OpenDerisk项目源码部署指南:从环境准备到服务启动
2025-06-01 18:29:39作者:廉皓灿Ida
项目概述
OpenDerisk是一个基于大语言模型的风险评估与分析平台,支持通过代理模式连接云端大模型或本地部署大模型进行风险分析。本文将详细介绍如何通过源码方式部署OpenDerisk项目,包括环境准备、依赖安装、服务启动等完整流程。
环境要求
在开始部署前,请确保您的系统满足以下最低配置要求:
| 启动模式 | CPU * 内存 | GPU显存需求 | 备注说明 |
|---|---|---|---|
| 代理模式 | 4核 * 8GB | 不需要 | 依赖云端API,不消耗本地GPU资源 |
| 本地模式 | 8核 * 32GB | 24GB及以上 | 推荐使用24GB以上显存的GPU |
环境准备
获取项目源码
首先需要获取OpenDerisk项目的完整源代码。建议使用git工具克隆最新版本:
git clone 项目仓库地址
安装UV工具
OpenDerisk使用UV作为Python包管理工具,安装方式有多种选择:
macOS/Linux系统安装
curl -LsSf 安装脚本地址 | sh
通过pipx安装
python -m pip install --upgrade pip
python -m pip install --upgrade pipx
python -m pipx ensurepath
pipx install uv --global
安装完成后,可通过以下命令验证安装是否成功:
uv --version
项目部署流程
安装项目依赖
根据您选择的运行模式,安装对应的依赖包:
1. DeepSeek代理模式
uv sync --all-packages \
--extra "base" \
--extra "proxy_openai" \
--extra "rag" \
--extra "storage_chromadb"
2. 本地QwQ-32B模型模式
uv sync --all-packages \
--extra "base" \
--extra "cuda121" \
--extra "hf" \
--extra "rag" \
--extra "storage_chromadb" \
--extra "quant_bnb"
配置模型参数
根据选择的运行模式,编辑对应的配置文件:
DeepSeek代理模式配置
修改configs/derisk-proxy-deepseek.toml文件:
[models]
[[models.llms]]
name = "deepseek-reasoner"
provider = "proxy/deepseek"
api_key = "您的DeepSeek API密钥"
[[models.embeddings]]
name = "BAAI/bge-large-zh-v1.5"
provider = "hf"
path = "/data/models/bge-large-zh-v1.5"
本地QwQ-32B模型配置
修改configs/derisk-local-glm.toml文件:
[models]
[[models.llms]]
name = "Qwen/QwQ-32B"
provider = "hf"
[[models.embeddings]]
name = "BAAI/bge-large-zh-v1.5"
provider = "hf"
启动Web服务
DeepSeek代理模式启动
uv run derisk start webserver --config configs/derisk-proxy-deepseek.toml
本地QwQ-32B模型启动
uv run derisk start webserver --config configs/derisk-local-glm.toml
数据库配置
OpenDerisk支持SQLite和MySQL两种数据库:
SQLite配置(默认)
无需额外配置,系统会自动创建数据库文件:
[service.web.database]
type = "sqlite"
path = "pilot/meta_data/derisk.db"
MySQL配置
- 首先执行SQL脚本创建数据库:
mysql -h127.0.0.1 -uroot -p密码 < ./assets/schema/derisk.sql
- 修改配置文件:
[service.web.database]
type = "mysql"
host = "127.0.0.1"
port = 3306
user = "root"
database = "derisk"
password = "数据库密码"
加载测试数据(可选)
项目提供了测试数据加载脚本:
Linux系统
bash ./scripts/examples/load_examples.sh
Windows系统
.\scripts\examples\load_examples.bat
访问Web界面
服务启动后,可通过浏览器访问:
http://localhost:7777
单独运行前端(可选)
如需单独运行前端开发服务器:
cd web && npm install
cp .env.template .env
npm run dev
访问地址:
http://localhost:3000
常见问题
- GPU显存不足:本地模式需要至少24GB显存,如不足可尝试量化版本或使用代理模式
- 模型下载失败:确保网络畅通,必要时可手动下载模型到指定路径
- 依赖安装冲突:建议使用虚拟环境,避免与其他项目依赖冲突
通过以上步骤,您应该已经成功部署了OpenDerisk项目。根据实际需求选择合适的运行模式,代理模式适合快速体验,本地模式则提供更高的数据隐私性和定制化能力。
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-1.5暂无简介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
182
196
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++
648
265
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
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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