2026-05-12 · XingAI Invest AI

零成本托管 AI 副业：Invest AI V1 为何选 Fly.io

每个 indie AI 开发者都会问的问题

Invest AI V1 在本地跑通；前端已在 Vercel — 这部分人人都会。更难的是：

Python backend 和长期跑的 cache worker 放哪 — 免费或接近免费？

多数「免费部署」文章假设只有一个服务。真实 AI 产品通常有：无状态 API、定时拉数据的进程、也许向量库、也许队列。

本文是我们实际做的决定、驱动约束、以及否决的备选。答案是 Fly.io 免费档 — 但推理比目的地重要。

要托管的架构

flowchart LR
    FE["前端<br/>Next.js · Vercel"] -- HTTPS --> BE["Backend<br/>FastAPI · Python"]
    WK["Worker<br/>Python · 15 分钟周期"] -- 写入 --> CACHE[("SQLite<br/>investment.db")]
    BE -- 读取 --> CACHE
    BE -- HTTPS --> OPENAI["OpenAI"]
    WK -- HTTPS --> YF["yfinance"]

两个 Python 进程：Backend 读缓存、调 OpenAI 返回 JSON；Worker 每 15 分钟拉报价写 SQLite。通过磁盘上的同一文件通信 — 经典 CQRS，小规模 SQLite 很合适。

一锤定音的约束

Backend 与 worker 必须共享同一个 SQLite 文件。

这句话在还没看定价页前就淘汰了一半「免费托管」。SQLite 是文件；两进程共享需要同一文件系统。Vercel Functions、Lambda、Cloudflare Workers 的文件系统 ephemeral 且隔离 — 没有「共享盘」。

所以要：一台主机、两进程、同一持久卷；或 迁到网络数据库（Postgres、Turso、Supabase）。V2 计划走选项 2；V1 要 ship 不 refactor → 选项 1 赢。

短名单

评估了五类能满足「一机、两进程、持久盘、常开、HTTPS」的主机：

Fly.io ✅ — 3 台 shared-cpu-1x 免费、3GB 卷；[processes] 同机多命令共享卷；出站网络 unrestricted
Railway 🟡 — DX 好，试用后约 $5–10/月；Fly 256MB 紧时的 Plan B
Render ❌ — 免费 Web 15 分钟无活动休眠，打断 worker；后台 worker $7/个；免费无持久盘
Oracle Always Free 🟡 — 最慷慨但要自己运维 OS；V1 时间更稀缺
GitHub Actions cron + serverless ❌ — 最小 5 分钟且排队；迫迁数据库；不适合 15 分钟可靠任务

为何具体选 Fly.io

当前规模真 $0/月
零代码形态变更 — SQLite 仍是 SQLite
[processes] + [mounts] 就是对的原语
出站网络直接能用（yfinance、OpenAI）
Heroku 式 ergonomics，没有 Heroku 价
锁定浅 — 可移植 Dockerfile 与业务代码

诚实缺点

256MB RAM 紧；单点故障；免费档难水平扩展共享 SQLite — 到那步 Turso 往往更简单。

写下何时迁移

Backend 上 Vercel serverless → SQLite 不行 → Turso/Supabase
需要两区域
缓存写持续 >1/sec
Worker 拆成多个组件 → 需要网络 DB

部署 TL;DR

flyctl auth signup
flyctl launch
flyctl volumes create investai_data --size 1 --region iad
flyctl secrets set OPENAI_API_KEY=sk-...
flyctl deploy
# Vercel: NEXT_PUBLIC_API_BASE_URL=https://<app>.fly.dev

收束

V1 AI 产品的好托管是：今天能 ship，又不会在三个月里后悔。 对我们，就是「一应用、两进程、一盘、公网 HTTPS」的 $0 档。

若你的副业是同一形状，这套决定多半能原样复用。

Part of the XingAI Tech Blog. Related reading: Three-Layer AI Architecture, Why We Chose a Hybrid LLM Pipeline, The Monitor That Wouldn't Stop Refreshing.

← 全部文章