LLM增强的网易云API部署用于鸿蒙原生音乐app: Melotopia

简介: 本文记录了在自建服务器上部署网易云音乐API并对接鸿蒙原生音乐App Melotopia 的全过程,涵盖 Node.js 一键部署、PM2 后台守护、Nginx 反向代理配置及 HTTPS 安全接入,实现账号同步与云端播放。(239字)

记录一下折腾自己服务器部署网易云API,用于Melotopia的过程。

1 Melotopia

这是一个鸿蒙原生的音乐app,可以通过接入网易云API来接收你网易云的账户信息。

2 如何LLM增强

其实就是随手挑了kimi把github发给它,让它帮我想部署的事。

3 部署流程

我直接一键用kimi来生成部署脚本。试错了一圈,kimi说用node来部署。

直接 Node 部署

# 安装 Node.js
sudo apt install nodejs npm -y

# 进入源码目录
cd /home/melotopia/netease-api-src

# 安装依赖
npm install

# 启动
npm start

后台运行(PM2)

# 安装 PM2
sudo npm install -g pm2

# 进入目录启动
cd /home/melotopia/netease-api-src
pm2 start app.js --name netease-api

# 保存配置并设置开机自启
pm2 save
pm2 startup

然后要更新Nginx 配置(添加 API 代理)

sudo tee /etc/nginx/sites-available/yousite << 'EOF'
server {
    listen 80;
    server_name 你的域名;
    return 301 https://$server_name$request_uri;
}

server {
    listen 443 ssl;
    http2 on;
    server_name 你的域名;

    root 你网站的根目录;
    index index.html index.htm;

    ssl_certificate /etc/letsencrypt/live/yousite/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/yousite/privkey.pem;
    include /etc/letsencrypt/options-ssl-nginx.conf;
    ssl_dhparam /etc/letsencrypt/ssl-dhparams.pem;

    # 网易云 API 反向代理
    location /api/ {
        proxy_pass http://127.0.0.1:3000/;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
    }

    location / {
        try_files $uri $uri/ =404;
    }

    access_log /var/log/nginx/yousite.access.log;
    error_log /var/log/nginx/yousite.error.log;
}
EOF

