跑 CrewAI 需要 GPU 嗎？

不需要——常見設定下不用。CrewAI 負責編排代理；真正的思考發生在您透過 API 呼叫的 LLM（OpenAI、Anthropic 等）裡。您的伺服器只是跑 Python、持有團隊邏輯、發 HTTP 呼叫。那是 CPU 和 RAM 的活，不是 GPU。只有當您也在本機跑模型（比如經 Ollama）時才想要 GPU，那是另一個重得多的設定。

我需要多大的 VPS？

大多數團隊在機器上都很輕，因為繁重的活在遠端。一個 1–2 GB 記憶體的方案就能輕鬆應付一個小團隊。如果您跑多個團隊、在記憶體裡留長對話歷史、或加一個用作代理記憶的向量庫，就升到 4 GB。先從小的開始——以後能擴。

斷開連線後怎麼讓團隊繼續跑？

作為 systemd 服務來跑（推薦），或用 tmux 做快速測試。systemd 會在它崩潰時重新啟動它、並在開機時啟動它——這正是從筆電搬走的全部意義。下面有完整套路。

我能不用卡或證件付款嗎？

能。EQVPS 接受 Base、Ethereum 或 Polygon 上的 USDC 或 USDT，且沒有身分核驗。註冊就是一個電子郵件加一個一次性驗證碼。如果您充一小筆餘額，Base 的網路手續費最低。

代理能自己租伺服器嗎？

能——EQVPS 暴露一個 MCP 伺服器（mcp.eqvps.com/mcp），所以一個有已儲值餘額的代理能呼叫 order_vps 自己開通一台機器。如果您團隊的一項工作就是立起基礎設施，這很有用。

在 VPS 上執行 CrewAI 多代理團隊

您的 CrewAI 團隊在筆電上跑得很好。代理彼此對話，研究員把活交給寫作者，整套東西嗡嗡運轉——直到您合上蓋子，一切停擺。或者您的 wifi 在任務中途掉線。或者您重新啟動後忘了把它重新啟動。

一個只在您盯著時才跑的團隊不是自動化。它是個演示。把它搬到 VPS 上，才是讓它變成您睡覺時也真能幹活的東西。

為什麼用伺服器，而不是您的機器

賣點很簡單：VPS 是一台永不合蓋的電腦。它有固定 IP、不睡眠，程式死了它能把自己拉回來。對一個多代理團隊——它天生就跑長時間、話癆、多步的活——這就是「它跑透過一次」和「它已經跑了三週」之間的差別。

還有第二個理由，會以一種好的方式讓人意外：您不需要一台強機器。 下面細說，因為這是每個人先問的問題。

不，您不需要 GPU

這是人們在託管代理上搞錯的地方。CrewAI 是個編排器。它決定哪個代理行動、按什麼順序、帶什麼上下文——然後它請一個語言模型去做真正的推理。那個模型幾乎總是待在一個 API 後面：您給 OpenAI 或 Anthropic 發一個請求，他們在他們的 GPU 上跑它，您拿回文字。

所以您的伺服器做三件事：跑 Python、持有團隊的狀態、發 HTTPS 呼叫。這些都不碰 GPU。一台普通的 CPU VPS 正好合適。唯一會變的情況，是您還想在本機跑模型——但那是一個另外的、更重的專案，多數團隊不需要。

實際上：一個 1–2 GB 的方案跑一個小團隊毫不費力。如果您同時跑多個團隊、在 RAM 裡留大對話歷史、或掛一個用作長期代理記憶的向量資料庫，就升到 4 GB。

實際的搭建

全新的 Ubuntu 機器，下單後約一分鐘拿到 root。整套如下：

# Python + venv
apt update && apt install -y python3-venv python3-pip
python3 -m venv ~/crew && source ~/crew/bin/activate

# CrewAI
pip install crewai crewai-tools

# 你的專案
mkdir ~/mycrew && cd ~/mycrew
# 把你的 crew.py 和 .env 拷上來（scp / git clone）

您的 .env 裡放著唯一要緊的機密——LLM API 金鑰：

OPENAI_API_KEY=sk-...
# 或 ANTHROPIC_API_KEY，等等

然後一句普通的 python crew.py 就跑起來了。那是手動版本。它能用，但您的 SSH 工作階段一關它就死——這就把我們帶到了伺服器真正的意義。

用 systemd 保活

tmux 對快速測試沒問題。任何正經用途都用 systemd——它在團隊崩潰時重新啟動它、在重新啟動時把它拉起來。把這段放進 /etc/systemd/system/mycrew.service：

[Unit]
Description=CrewAI crew
After=network-online.target

[Service]
WorkingDirectory=/root/mycrew
ExecStart=/root/crew/bin/python /root/mycrew/crew.py
Restart=always
RestartSec=5
EnvironmentFile=/root/mycrew/.env

[Install]
WantedBy=multi-user.target

systemctl daemon-reload
systemctl enable --now mycrew
journalctl -u mycrew -f   # 看它幹活

現在團隊開機就跑、失敗就重新啟動，記錄到處都能讀到。合上您的筆電吧——它不在乎。

付款

註冊就是一個電子郵件加一個一次性驗證碼——不用卡、不用證件。您用 Base、Ethereum 或 Polygon 上的 USDC 或 USDT 儲值餘額（Base 手續費最便宜），下單從裡面扣。對一個主要發對外 API 呼叫的團隊，預設的 NAT 方案夠用也更便宜；只有當團隊需要自己的公用 IPv4 來做對內服務時，才選 -ip 方案。

一個不錯的小花招：EQVPS 在 mcp.eqvps.com/mcp 有一個 MCP 伺服器。如果開通本身就是您團隊的一項工作，一個有已儲值餘額的代理能呼叫 order_vps 自己立起一台機器——結帳處沒有人。

該說的實話

LLM API 金鑰您自己帶。 我們託管團隊，不託管模型。您的 OpenAI/Anthropic 帳單是分開的，對一個忙碌的團隊來說，通常是更大的那筆成本——VPS 是便宜的部分。

它是純 CPU、一個在歐盟的資料中心。 沒有本機 GPU 推理，如果您的使用者或 API 靠近歐洲，延遲最好。對一個打美國託管 LLM API 的團隊，多出的一跳是毫秒級——跟模型延遲比起來無關緊要——但知道一下也好。

按您的記憶體來設定，不是按您的模型。 真正讓您 RAM 用量漲起來的是對話歷史和您加的任何向量庫，而不是代理的數量。盯 journalctl 和 htop 看一天，需要就擴容。

收穫

一個 CrewAI 團隊該待在不睡覺的東西上。這一步很短：一台 CPU VPS、pip install crewai、一個 systemd unit、您 .env 裡的 API 金鑰。十分鐘，您的團隊就是 7×24 執行，而不是「筆電開著的時候」。約一分鐘拿到 root，加密付款，記憶體讓您升時再升——然後讓代理們接著幹。