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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00