sudo nginx -t && sudo systemctl reload nginx

最后就测试API就好了。

# 本地测试
curl http://localhost:3000

# 通过 HTTPS 域名测试
curl https://你的域名/api/playlist/detail?id=19723756

放几张运行的关键截图。

后续在手机鸿蒙端的Melotopia设置云端API接口登录网易云即可。

目录
相关文章
|
1月前
|
人工智能 安全 前端开发
面试官问:什么是 Harness 工程?AI Agent 时代,测试人必须补上的新能力
Harness工程是AI Agent时代的“工作台”,聚焦为其构建稳定、可控、可验证的工程环境。它涵盖上下文管理、工具调用、沙箱权限、测试验证、日志观测与反馈回路,解决Agent在真实项目中因缺上下文、缺工具、缺反馈、缺边界导致的失控问题。本质是让Agent“能做事、做得对、出错可修复”。
|
1月前
|
人工智能 分布式计算 监控
多智能体集群审计机制设计:免疫、熔断与信誉治理
多智能体系统(MAS)在提升 LLM 应用能力的同时,也带来了幻觉级联、伪共识等新型风险。本文基于枢衡(Shuheng)V2 集群的工程实践,系统阐述审计角色(CAD)的架构设计——涵盖免疫系统与熔断器的双职能模型、职责隔离的四项红线、五类实质性测试的审计协议、多维信誉账本的动态治理机制,以及审计与创新之间的张力平衡。文末提供可直接落地的协议设计参考。
|
1月前
|
人工智能 Oracle 机器人
推理 → 行动 → 观察:用 LangChain + Python 实现一个智能体循环
智能体循环(Agentic Loop)突破单次问答局限,通过“推理→行动→观察”迭代闭环,让AI能自主分解任务、调用工具、持续优化直至目标完成,是构建真正自动化智能体的核心架构。
309 9
推理 → 行动 → 观察:用 LangChain + Python 实现一个智能体循环
|
5天前
|
人工智能 前端开发 程序员
Gemini 3.5 Pro 泄露刷屏!前端一次成型赶超 Fable 5,7 月 17 日或将亮相
Gemini 3.5 Pro是谷歌2026年旗舰大模型,传闻7月17日发布。前端生成能力跃升:设计更专业、UI更简洁、SVG一次精准成型,被指赶超Fable 5;但硬核推理、长程任务仍弱于Fable 5与GPT-5.6。全新底座预训练,将同步推出对标GPT-Image 2的Nano Banana Pro。(239字)
153 3
|
27天前
|
人工智能 弹性计算 API
OpenClaw+阿里云百炼Token Plan 一站式部署与配置流程
OpenClaw作为一款开源可自托管的AI智能体执行框架,能让大模型从单纯对话升级为可执行文件处理、代码编写、流程自动化等任务的数字助手。在阿里云上部署OpenClaw并接入百炼Token Plan,可依托阿里云稳定的云服务与百炼的大模型能力,打造专属、高效、低成本的AI智能体服务。本文将从准备工作、阿里云服务器部署、百炼Token Plan开通与密钥获取、OpenClaw配置、功能验证到常见问题排查,提供完整实操流程,帮助用户快速完成部署与配置。
314 9
|
27天前
|
人工智能 运维 安全
Claude Code/OpenAI Codex自定义API部署:协议兼容、环境变量安全与团队规范化方案详解
在AI编程工具的规模化使用中,为Claude Code与OpenAI Codex配置自定义API端点,是实现模型灵活切换、成本优化、安全管控与团队标准化的核心手段。自定义端点可对接企业内部大模型网关、私有模型服务或第三方兼容接口,突破官方API的限制,同时通过规范的协议适配、环境变量管理与团队协作机制,保障配置的安全性、一致性与可维护性。本文将系统拆解Claude Code与OpenAI Codex自定义API端点的配置逻辑,涵盖协议兼容、环境变量设置、配置文件编写、验证方法及团队规范化管理方案,帮助开发者与团队实现安全、高效、统一的AI编程工具部署。
336 8
|
1月前
|
人工智能 运维 JavaScript
零基础入门教程:阿里云 Hermes Agent 一键部署完整流程详解(图文版)
随着AI智能体技术不断普及,Hermes Agent凭借出色的长对话记忆、复杂任务拆解、逻辑推理与多轮交互能力,成为个人办公、学习答疑、日常协作、智能辅助的热门开源工具。相较于普通对话机器人,Hermes Agent能够完整承接长链路任务、记住全程对话上下文,在深度交流、方案梳理、问题分析等场景表现尤为突出。
331 3
零基础入门教程:阿里云 Hermes Agent 一键部署完整流程详解(图文版)
|
1月前
|
人工智能 运维 JavaScript
保姆级教学!阿里云服务器从零搭建Hermes Agent AI智能体配置Token Plan流程
在AI智能体快速普及的当下,Hermes Agent凭借优秀的长会话交互、复杂任务拆解、深度逻辑推理能力,成为个人办公、学习辅助、项目协作、智能问答场景中备受青睐的开源AI应用。和传统对话工具不同,Hermes Agent主打多轮连续对话、上下文强记忆、复杂指令分步执行,能够承接逻辑链条长、步骤繁琐的工作任务,搭配主流大模型使用后,可极大提升日常工作与学习效率。
250 2
|
23天前
|
数据采集 人工智能 分布式计算
多Agent集群中的"情报官"设计:为什么系统需要一个RDD
在多Agent系统中,信息采集环节的失误往往是级联错误的根源。本文从行业实践和学术研究两个维度,论证了专职情报采集Agent的必要性,并详细解析了枢衡RDD(资源探测)的五大架构设计原则,包括与CAD的对抗性协作机制等。最后提供了一套可落地的自检清单,帮助开发者判断自己的Agent集群是否需要引入专职情报官角色。