HELPER VPS

AI 智慧體 VPS，AI 自動化伺服器

HELPER VPS AI 代理 VPS 是一個 Linux 雲端伺服器，用於在 40 個城市全天候運行呼叫 LLM API 的代理、n8n 工作流程和聊天機器人，每月 $25.00 起。在記憶體優化方案（16 GB 到 256 GB 記憶體）上，您還可以使用 Ollama 運行小型開源模型。

LLM VPS 該選哪種方案？

AI 工作所需的配置，取決於模型在哪裡執行。呼叫外部 LLM API 時小伺服器就夠了，在伺服器內執行模型時則需要與模型大小相當的記憶體。

    在伺服器內執行模型時，記憶體要比模型檔案大小留得充裕；需要快速回應的大模型，請一併考慮 GPU 伺服器。

    AI 自動化伺服器可以執行什麼？

    VPS 是不關機的電腦，不用讓自己的筆記本一直開著，智慧體也能持續工作。下面介紹五種常用配置。

    在 VPS 上執行 AI 智慧體有什麼好處？

    AI 伺服器上常用的工具

    大多數 AI 工具都官方支援 Linux 和 Docker。用 Docker 應用映像檔建立伺服器，就能直接以容器部署 n8n、Ollama 和向量資料庫。

    把伺服器放在離使用者近的地方

    從 31 個國家的 40 個城市中，選擇離使用者近的地點。

    在只有 CPU 的 VPS 上執行 LLM 有多快？

    用 CPU 執行模型，出結果比 GPU 慢。3B~8B 規模的量化模型速度足以像聊天一樣閱讀，但一次生成長文或多人同時使用時，等待時間會變長。因此 CPU 伺服器上的本地模型最適合分類、簡短摘要、資訊提取等大量輸出短答案的工作。

    按 Ollama 的說明，7B 模型建議 8 GB 記憶體，13B 模型建議 16 GB，33B 模型建議 32 GB 以上。作業系統和其他程式也要佔用記憶體，請選高一檔的方案，先用小模型確認質量和速度，再逐步加大。

    需要快速回應的服務、70B 以上的大模型、影象生成和微調都需要 GPU。這類工作請在 GPU 伺服器頁面瞭解，VPS 則負責呼叫 GPU 伺服器或 LLM API 的智慧體和工作流，這樣分工就能兼顧成本與速度。

    如何在 VPS 上安裝 n8n 和 Ollama？

    建立伺服器時在映像檔中選擇 Docker 應用，就會以 Ubuntu 24.04 上已裝好 Docker Engine 和 Docker Compose 的狀態啟動。連線後用 docker volume create n8n_data 建立儲存空間，再用 docker run -d --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n 命令啟動 n8n。正式服務中，繫結網域和 HTTPS 使用更安全。

    Ollama 用 curl -fsSL https://ollama.com/install.sh | sh 一行命令安裝，像 ollama run llama3.2 這樣填入模型名稱，就會下載並立即執行。安裝後伺服器內會在11434連接埠開放 API，同一伺服器上的 n8n 或 Python 代碼呼叫這個地址即可使用本地模型。

    Ollama API 預設只接受伺服器內部的請求，保持原樣為好。需要從外部使用時，請透過 WireGuard 等 VPN 接入，或在 Nginx 代理上加認證，只讓允許的人使用。

    如何安全執行 AI 智慧體伺服器？

    LLM API 金鑰不要直接寫在代碼中，請放在環境變數或許可權收緊的檔案裡。在 API 一端設定用量上限，即使智慧體陷入反覆執行，費用也不會突然增加。伺服器只用 SSH 金鑰登入，n8n 等管理介面用強密碼和 HTTPS 保護。

    智慧體使用讀取網頁、執行命令的工具時，許可權要給得窄。為智慧體單獨建立一個 Linux 使用者、只允許使用需要的目錄，或在 Docker 容器中執行，即使出錯也不會波及整台伺服器。

    透過 587 端口上的郵件遞送服務發送代理的警報郵件，Telegram 或 Discord webhooks 也能很好地配合。開啟自動備份選項後，工作流程和聊天記錄也會保存，當您需要還原時，請在首次付款後在支援頁面上申請。

    檢視更多用途 VPS

    AI 智慧體 VPS，AI 自動化伺服器 常見問題

    執行 AI 智慧體一定需要 GPU 嗎？

    呼叫 LLM API 的智慧體，不需要 GPU，小型 VPS 就夠了。模型計算在 API 一端完成，伺服器只負責請求和結果處理。只有想自己快速執行大模型時，才需要考慮 GPU 伺服器。

    用 Ollama 能執行多大的模型？

    大記憶體方案可以執行與記憶體大小相匹配的模型。16 GB 可執行 7B~8B 量化模型，32 GB 可執行 13B 左右，64 GB 以上可執行 30B 左右的模型，但由於用 CPU 執行，出結果的速度比 GPU 慢。

    用 CPU 執行的 LLM 實用嗎？

    用於輸出短答案的工作完全夠用。文件分類、摘要、資訊提取、生成嵌入等結果較短的工作，CPU 也能很好地處理；實時大量生成長文的服務則適合 GPU 伺服器。

    n8n 適合在哪種方案上執行？

    個人或小團隊的 n8n 在 4 到 8 GB 記憶體上運行非常流暢。如果您有許多工作流程或處理大文件，請選擇 12 GB 或以上的 NVMe 方案，並按照 n8n 應用頁面上的安裝指南使用 Docker 部署。

    可以在 VPS 上呼叫 OpenAI API 或其他 LLM API 嗎？

    可以，伺服器向外發出的 HTTPS 請求可以自由使用。把 API 金鑰放在伺服器的環境變數中，由智慧體或 n8n 呼叫即可，API 使用規則請遵循各服務的條款。

    AI 自動化伺服器最多能建立幾台？

    一個帳戶最多可建立10台伺服器。可以把智慧體伺服器、資料庫伺服器和本地模型伺服器分開，也可以按客戶所在地區分別部署聊天機器人伺服器。

    智慧體可以傳送郵件嗎？

    可以，連線使用587連接埠的郵件傳送服務即可傳送。所有伺服器為保護 IP 信譽都關閉了25連接埠，把郵件傳送服務的 SMTP 資訊或 API 配置給智慧體使用即可。

    模型檔案太大、磁碟不夠怎麼辦？

    建立伺服器時在 50~1000 GB 之間加掛額外磁碟，就能充裕地存放模型檔案和資料。大記憶體方案使用 NVMe 磁碟，載入模型的速度也很快。

    AI 伺服器費用如何支付？

    您的伺服器會根據您選擇的計費週期（1、3、6 或 12 個月）建立。最低付款金額為 $25。