Amurex会议助手项目自托管部署指南
2025-07-01 18:29:33作者:平淮齐Percy
Amurex是一款基于AI的会议助手工具,能够自动记录会议内容并生成摘要。本文将详细介绍如何将Amurex后端服务进行自托管部署,包括Docker容器化部署、环境变量配置以及常见问题解决方案。
一、Docker部署流程
-
获取项目代码 首先需要克隆项目仓库到本地服务器,这是部署的基础步骤。
-
构建Docker镜像 使用以下命令构建Docker镜像:
docker build -t amurex-backend .
- 运行容器 构建完成后,运行以下命令启动容器:
docker run -d --name amurex-backend \
--restart unless-stopped \
-p 8000:8000 \ # 默认端口为8000
-v /path/to/your/.env:/app/.env \ # 挂载环境变量文件
amurex-backend:latest
二、环境变量配置详解
Amurex后端服务需要配置以下关键环境变量:
- OpenAI相关配置
- 需要提供有效的OpenAI API密钥
- 如果使用自托管OpenAI兼容服务(如open-webui),可通过修改API端点URL指向本地服务
- Redis配置
- REDIS_URL:Redis服务器地址
- REDIS_PORT:默认为6379
- REDIS_USERNAME/REDIS_PASSWORD:根据Redis服务器安全设置决定是否需要
- 可选API服务
- Groq API:目前无法自托管,需要注册获取API密钥
- Perplexity API:同样需要外部服务支持
三、常见问题解决方案
- 容器不断重启问题 通常是由于缺少.env文件或配置错误导致。确保:
- .env文件已正确挂载到容器内
- 所有必填配置项都已设置
- Redis连接问题
若遇到
TypeError: int() argument must be a string...错误,通常是因为:
- REDIS_PORT未设置
- Redis认证信息缺失
- Chrome扩展连接配置 在Chrome扩展设置中,需要将后端API地址指向自托管服务的URL和端口。
四、部署建议
- 对于完全自托管场景,建议:
- 使用自托管的OpenAI兼容服务
- 部署本地Redis实例
- 可考虑替代方案替代Groq和Perplexity服务
- 性能优化:
- 根据会议规模调整Redis资源配置
- 监控API调用频率以避免超额
通过以上步骤,用户可以成功部署自托管的Amurex会议助手服务,实现会议记录的自动化处理。部署过程中如遇问题,可参考错误日志进行针对性排查。
登录后查看全文
热门项目推荐
相关项目推荐
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
192
212
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
297
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143