想要一个真正能替你「动手」的通用 AI 助手——不是只会聊天，而是能开浏览器、抓数据、改文件、跑命令、出图表，甚至把网站部署上线？商业产品 Manus 很惊艳但闭源、按次收费。好消息是，Kortix AI 开源了 Suna（Apache 2.0，被誉为「开源版 Manus」），可以完全自托管，数据留自家服务器。本教程带你用 Docker 把它跑起来，并派第一个活。
🦞 本教程适合：想要一个本地/私有通用 Agent、又不想被闭源产品绑定的开发者。你需要基本的命令行和 Docker 经验，以及 Supabase、Daytona 账号（都有免费层）。
先搞懂：Suna 是什么架构
用一句话理解：Suna 是一个「会调用一堆工具的数字员工」，背后是一套模块化系统。它的几个核心组件：
| 组件 | 作用 |
|---|---|
| Next.js/React 前端 | 聊天界面 + 任务监控仪表板 |
| Python/FastAPI 后端 | Agent 编排、任务分解（todo.md） |
| Supabase | 认证、对话历史、文件存储、实时订阅 |
| Daytona 沙盒 | 隔离执行环境（浏览器/命令行/文件系统） |
| LLM + 搜索 | OpenAI/Anthropic 大脑 + Tavily/Firecrawl 搜索 |
硬件门槛适中：官方推荐 NVIDIA RTX 3060 或 16GB 内存。模型推理走云 API，所以本地不吃显卡，主要是跑前后端和沙盒。
Step 1：准备前置依赖
1 装好四样东西
自托管最关键的三个外部服务：Supabase（数据库）、Daytona（执行沙盒）、Redis（缓存/队列），再加上运行环境。
# 本地运行环境
· Python 3.11+ # 后端
· Node.js 20.x # 前端
· Git # 拉代码
· Docker Desktop # 可选，但推荐用它起 Redis
# 三个外部账号（都有免费层）
· Supabase：建项目，拿 Project URL / anon key / service_role key
· Daytona：注册拿 API Key，添加镜像 adamcohenhillel/kortix-suna:0.0.20
· LLM：OpenAI 或 Anthropic 的 API Key（二选一）
· 可选：Tavily / RapidAPI Key 增强搜索💡 Redis 不想本地装？用 Upstash 免费云 Redis 最省事，给个 URL 就行，不用管进程。
Step 2：克隆仓库并配置后端
2 填好 .env 再启动
先克隆，再复制环境变量模板，把上一步拿到的密钥填进去。
git clone https://github.com/kortix-ai/suna.git
cd suna/backend
cp .env.example .env
# 编辑 .env，至少填：
# SUPABASE_URL / SUPABASE_ANON_KEY / SUPABASE_SERVICE_ROLE_KEY
# REDIS_HOST / REDIS_PORT / REDIS_PASSWORD
# DAYTONA_API_KEY / DAYTONA_TARGET
# OPENAI_API_KEY 或 ANTHROPIC_API_KEY（只开一个）
# TAVILY_API_KEY（可选）
# 把数据库表结构推到 Supabase
supabase login
supabase link --project-ref YOUR_PROJECT_REF
supabase db push # 确认 basejump schema 已暴露只开一个 LLM 提供商：.env 里 OpenAI 和 Anthropic 二选一，别两个都留空或都开着，否则后端会不知道用哪个模型而报错。
Step 3：配置前端并安装依赖
3 前后端各装一遍
# 前端
cd ../frontend
cp .env.example .env.local
# 填 NEXT_PUBLIC_SUPABASE_URL / ANON_KEY
# 以及 NEXT_PUBLIC_BACKEND_URL=http://localhost:8000/api
# 装依赖（前端 Node）
npm install
# 后端依赖（Python 3.11，建议虚拟环境）
cd ../backend
pip install -r requirements.txt🚀 嫌一步步装麻烦？仓库根目录有 `docker-compose.yml`，一条 `docker compose up` 就能把后端+前端+Redis 一起起。本地开发更推荐分别跑，方便看日志。
Step 4：启动并访问
4 两个终端，前后端一起跑
# 终端 A：后端
cd backend && python api.py
# 终端 B：前端
cd frontend && npm run dev
# 浏览器打开
http://localhost:3000
# 用 Supabase 账号注册登录，即可开始派活💡 看到「Suna is now running! Access at http://localhost:3000」就成功了。第一次启动会自动建好基础数据。
Step 5：派活实战——让 Suna 干一件真事
5 自然语言下达任务
Suna 的强项是「多步骤真实任务」。在对话框里直接说目标，它会用 todo.md 拆任务、调工具执行。
示例指令：
「分析麦当劳在旧金山的 Google Reviews，
抓取最近 50 条，按好评/差评分类，
生成一份带情绪分布图的中文报告，
存成 report.html。」
Suna 会自主：
1. 用 Tavily/Firecrawl 搜并抓评论
2. 在 Daytona 沙盒里跑 Python 清洗、出图
3. 生成 HTML 报告并保存到你的文件区任务越具体越好：给「输出格式 + 数据范围 + 语言」比只说「帮我分析一下」成功率高得多。复杂任务建议拆成几个小目标分批派。
Step 6：探索更多能力边界
6 浏览器 / 文件 / 部署都能干
Suna 内置工具覆盖面很广，试试这些场景：
· 浏览器自动化：填表单、监控价格、抓竞品
· 文件管理：CSV↔JSON 批量转换、批量重命名
· 数据分析：上传 Excel，让它出图表和洞察
· 网站部署：把生成的静态站直接发到 Cloudflare Pages
· API 集成：连 LinkedIn / Zillow 抓专业数据🔑 沙盒隔离是 Suna 的安全核心：每个任务在独立容器里跑浏览器和命令，你的本机不会被它乱改。这是比「让 Agent 直接碰你电脑」更稳的做法。
Step 7：成本与安全收尾
7 别让账单和权限失控
1. 成本：模型按 token 计费，复杂任务很能吃额度
→ 在 .env 里选便宜模型（如 gpt-4o-mini）跑草稿
2. 安全：Daytona 沙盒默认隔离，但别把云账号密钥硬编码进任务
3. 数据：Supabase 是你的数据库，定期备份
4. 停止服务：docker compose down / 关掉两个终端🎉 恭喜！你已经拥有了一个自托管的开源通用 Agent。它不绑架你的数据、不按次收费，还能随你改源码扩展工具——这正是闭源产品给不了的自由。
常见问题速查
| 现象 | 大概率原因 & 解决 |
|---|---|
| 后端起不来报缺依赖 | node/npm/docker 没装或版本不符，按 Step 1 补齐 |
| 登录后空白 | Supabase schema 没 push，或 frontend 的 BACKEND_URL 配错 |
| Agent 不执行浏览器任务 | Daytona API Key 错，或镜像名/entrypoint 没按文档填 |
| 任务跑一半失败 | 多是 LLM 额度耗尽或搜索 Key 缺失，查后端日志 |