
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
Train是一套封装在Docker容器中的AWS CLI工具集,用于管理AWS用户、VPC、密钥/安全配置、AMI、自定义实验室(按标签分组的AWS实例集合)及实验室集合,适用于演示、测试和培训场景。
工具支持快速创建、管理和销毁以下资源:
建议使用独立于生产环境的AWS账户,train需要创建/列出/销毁VPC、EC2实例、IAM用户等权限。通过train-users创建的用户将拥有预设策略。
可通过Docker环境文件、运行时参数或容器内直接导出设置环境变量。
必选变量
# 用户名(仅用于标签) TRAINER=jbaker # AWS认证信息 AWS_ACCESS_KEY_ID=<你的密钥ID> AWS_SECRET_ACCESS_KEY=<你的密钥> # AWS区域 AWS_REGION=<ec2区域>
可选变量
# AWS SES配置 SES_REGION=<ses区域> SES_FROM_EMAIL=<发件邮箱> SES_FROM_NAME=<发件人名称> # 实验室根目录 LAB_DIR=<目录路径> # 用户配置文件路径 USER_FILE=<文件路径> # VPC标签(区分环境) VPC=<标签名> # 邮件模板路径 EMAIL_TEMPLATE=<容器内路径> # 自定义标签 USERTAG=<字符串>
运行容器时需将本地目录挂载到容器内/host,用于存储用户密钥和实例信息。
bashdocker pull vizuri/train
train.env:TRAINER=jbaker VPC=demo AWS_REGION=us-east-1 AWS_ACCESS_KEY_ID=<你的密钥ID> AWS_SECRET_ACCESS_KEY=<你的密钥>
bashdocker run -ti --rm --env-file='train.env' -v $(pwd):/host vizuri/train
train -vktrain -atrain -x <实验室名称>train -ltrain -tusers.cfg文件(每行格式:用户名,***)train -x <实验室名称>批量创建实例train -etrain-images -c <实验室标签>train-images -ltrain-images -d <实验室名称>使用train-users工具管理AWS IAM用户,执行train-users查看帮助文档。
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。
来自真实用户的反馈,见证轩辕镜像的优质服务