Przygotowanie do Local AI Package

Wprowadzenie

Po zainstalowaniu Dockera i Git na Ubuntu Server, kolejnym krokiem w konfiguracji środowiska dla projektu local-ai-packaged (https://github.com/coleam00/local-ai-packaged) jest instalacja Pythona. Python jest wymagany do uruchomienia skryptu start_services.py, który zarządza uruchamianiem usług w pakiecie AI, takich jak Supabase, n8n, czy Ollama. Ten artykuł przedstawia idiotoodporną instrukcję instalacji Pythona na Ubuntu Server, aby przygotować system do dalszych kroków konfiguracji środowiska AI.

Dlaczego Python jako kolejny komponent?

Projekt local-ai-packaged wykorzystuje skrypt start_services.py napisany w Pythonie do automatyzacji uruchamiania usług w kontenerach Docker. Python jest również kluczowym językiem dla wielu narzędzi AI, takich jak n8n czy Flowise, oraz bibliotek takich jak TensorFlow czy PyTorch, które mogą być używane w późniejszych etapach. Instalacja Pythona na tym etapie zapewnia, że możemy przejść do klonowania repozytorium i uruchamiania usług w sposób zgodny z instrukcjami projektu.

Krok po kroku: Instalacja Pythona na Ubuntu Server

1. Aktualizacja systemu

Przed instalacją upewnij się, że system jest zaktualizowany, aby uniknąć problemów z zależnościami.

sudo apt update && sudo apt upgrade -y

2. Sprawdzenie, czy Python jest już zainstalowany

Ubuntu Server często ma preinstalowaną wersję Pythona. Sprawdź, czy Python 3 jest dostępny, wpisując:

python3 --version

Jeśli zobaczysz wersję (np. Python 3.10.12), możesz przejść do kroku 4. Jeśli nie, przejdź do instalacji.

3. Instalacja Pythona

Zainstaluj Python 3 oraz niezbędne narzędzia, takie jak pip (menedżer pakietów Pythona) i venv (do tworzenia wirtualnych środowisk).

sudo apt install -y python3 python3-pip python3-venv

4. Weryfikacja instalacji

Sprawdź, czy Python i pip zostały poprawnie zainstalowane:

python3 --version
pip3 --version

Powinieneś zobaczyć wersję Pythona (np. Python 3.10.12) oraz pip (np. pip 22.0.2). Jeśli polecenia działają, instalacja przebiegła pomyślnie.

5. (Opcjonalne) Instalacja dodatkowych narzędzi

Projekt local-ai-packaged wymaga również pakietu git, który już zainstalowaliśmy w poprzednim artykule, oraz openssl do generowania kluczy szyfrowania. Zainstaluj openssl, jeśli nie jest jeszcze obecny:

sudo apt install -y openssl

6. Przygotowanie do następnych kroków

Python jest teraz gotowy do użycia w projekcie local-ai-packaged. W kolejnym kroku sklonujemy repozytorium i skonfigurujemy plik .env, korzystając z Pythona do uruchomienia skryptu start_services.py. Możesz zweryfikować, że Python działa, uruchamiając prosty test:

python3 -c "print('Python działa!')"

Jeśli zobaczysz komunikat Python działa!, wszystko jest gotowe.

Najlepsze praktyki

• Używaj najnowszej wersji Pythona: Ubuntu Server zazwyczaj dostarcza stabilną wersję Pythona, ale upewnij się, że jest to wersja 3.8 lub nowsza, aby zapewnić kompatybilność z narzędziami AI.

• Zarządzaj zależnościami: W przyszłych krokach możesz potrzebować tworzenia wirtualnych środowisk Pythona (python3 -m venv env), aby izolować zależności projektu.

• Bezpieczeństwo: Upewnij się, że generujesz bezpieczne klucze za pomocą openssl (np. openssl rand -hex 32) dla zmiennych środowiskowych w pliku .env.

Rozwiązywanie problemów

• Błąd: „python3: command not found”: Upewnij się, że wykonałeś krok 3. Jeśli problem persists, sprawdź, czy repozytoria Ubuntu są poprawnie skonfigurowane (sudo apt update).

• Błąd z pip: Jeśli pip3 –version nie działa, spróbuj zainstalować ponownie: sudo apt install –reinstall python3-pip.

• Wersja Pythona: Jeśli system ma starszą wersję Pythona, rozważ instalację nowszej za pomocą ppa:deadsnakes/ppa (np. sudo add-apt-repository ppa:deadsnakes/ppa && sudo apt install python3.11).

Podsumowanie

Zainstalowanie Pythona na Ubuntu Server to prosty, ale kluczowy krok w przygotowaniu środowiska dla pakietu local-ai-packaged. Python umożliwi uruchomienie skryptu start_services.py oraz obsługę innych narzędzi AI w projekcie. W następnym artykule sklonujemy repozytorium local-ai-packaged i skonfigurujemy zmienne środowiskowe, aby przejść do uruchamiania usług AI.