Przygotowanie projektu AI

Wprowadzenie

Po zainstalowaniu Dockera, Git i Pythona na Ubuntu Server, kolejnym krokiem w konfiguracji środowiska dla projektu local-ai-packaged (https://github.com/coleam00/local-ai-packaged) jest sklonowanie repozytorium z GitHuba. Repozytorium zawiera wszystkie niezbędne pliki, w tym skrypty i konfiguracje Docker Compose, do uruchomienia lokalnego pakietu AI, obejmującego narzędzia takie jak n8n, Supabase, Ollama i Open WebUI. Ten artykuł przedstawia idiotoodporną instrukcję klonowania repozytorium na Ubuntu Server, aby przygotować grunt pod dalszą konfigurację.

Dlaczego klonowanie repozytorium jako kolejny krok?

Klonowanie repozytorium local-ai-packaged jest niezbędne, aby uzyskać dostęp do kodu źródłowego i konfiguracji projektu. Zawiera ono skrypt start_services.py, plik Docker Compose oraz przykładowy plik .env.example, które są kluczowe dla uruchomienia usług AI. Wykonanie tego kroku pozwala przejść do konfiguracji zmiennych środowiskowych i uruchomienia usług w kolejnych artykułach.

Krok po kroku: Klonowanie repozytorium na Ubuntu Server

1. Aktualizacja systemu

Upewnij się, że system jest zaktualizowany, aby uniknąć problemów z zależnościami.

sudo apt update && sudo apt upgrade -y

2. Utworzenie katalogu roboczego

Stwórz dedykowany katalog dla projektu, aby utrzymać porządek w systemie plików.

mkdir -p ~/local-ai-packaged
cd ~/local-ai-packaged

Ten katalog będzie miejscem, w którym sklonujemy repozytorium i będziemy wykonywać dalsze kroki.

3. Klonowanie repozytorium

Sklonuj stabilną wersję repozytorium local-ai-packaged z GitHuba, używając Git.

git clone -b stable https://github.com/coleam00/local-ai-packaged.git .

Wyjaśnienie: Flaga -b stable zapewnia pobranie stabilnej wersji repozytorium, a kropka (.) na końcu polecenia zapisuje zawartość bezpośrednio w bieżącym katalogu (~/local-ai-packaged).

4. Weryfikacja klonowania

Sprawdź, czy repozytorium zostało poprawnie sklonowane, wyświetlając listę plików.

ls

Powinieneś zobaczyć pliki i foldery, takie jak docker-compose.yml, start_services.py oraz .env.example. Jeśli widzisz te pliki, klonowanie zakończyło się sukcesem.

5. (Opcjonalne) Sprawdzenie zawartości repozytorium

Możesz przejrzeć zawartość pliku README.md lub innych kluczowych plików, aby zapoznać się z projektem.

cat README.md

Możesz też użyć edytora tekstu, np. nano, jeśli jest zainstalowany:

nano README.md

6. Przygotowanie do następnych kroków

Repozytorium jest teraz dostępne na serwerze. W kolejnym kroku skonfigurujemy plik .env, który zawiera zmienne środowiskowe niezbędne do uruchomienia usług AI. Możesz już teraz zobaczyć przykładowy plik .env.example:

cat .env.example

Ten plik będzie podstawą do konfiguracji w następnym artykule.

Najlepsze praktyki

• Używaj stabilnej wersji: Klonowanie z gałęzi stable zapewnia, że pracujesz na przetestowanej wersji projektu. Unikaj gałęzi main, jeśli nie jesteś zaawansowanym użytkownikiem.

• Organizacja katalogów: Przechowuj projekt w dedykowanym katalogu (np. ~/local-ai-packaged), aby łatwo zarządzać plikami i uniknąć bałaganu w systemie.

• Regularne aktualizacje: W przyszłości możesz aktualizować repozytorium za pomocą polecenia git pull, aby pobrać najnowsze zmiany.

Rozwiązywanie problemów

• Błąd: „fatal: repository not found”: Upewnij się, że masz dostęp do internetu i że adres repozytorium jest poprawny. Sprawdź, czy wpisałeś poprawnie https://github.com/coleam00/local-ai-packaged.git.

• Błąd: „git: command not found”: Oznacza to, że Git nie jest zainstalowany. Wróć do poprzedniego artykułu i zainstaluj Git za pomocą sudo apt install git.

• Pusty katalog po klonowaniu: Jeśli po wykonaniu git clone katalog jest pusty, upewnij się, że użyłeś poprawnej gałęzi (-b stable) i że masz połączenie z GitHubem.

Podsumowanie

Sklonowanie repozytorium local-ai-packaged na Ubuntu Server to prosty krok, który dostarcza wszystkie niezbędne pliki do uruchomienia lokalnego pakietu AI. Dzięki temu masz już dostęp do kodu źródłowego i konfiguracji projektu. W następnym artykule skonfigurujemy plik .env, aby przygotować zmienne środowiskowe dla usług takich jak Supabase, n8n i Ollama.