前言
随着 AI 大模型的普及，越来越多的开发者开始搭建自己的 AI 服务，通过 One API 等平台统一管理多个模型的 API
调用。但随之而来的问题是：服务挂了怎么办？API 调用量超了怎么办？哪个模型用得最多？
为了解决这些问题，我开发了一个轻量级的 AI 服务监控系统 —— AI Monitor，支持服务器资源监控、API
调用统计、多模型管理，还能通过微信随时查看服务状态。
项目地址：https://github.com/BellWinter/weixin-ai-monitor
功能特性
📊 服务器资源实时监控
实时采集 CPU、内存、磁盘的使用情况，通过 WebSocket 推送到前端，数据变化即时可见。
📈 API 调用统计与分析
记录每次 API 调用的数据，支持按模型、按时间维度进行统计分析，让你清楚知道每个模型的使用情况。
🤖 多模型管理
支持多个 AI 模型的使用统计与切换，方便对比不同模型的调用频率和消耗。
📉 数据可视化
基于 ECharts 生成数据趋势图表，直观展示各项指标的变化趋势。
💬 微信机器人集成
支持通过微信查询服务器状态和 API 使用情况，随时随地掌握服务运行状态。
⚙️ 自动化运维
内置定时数据清理和日志轮转功能，避免数据库无限膨胀，保持系统长期稳定运行。
项目结构
weixin-ai-monitor/
├── app.py # Flask 主应用入口
├── config.example.py # 配置模板
├── config.py # 配置文件（需自行创建）
├── cleanup.py # 数据清理脚本
├── scheduler.py # 定时任务调度
├── update_status.py # 状态更新脚本
├── install.py # 安装脚本
├── start.sh # 启动脚本
├── sync_db.sh # 数据库同步脚本
├── sync_loop.sh # 循环同步脚本
├── collectors/
│ ├── server_collector.py # 服务器资源数据采集
│ └── api_collector.py # API 调用数据采集
├── templates/
│ └── dashboard.html # 监控面板前端页面
├── database/
│ └── init_db.py # 数据库初始化
├── wechat/
│ └── alert_sender.py # 微信告警模块
└── systemd/
└── *.service # systemd 服务配置文件
整体架构非常轻量，没有复杂的中间件依赖，一台普通的云服务器就能跑起来。
快速部署
环境要求
– Python 3.10+
– SQLite3
– One API 服务
安装步骤
1. 克隆项目
git clone https://github.com/BellWinter/weixin-ai-monitor.git
cd weixin-ai-monitor
2. 安装依赖
pip install flask flask-socketio psutil requests
3. 配置文件
cp config.example.py config.py
编辑 config.py，填入你的配置：
SERVER_HOST = “0.0.0.0” # 监听地址
SERVER_PORT = 5000 # 监听端口
DATABASE_PATH = “./data.db” # 数据库路径
ONE_API_URL = “http://你的One-API地址” # One API 服务地址
ONE_API_TOKEN = “你的Token” # One API 令牌
4. 初始化数据库
python3 database/init_db.py
5. 启动服务
python3 app.py
访问 http://你的服务器IP:5000 即可看到监控面板。
设置开机自启
推荐使用 systemd 管理服务，实现开机自启和自动重启：
# 复制服务文件
cp systemd/ai-monitor.service /etc/systemd/system/
# 重载配置
systemctl daemon-reload
# 设为开机自启
systemctl enable ai-monitor.service
# 启动服务
systemctl start ai-monitor.service
常用管理命令：
# 查看状态
systemctl status ai-monitor.service
# 重启服务
systemctl restart ai-monitor.service
# 查看实时日志
journalctl -u ai-monitor.service -f
使用场景
– 个人 AI 服务运维：监控自己搭建的 AI 代理服务
– 团队 API 管理：统计团队各成员的 API 调用情况
– 成本控制：通过调用统计分析各模型的消耗，优化成本
– 故障预警：通过微信接收服务异常告警
后续计划
– 支持更多告警渠道（钉钉、飞书、邮件）
– 增加 API 调用费用统计
– 支持多服务器集群监控
– 增加用户权限管理
– 优化移动端展示效果
这个项目的初衷很简单：让 AI 服务的运维变得简单可控。整个项目非常轻量，没有复杂的依赖，适合个人开发者和小团队使用。
如果你觉得这个项目有用，欢迎 Star ⭐ 支持一下！