Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 10.3 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 10.3 KB

Lokale Einrichtung 🖥️

Verwenden Sie diese Anleitung, wenn Sie alles auf Ihrem eigenen Laptop ausführen möchten.
Sie haben zwei Möglichkeiten: (A) natives Python + virtual-env oder (B) VS Code Dev Container mit Docker.
Wählen Sie, was Ihnen einfacher erscheint – beide führen zu denselben Lektionen.

1. Voraussetzungen

Werkzeug Version / Hinweise
Python 3.10 + (erhältlich unter https://python.org)
Git Neueste Version (wird mit Xcode / Git für Windows / Linux-Paketmanager geliefert)
VS Code Optional, aber empfohlen https://code.visualstudio.com
Docker Desktop Nur für Option B. Kostenlose Installation: https://docs.docker.com/desktop/

💡 Tipp – Überprüfen Sie die Werkzeuge im Terminal:
python --version, git --version, docker --version, code --version

2. Option A – Natives Python (am schnellsten)

Schritt 1 Klonen Sie dieses Repository

git clone https://github.com/<your-github>/generative-ai-for-beginners
cd generative-ai-for-beginners

Schritt 2 Erstellen & aktivieren Sie eine virtuelle Umgebung

python -m venv .venv          # mache eins
source .venv/bin/activate     # macOS / Linux
.\.venv\Scripts\activate      # Windows PowerShell

✅ Die Eingabeaufforderung sollte jetzt mit (.venv) beginnen – das bedeutet, Sie sind in der Umgebung.

Schritt 3 Installieren Sie die Abhängigkeiten

pip install -r requirements.txt

Springen Sie zu Abschnitt 3 über API-Schlüssel

2. Option B – VS Code Dev Container (Docker)

Wir haben dieses Repository und den Kurs mit einem Entwicklungscontainer eingerichtet, der eine universelle Laufzeitumgebung bietet, die Python3, .NET, Node.js und Java-Entwicklung unterstützt. Die zugehörige Konfiguration ist in der Datei devcontainer.json im Ordner .devcontainer/ im Stammverzeichnis dieses Repositories definiert.

Warum diese Option wählen?
Identische Umgebung wie Codespaces; keine Abhängigkeitsabweichungen.

Schritt 0 Installieren Sie die Extras

Docker Desktop – bestätigen Sie, dass docker --version funktioniert.
VS Code Remote – Containers Erweiterung (ID: ms-vscode-remote.remote-containers).

Schritt 1 Öffnen Sie das Repository in VS Code

Datei ▸ Ordner öffnen… → generative-ai-for-beginners

VS Code erkennt .devcontainer/ und zeigt eine Eingabeaufforderung an.

Schritt 2 Im Container neu öffnen

Klicken Sie auf „Im Container neu öffnen“. Docker baut das Image (≈ 3 Min. beim ersten Mal).
Wenn die Terminal-Eingabeaufforderung erscheint, sind Sie im Container.

2. Option C – Miniconda

Miniconda ist ein leichter Installer zum Installieren von Conda, Python sowie einiger Pakete.
Conda selbst ist ein Paketmanager, der das Einrichten und Wechseln zwischen verschiedenen Python virtuellen Umgebungen und Paketen erleichtert. Es ist auch nützlich, um Pakete zu installieren, die nicht über pip verfügbar sind.

Schritt 0 Installieren Sie Miniconda

Folgen Sie der MiniConda-Installationsanleitung, um es einzurichten.

conda --version

Schritt 1 Erstellen Sie eine virtuelle Umgebung

Erstellen Sie eine neue Umgebungsdatei (environment.yml). Wenn Sie mit Codespaces arbeiten, erstellen Sie diese im Verzeichnis .devcontainer, also .devcontainer/environment.yml.

Schritt 2 Füllen Sie Ihre Umgebungsdatei

Fügen Sie den folgenden Ausschnitt zu Ihrer environment.yml hinzu

name: <environment-name>
channels:
 - defaults
 - microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
    - azure-ai-ml

Schritt 3 Erstellen Sie Ihre Conda-Umgebung

Führen Sie die folgenden Befehle in Ihrer Kommandozeile/Terminal aus

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer-Unterpfad gilt nur für Codespace-Einrichtungen
conda activate ai4beg

Siehe die Conda-Umgebungsanleitung, falls Probleme auftreten.

2 Option D – Klassisches Jupyter / Jupyter Lab (im Browser)

Für wen ist das??
Für alle, die die klassische Jupyter-Oberfläche lieben oder Notebooks ohne VS Code ausführen möchten.

