116 lines
3.4 KiB
Markdown
116 lines
3.4 KiB
Markdown
# Local Setup
|
||
|
||
## Prerequisites
|
||
|
||
- Python 3.12
|
||
- Node.js 22
|
||
- Docker Desktop
|
||
|
||
## First Run
|
||
|
||
```powershell
|
||
Copy-Item .env.example .env
|
||
python -c "import base64,secrets; print(base64.urlsafe_b64encode(secrets.token_bytes(32)).decode())"
|
||
```
|
||
|
||
将输出写入 `.env` 的 `AI_CREDENTIAL_ENCRYPTION_KEY`。该值缺失时，系统会拒绝保存模型渠道凭证；已经保存凭证后不要随意更换主密钥。
|
||
|
||
完整应用（PostgreSQL、Redis、MinIO、Django、Celery worker、Celery Beat、React）：
|
||
|
||
```powershell
|
||
cd infra
|
||
docker compose --env-file ../.env up --build
|
||
```
|
||
|
||
只启动本地基础设施、在宿主机运行前后端时：
|
||
|
||
```powershell
|
||
cd infra
|
||
docker compose -f docker-compose.local.yml --env-file ../.env up -d
|
||
```
|
||
|
||
首次启动时，backend 容器会自动等待 PostgreSQL、执行数据库迁移，并初始化企业后台治理数据。
|
||
|
||
Backend:
|
||
|
||
- API: http://localhost:8000/api/docs
|
||
- Health: http://localhost:8000/api/system/health
|
||
|
||
Frontend:
|
||
|
||
- App: http://localhost:5173
|
||
- 局域网访问: `http://<宿主机局域网 IP>:5173`
|
||
|
||
前端默认通过同源 `/api` 代理后端：宿主机直接运行 Vite 时代理到
|
||
`http://localhost:8000`，Docker Compose 中通过 `API_PROXY_TARGET` 代理到
|
||
`http://backend:8000`。因此局域网访问时无需把浏览器 API 地址配置为
|
||
`localhost:8000`。
|
||
|
||
默认管理员:
|
||
|
||
- 账号: `admin`
|
||
- 密码: `admin12345`
|
||
- 可通过 `.env` 中的 `DJANGO_SUPERUSER_USERNAME`、`DJANGO_SUPERUSER_PASSWORD`、`DJANGO_SUPERUSER_EMAIL` 修改。
|
||
|
||
## Backend Tests
|
||
|
||
```bash
|
||
cd backend
|
||
python -m pip install -e ".[dev]"
|
||
pytest -v
|
||
```
|
||
|
||
## Frontend Checks
|
||
|
||
```bash
|
||
cd frontend
|
||
npm install
|
||
npm run test:run
|
||
npm run lint
|
||
npm run typecheck
|
||
npm run build
|
||
```
|
||
|
||
## AI Platform Demo
|
||
|
||
1. 使用管理员账号打开 `#/modelhub/providers`，创建 OpenAI-compatible 渠道和文本模型，并执行异步连通测试。
|
||
2. 取得模型配置 ID 后创建预置草稿：
|
||
|
||
```powershell
|
||
cd backend
|
||
python manage.py seed_ai_demo --deployment-id 1
|
||
```
|
||
|
||
3. 在 `#/skills` 检查、编辑并发布三个 Skill。
|
||
4. 在 `#/agents` 编辑技术支持分析 Agent 的模型、步骤和输入映射，先运行草稿沙箱，再发布并运行正式版本。
|
||
5. 在 `#/agent-runs` 查看执行脊柱、每步输入输出、调用尝试、Token、耗时和配置快照。
|
||
|
||
完整验收步骤见 [AI 平台配置演示版验收](ai-platform-demo-acceptance.md)。
|
||
|
||
## Trusted Ticket Intake
|
||
|
||
1. 在模型中心配置并启用一个文本模型。
|
||
2. 发布预置建单 Skill 与单步 Agent：
|
||
|
||
```powershell
|
||
cd backend
|
||
python manage.py seed_ticket_intake --deployment-id 1
|
||
```
|
||
|
||
3. 打开 `#/tickets/create`，输入自然语言描述，审核结构化字段并明确确认。
|
||
4. 可运行固定真实文本验收脚本；脚本会保留草稿、AgentRun、产物、审计和一张验收工单：
|
||
|
||
```powershell
|
||
python manage.py verify_ticket_intake --username admin
|
||
```
|
||
|
||
宿主机直接运行时要确保已加载根目录 `.env` 中的凭证主密钥，并把容器服务主机名覆盖为本机地址。缺少主密钥时脚本会安全失败，不会读取或替换渠道凭证。
|
||
|
||
图片代码要求 MinIO 可用；只有 `vision_chat` 模型且渠道已由管理员授权图片出境时才允许分析图片。当前真实视觉渠道验收仍待完成。
|
||
|
||
## Stage 1 API Smoke Tests
|
||
|
||
- Tickets: `GET http://localhost:8000/api/tickets`
|
||
- Ticket export: `GET http://localhost:8000/api/tickets/export`
|
||
- Solutions: `GET http://localhost:8000/api/solutions`
|