在CentOS 8上部署小智AI聊天服务(Go版本)完整指南
前言
小智AI聊天服务(Go版本)是一个基于Go语言开发的智能对话系统后端服务。本文将详细介绍在CentOS 8操作系统上部署该服务的完整过程,包括环境准备、依赖安装、配置调整以及服务启动等关键步骤。
环境准备
1. 安装Go语言环境
Go语言是小智AI聊天服务的开发语言,我们需要先安装合适版本的Go环境:
cd /tmp
wget https://go.dev/dl/go1.24.0.linux-amd64.tar.gz
sudo rm -rf /usr/local/go
sudo tar -C /usr/local -xzf go1.24.0.linux-amd64.tar.gz
安装完成后,需要设置环境变量使系统能够识别Go命令:
echo 'export PATH=/usr/local/go/bin:$PATH' >> ~/.bashrc
source ~/.bashrc
为了永久生效,建议修改系统级配置文件:
sudo vim /etc/profile
在文件末尾添加以下内容:
export GO111MODULE=on
export GOROOT=/usr/local/go
export GOPATH=/home/gopath
export PATH=$PATH:$GOROOT/bin:$GOPATH/bin
应用修改:
source /etc/profile
验证安装是否成功:
go version
为提高依赖下载速度,建议设置国内代理:
go env -w GOPROXY=https://goproxy.cn,direct
依赖安装
2. 安装Opus音频编解码库
小智AI聊天服务依赖Opus音频编解码库,CentOS 8默认仓库中的版本可能较旧,我们需要手动安装最新版本:
首先检查系统是否已安装Opus:
sudo dnf install opus opus-devel
验证版本:
pkg-config --modversion opus
如果版本低于1.3.1,需要手动编译安装最新版:
sudo dnf install gcc make autoconf automake libtool
cd /tmp
git clone https://github.com/xiph/opus.git
cd opus
./autogen.sh
./configure
make -j$(nproc)
sudo make install
设置pkg-config路径:
echo 'export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig' >> ~/.bashrc
source ~/.bashrc
服务部署
3. 获取服务源代码
获取小智AI聊天服务的最新源代码:
git clone https://github.com/AnimeAIChat/xiaozhi-server-go
4. 配置文件准备
项目根目录下有一个config.yaml示例文件,我们需要复制一份作为实际配置文件:
cp config.yaml .config.yaml
重要提示:.config.yaml文件中包含敏感信息如API密钥等,请务必妥善保管,避免泄露。
5. 依赖下载与编译
进入项目目录,下载依赖并编译:
go mod tidy
服务启动
6. 运行服务
完成上述所有步骤后,可以启动服务:
go run ./src/main.go
常见问题解决
-
Opus版本问题:如果遇到
OPUS_GET_IN_DTX_REQUEST未定义错误,说明Opus版本过低,请按照本文第二部分重新编译安装最新版本。 -
环境变量问题:如果Go命令无法识别,请检查环境变量设置是否正确,特别是
/etc/profile中的配置是否已生效。 -
依赖下载失败:如果
go mod tidy执行失败,可以尝试设置GOPROXY为国内镜像源,或者检查网络连接。
结语
通过以上步骤,我们成功在CentOS 8系统上部署了小智AI聊天服务(Go版本)。该服务现在应该可以正常运行,为前端提供智能对话API支持。如需进一步配置或优化,请参考项目文档中的高级配置部分。
对于生产环境部署,建议考虑使用systemd等工具将服务设置为守护进程,并配置日志轮转和监控机制,确保服务稳定运行。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00