Schritt 1 Stellen Sie sicher, dass Jupyter installiert ist

Um Jupyter lokal zu starten, öffnen Sie das Terminal/die Eingabeaufforderung, navigieren Sie zum Kursverzeichnis und führen Sie aus:

jupyter notebook

oder

jupyterhub

Dies startet eine Jupyter-Instanz, und die URL zum Zugriff wird im Befehlszeilenfenster angezeigt.

Sobald Sie die URL aufrufen, sollten Sie die Kursübersicht sehen und zu jeder *.ipynb-Datei navigieren können. Zum Beispiel 08-building-search-applications/python/oai-solution.ipynb.

3. Fügen Sie Ihre API-Schlüssel hinzu

Es ist wichtig, Ihre API-Schlüssel sicher aufzubewahren, wenn Sie eine Anwendung entwickeln. Wir empfehlen, keine API-Schlüssel direkt im Code zu speichern. Das Hochladen dieser Details in ein öffentliches Repository kann zu Sicherheitsproblemen und unerwünschten Kosten führen, wenn sie von Dritten missbraucht werden.
Hier eine Schritt-für-Schritt-Anleitung, wie Sie eine .env-Datei für Python erstellen und den GITHUB_TOKEN hinzufügen:

  1. Navigieren Sie zu Ihrem Projektverzeichnis: Öffnen Sie Ihr Terminal oder die Eingabeaufforderung und wechseln Sie in das Stammverzeichnis Ihres Projekts, in dem Sie die .env-Datei erstellen möchten.

    cd path/to/your/project

  2. Erstellen Sie die .env-Datei: Verwenden Sie Ihren bevorzugten Texteditor, um eine neue Datei namens .env zu erstellen. Wenn Sie die Kommandozeile verwenden, können Sie touch (unter Unix-basierten Systemen) oder echo (unter Windows) verwenden:

    Unix-basierte Systeme:

    touch .env

    Windows:

    echo . > .env

  3. Bearbeiten Sie die .env-Datei: Öffnen Sie die .env-Datei in einem Texteditor (z. B. VS Code, Notepad++ oder einem anderen Editor). Fügen Sie die folgende Zeile hinzu und ersetzen Sie your_github_token_here durch Ihren tatsächlichen GitHub-Token:

    GITHUB_TOKEN=your_github_token_here

  4. Speichern Sie die Datei: Speichern Sie die Änderungen und schließen Sie den Texteditor.

  5. Installieren Sie python-dotenv: Falls noch nicht geschehen, müssen Sie das Paket python-dotenv installieren, um Umgebungsvariablen aus der .env-Datei in Ihre Python-Anwendung zu laden. Sie können es mit pip installieren:

    pip install python-dotenv

  6. Laden Sie Umgebungsvariablen in Ihrem Python-Skript: Verwenden Sie in Ihrem Python-Skript das Paket python-dotenv, um die Umgebungsvariablen aus der .env-Datei zu laden:

    from dotenv import load_dotenv
import os

# Lade Umgebungsvariablen aus der .env-Datei
load_dotenv()

# Greife auf die GITHUB_TOKEN-Variable zu
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

Das war’s! Sie haben erfolgreich eine .env-Datei erstellt, Ihren GitHub-Token hinzugefügt und in Ihre Python-Anwendung geladen.

🔐 Niemals .env committen – es steht bereits in .gitignore.
Vollständige Anbieteranweisungen finden Sie in providers.md.

4. Was kommt als Nächstes?

Ich möchte… Gehe zu…
Lektion 1 starten 01-introduction-to-genai
Einen LLM-Anbieter einrichten providers.md
Andere Lernende treffen Tritt unserem Discord bei

5. Fehlerbehebung

Symptom Lösung
python not found Fügen Sie Python zum PATH hinzu oder öffnen Sie das Terminal nach der Installation neu
pip kann keine Wheels bauen (Windows) pip install --upgrade pip setuptools wheel und erneut versuchen
ModuleNotFoundError: dotenv Führen Sie pip install -r requirements.txt aus (Umgebung wurde nicht installiert)
Docker-Build schlägt fehl Kein Speicherplatz Docker Desktop ▸ Einstellungen ▸ Ressourcen → Festplattengröße erhöhen
VS Code fordert ständig zum erneuten Öffnen auf Möglicherweise sind beide Optionen aktiv; wählen Sie eine (venv oder Container)
OpenAI 401 / 429 Fehler Überprüfen Sie den Wert von OPENAI_API_KEY / Anfragelimits
Fehler bei Verwendung von Conda Installieren Sie Microsoft AI-Bibliotheken mit conda install -c microsoft azure-ai-ml

Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner Ursprungssprache gilt als maßgebliche Quelle. Für wichtige Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Nutzung dieser Übersetzung entstehen.