượng tử hóa cỡ 3B~8B có tốc độ đọc được như chat, nhưng tạo văn bản dài một lúc hay nhiều người dùng cùng lúc thì thời gian chờ dài hơn. Vì vậy mô hình cục bộ trên máy chủ CPU hợp nhất với việc ra nhiều câu trả lời ngắn như phân loại, tóm tắt ngắn, trích xuất thông tin.

    Theo hướng dẫn của Ollama, mô hình 7B khuyên từ 8 GB bộ nhớ, 13B từ 16 GB, 33B từ 32 GB. Hệ điều hành và chương trình khác cũng dùng bộ nhớ, nên hãy chọn gói dư một bậc, lúc đầu kiểm tra chất lượng và tốc độ bằng mô hình nhỏ rồi mới tăng dần.

    Dịch vụ cần phản hồi nhanh, mô hình lớn từ 70B, tạo ảnh, tinh chỉnh thì cần GPU. Những việc này tìm hiểu ở trang máy chủ GPU, còn VPS đảm nhận vai trò agent và workflow gọi máy chủ GPU hoặc API LLM, cân bằng được cả chi phí lẫn tốc độ.

    Cài n8n và Ollama trên VPS như thế nào?

    Khi tạo máy chủ, chọn ứng dụng Docker trong image là bắt đầu với Docker Engine và Docker Compose đã cài trên Ubuntu 24.04. Kết nối xong tạo chỗ lưu bằng docker volume create n8n_data, rồi đưa n8n lên bằng lệnh docker run -d --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n. Với dịch vụ thật, kết nối tên miền và HTTPS sẽ an toàn hơn.

    Ollama cài bằng một dòng curl -fsSL https://ollama.com/install.sh | sh, và nhập tên mô hình như ollama run llama3.2 là tải về chạy ngay. Cài xong, API mở ở cổng 11434 trong máy chủ, và n8n hay mã Python trên cùng máy chủ gọi địa chỉ này để dùng mô hình cục bộ.

    API Ollama mặc định chỉ nhận trong máy chủ, tốt nhất cứ để nguyên. Nếu cần dùng từ bên ngoài, vào qua VPN như WireGuard, hoặc gắn xác thực vào proxy Nginx để chỉ người được phép dùng.

    Vận hành máy chủ AI agent an toàn như thế nào?

    Không viết thẳng khóa API LLM vào mã mà đặt trong biến môi trường hoặc tệp đã thu hẹp quyền. Đặt giới hạn sử dụng ở phía API thì dù agent rơi vào vòng lặp chạy, phí cũng không tăng đột ngột. Chỉ kết nối máy chủ bằng khóa SSH, và giao diện quản lý như n8n được bảo vệ bằng mật khẩu mạnh và HTTPS.

    Khi agent dùng công cụ đọc web và chạy lệnh, việc cấp quyền hẹp rất quan trọng. Tạo riêng người dùng Linux cho agent và chỉ cho dùng thư mục cần thiết, hoặc chạy trong container Docker, thì có sơ suất cũng không lan ra cả máy chủ.

    Gửi email cảnh báo của agent qua một dịch vụ gửi mail trên cổng 587, và các webhook Telegram hoặc Discord hoạt động tốt cùng nhau. Với tùy chọn sao lưu tự động được bật, các workflow và lịch sử chat cũng được giữ lại, và khi bạn cần khôi phục, hãy yêu cầu trên trang hỗ trợ sau khi thanh toán đầu tiên của bạn.

    Xem thêm VPS theo mục đích

    Câu hỏi thường gặp về VPS AI agent

    Chạy AI agent có nhất thiết cần GPU không?

    Agent gọi API LLM thì VPS nhỏ không GPU là đủ. Tính toán mô hình do phía API làm, máy chủ chỉ lo yêu cầu và xử lý kết quả. Chỉ khi muốn tự chạy nhanh mô hình lớn mới cần cân nhắc máy chủ GPU.

    Ollama chạy được mô hình đến cỡ nào?

    Với gói bộ nhớ cao, chạy được mô hình hợp với kích thước bộ nhớ. 16 GB thì mô hình lượng tử hóa 7B~8B, 32 GB thì khoảng 13B, từ 64 GB thì khoảng 30B, nhưng chạy bằng CPU nên tốc độ trả lời chậm hơn GPU.

    LLM chạy bằng CPU có dùng được không?

    Với việc ra câu trả lời ngắn thì hoàn toàn dùng được. Việc có kết quả ngắn như phân loại tài liệu, tóm tắt, trích xuất thông tin, tạo embedding được CPU xử lý tốt, còn dịch vụ tạo nhiều văn bản dài theo thời gian thực thì máy chủ GPU phù hợp.

    n8n chạy trên gói nào?

    n8n cho cá nhân hoặc nhóm nhỏ chạy thoải mái trên 4 đến 8 GB bộ nhớ. Nếu bạn có nhiều workflow hoặc xử lý các tệp lớn, hãy chọn một gói NVMe với 12 GB trở lên và triển khai nó với Docker theo hướng dẫn cài đặt trên trang ứng dụng n8n.

    Có gọi OpenAI API hay API LLM khác từ VPS được không?

    Có, yêu cầu HTTPS gửi ra ngoài từ máy chủ dùng tự do. Đặt khóa API trong biến môi trường của máy chủ và gọi từ agent hoặc n8n, quy tắc dùng API theo điều khoản của từng dịch vụ.

    Máy chủ tự động hóa AI tạo được tối đa bao nhiêu?

    Một tài khoản tạo được tối đa 10 máy chủ. Có thể tách máy chủ agent, máy chủ cơ sở dữ liệu, máy chủ mô hình cục bộ, hoặc đặt máy chủ chatbot riêng cho từng khu vực khách.

    Agent có gửi email được không?

    Có, gửi bằng cách kết nối dịch vụ gửi email dùng cổng 587. Mọi máy chủ đều đóng cổng 25 để giữ uy tín IP, nên chỉ cần đưa thông tin SMTP hoặc API của dịch vụ gửi email vào agent.

    Tệp mô hình lớn làm thiếu ổ đĩa thì làm thế nào?

    Khi tạo máy chủ, gắn ổ đĩa bổ sung từ 50 đến 1000 GB để chứa dư dả tệp mô hình và dữ liệu. Gói bộ nhớ cao dùng ổ NVMe nên tốc độ nạp mô hình cũng nhanh.

    Phí máy chủ AI trả như thế nào?

    Máy chủ của bạn được tạo cho chu kỳ thanh toán bạn chọn (1, 3, 6 hoặc 12 tháng). Thanh toán tối thiểu là $25.