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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00