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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00