WrenAI项目本地开发环境搭建指南（非Docker方式）

背景与概述

WrenAI作为一款开源的数据分析工具，其标准部署方式通常采用Docker容器化方案。然而在实际开发场景中，开发者可能需要脱离Docker环境进行本地调试和代码修改。本文将详细介绍如何基于源代码搭建完整的WrenAI开发环境。

核心组件准备

WrenAI系统由多个相互协作的微服务组成，在本地运行需要分别配置以下关键组件：

1. 后端服务：基于Spring Boot框架的Java服务
2. 前端界面：React/Vue构建的Web应用
3. AI服务层：处理自然语言查询的Python服务
4. 元数据管理：PostgreSQL数据库实例
5. 缓存系统：Redis服务

详细搭建步骤

1. 基础环境配置

• 安装JDK 11+并配置JAVA_HOME
• 安装Node.js 16+和npm/yarn
• 准备Python 3.8+环境（推荐使用conda管理）
• 本地安装PostgreSQL 12+和Redis 5+

2. 后端服务启动

# 克隆仓库
git clone https://github.com/Canner/WrenAI.git
cd WrenAI/backend

# 安装依赖
mvn clean install

# 配置数据库连接
vim src/main/resources/application.properties

# 启动服务
mvn spring-boot:run

3. 前端服务启动

cd ../frontend
npm install
npm run dev

4. AI服务配置

cd ../ai-service
pip install -r requirements.txt
python app.py

环境变量配置要点

需要特别注意以下关键配置项的设置：

• 数据库连接字符串（包括用户名/密码）
• 各服务间的通信端口
• 跨域访问设置（CORS）
• 第三方API密钥（如OpenAI等）

常见问题解决方案

1. 端口冲突：检查8080（后端）、3000（前端）、5000（AI服务）端口占用
2. 依赖缺失：确保所有子模块的依赖都正确安装
3. 跨域问题：开发环境下可临时放宽CORS限制
4. 数据库迁移：可能需要手动执行Flyway/Liquibase脚本

开发调试建议

1. 使用IDE（如IntelliJ IDEA/VSCode）进行断点调试
2. 前后端分离开发时可配置代理解决跨域
3. 建议编写单元测试保证核心功能稳定性
4. 使用Postman等工具测试API接口

进阶配置

对于需要深度定制的开发者，还可以考虑：

• 集成自定义的AI模型
• 修改查询处理逻辑
• 扩展数据源支持
• 开发新的可视化组件

通过以上步骤，开发者可以建立完整的本地开发环境，便于进行功能开发和问题排查。相比Docker方式，这种方案虽然配置稍复杂，但提供了更灵活的调试能力和更快的开发迭代速度。