Knotie-AI 项目启动与配置教程
2025-05-24 09:17:11作者:翟江哲Frasier
1. 项目目录结构及介绍
Knotie-AI 是一个完全开源的内外部 AI 销售代理项目,其目录结构如下:
.github/:包含 GitHub Actions 工作流文件,用于自动化项目的一些操作,如代码构建和测试等。Ai_Model_Training/:存放训练 AI 模型的相关代码和数据。ConversationCache/:用于缓存对话信息。docs/:存放项目的文档文件。generated_tools/:存放由代码生成的一些工具。openapi_specs/:定义项目使用的 OpenAPI 规范。templates/:存放项目使用的 HTML 模板文件。.env_sample:项目环境变量样本文件。.gitignore:Git 忽略文件列表。Dockerfile:用于构建 Docker 容器的文件。LICENSE:项目使用的 GPL-2.0 许可证文件。README.md:项目说明文件。ai_helpers.py:AI 辅助功能模块。app.py:项目的主要启动文件。appUtils.py:项目辅助工具模块。audio_helpers.py:音频处理辅助模块。config.py:项目配置文件。docker-compose-deploy.yaml:Docker Compose 部署配置文件。docker-compose-redis_only.yaml:只包含 Redis 的 Docker Compose 配置文件。docker-compose.yml:Docker Compose 配置文件。prompts.py:提示信息模块。requirements.txt:项目依赖文件。retype.json和retype.yml:数据格式转换文件。stages.py:项目阶段模块。testAISalesAgent.py:AI 销售代理测试模块。testConversationCache.py:对话缓存测试模块。tools.py:工具模块。tools_helper.py:工具辅助模块。
2. 项目的启动文件介绍
项目的启动文件是 app.py,它是 Flask 应用的入口点。以下是 app.py 的基本结构:
from flask import Flask
app = Flask(__name__)
@app.route('/')
def home():
return "Hello, Knotie-AI!"
if __name__ == '__main__':
app.run(debug=True)
在这个文件中,我们创建了一个 Flask 应用,定义了一个路由 /,当访问这个路由时,会返回 "Hello, Knotie-AI!"。
3. 项目的配置文件介绍
项目的配置文件是 config.py,它用于存储项目运行时的配置信息。以下是一个示例的配置文件结构:
import os
class Config:
# Flask 通用配置
SECRET_KEY = os.environ.get('SECRET_KEY') or 'a_very_secret_key'
FLASK_APP = 'app.py'
FLASK_ENV = 'development'
# 数据库配置
SQLALCHEMY_DATABASE_URI = 'sqlite:///data.db'
SQLALCHEMY_TRACK_MODIFICATIONS = False
# 其他配置
# ...
在这个配置文件中,我们定义了一些基本的配置项,如密钥、数据库连接信息等。这些配置项可以通过环境变量进行覆盖,以提高配置的灵活性。
启动项目时,Flask 会自动加载 config.py 文件中的配置信息,使其在应用中生效。
登录后查看全文
热门项目推荐
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
630
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
107
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210