OpenDerisk项目源码部署指南:从环境准备到服务启动
2025-06-01 09:22:06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
相关项目推荐
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781