Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 9.75 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 9.75 KB

Lokalna konfiguracja 🖥️

Skorzystaj z tego przewodnika, jeśli wolisz uruchamiać wszystko na własnym laptopie.
Masz dwie ścieżki: (A) natywny Python + virtual-env lub (B) VS Code Dev Container z Dockerem.
Wybierz tę, która wydaje się łatwiejsza — obie prowadzą do tych samych lekcji.

1. Wymagania wstępne

Narzędzie Wersja / Uwagi
Python 3.10 + (pobierz z https://python.org)
Git Najnowsza (dostępna z Xcode / Git dla Windows / menedżer pakietów Linux)
VS Code Opcjonalny, ale zalecany https://code.visualstudio.com
Docker Desktop Tylko dla opcji B. Darmowa instalacja: https://docs.docker.com/desktop/

💡 Wskazówka – Sprawdź narzędzia w terminalu:
python --version, git --version, docker --version, code --version

2. Opcja A – Natywny Python (najszybszy)

Krok 1 Sklonuj to repozytorium

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

Krok 2 Utwórz i aktywuj środowisko wirtualne

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

✅ Wiersz poleceń powinien teraz zaczynać się od (.venv) — to oznacza, że jesteś w środowisku.

Krok 3 Zainstaluj zależności

pip install -r requirements.txt

Przejdź do Sekcji 3 o kluczach API

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

To repozytorium i kurs zostały przygotowane z użyciem kontenera deweloperskiego, który ma uniwersalne środowisko uruchomieniowe obsługujące Python3, .NET, Node.js i Java. Powiązana konfiguracja jest zdefiniowana w pliku devcontainer.json znajdującym się w folderze .devcontainer/ w katalogu głównym tego repozytorium.

Dlaczego warto wybrać tę opcję?
Identyczne środowisko jak w Codespaces; brak dryfu zależności.

Krok 0 Zainstaluj dodatki

Docker Desktop – potwierdź, że działa polecenie docker --version.
Rozszerzenie VS Code Remote – Containers (ID: ms-vscode-remote.remote-containers).

Krok 1 Otwórz repozytorium w VS Code

Plik ▸ Otwórz folder… → generative-ai-for-beginners

VS Code wykryje folder .devcontainer/ i wyświetli monit.

Krok 2 Otwórz ponownie w kontenerze

Kliknij „Reopen in Container”. Docker zbuduje obraz (≈ 3 min przy pierwszym uruchomieniu).
Gdy pojawi się wiersz poleceń, jesteś wewnątrz kontenera.

2. Opcja C – Miniconda

Miniconda to lekki instalator do instalacji Conda, Pythona oraz kilku pakietów.
Conda to menedżer pakietów, który ułatwia tworzenie i przełączanie się między różnymi środowiskami wirtualnymi Pythona i pakietami. Przydaje się także do instalacji pakietów niedostępnych przez pip.

Krok 0 Zainstaluj Minicondę

Postępuj zgodnie z przewodnikiem instalacji MiniConda.

conda --version

Krok 1 Utwórz środowisko wirtualne

Utwórz nowy plik środowiska (environment.yml). Jeśli korzystasz z Codespaces, utwórz go w katalogu .devcontainer, czyli .devcontainer/environment.yml.

Krok 2 Wypełnij plik środowiska

Dodaj poniższy fragment do pliku environment.yml

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

Krok 3 Utwórz środowisko Conda

Uruchom poniższe polecenia w terminalu/wierszu poleceń

conda env create --name ai4beg --file .devcontainer/environment.yml # Podścieżka .devcontainer dotyczy tylko konfiguracji Codespace
conda activate ai4beg

Jeśli napotkasz problemy, zajrzyj do przewodnika po środowiskach Conda.

2. Opcja D – Klasyczny Jupyter / Jupyter Lab (w przeglądarce)

Dla kogo?
Dla tych, którzy kochają klasyczny interfejs Jupyter lub chcą uruchamiać notatniki bez VS Code.

Krok 1 Upewnij się, że Jupyter jest zainstalowany

Aby uruchomić Jupyter lokalnie, przejdź do terminala/wiersza poleceń, przejdź do katalogu kursu i wykonaj:

jupyter notebook

lub

jupyterhub

To uruchomi instancję Jupyter, a adres URL do niej zostanie wyświetlony w oknie terminala.

Po wejściu na ten adres URL zobaczysz plan kursu i będziesz mógł nawigować do dowolnego pliku *.ipynb. Na przykład 08-building-search-applications/python/oai-solution.ipynb.

3. Dodaj swoje klucze API

Bezpieczne przechowywanie kluczy API jest ważne przy tworzeniu dowolnej aplikacji. Zalecamy, aby nie przechowywać kluczy API bezpośrednio w kodzie. Umieszczenie ich w publicznym repozytorium może prowadzić do problemów z bezpieczeństwem, a nawet niechcianych kosztów, jeśli ktoś je wykorzysta.
Oto krok po kroku, jak utworzyć plik .env dla Pythona i dodać GITHUB_TOKEN:

  1. Przejdź do katalogu projektu: Otwórz terminal lub wiersz poleceń i przejdź do katalogu głównego projektu, gdzie chcesz utworzyć plik .env.

    cd path/to/your/project

  2. Utwórz plik .env: Użyj swojego ulubionego edytora tekstu, aby utworzyć nowy plik o nazwie .env. Jeśli korzystasz z wiersza poleceń, możesz użyć touch (na systemach Unix) lub echo (na Windows):

    Systemy Unix:

    touch .env

    Windows:

    echo . > .env

  3. Edytuj plik .env: Otwórz plik .env w edytorze tekstu (np. VS Code, Notepad++ lub innym). Dodaj następującą linię, zastępując your_github_token_here swoim rzeczywistym tokenem GitHub:

    GITHUB_TOKEN=your_github_token_here

  4. Zapisz plik: Zapisz zmiany i zamknij edytor tekstu.

  5. Zainstaluj python-dotenv: Jeśli jeszcze tego nie zrobiłeś, zainstaluj pakiet python-dotenv, który pozwala ładować zmienne środowiskowe z pliku .env do aplikacji Python. Możesz to zrobić za pomocą pip:

    pip install python-dotenv

  6. Załaduj zmienne środowiskowe w skrypcie Python: W swoim skrypcie Python użyj pakietu python-dotenv, aby załadować zmienne środowiskowe z pliku .env:

    from dotenv import load_dotenv
import os

# Załaduj zmienne środowiskowe z pliku .env
load_dotenv()

# Uzyskaj dostęp do zmiennej GITHUB_TOKEN
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

To wszystko! Pomyślnie utworzyłeś plik .env, dodałeś token GitHub i załadowałeś go do aplikacji Python.

🔐 Nigdy nie commituj pliku .env — jest już w .gitignore.
Pełne instrukcje dostawców znajdziesz w providers.md.

4. Co dalej?

Chcę… Przejdź do…
Zacząć Lekcję 1 01-introduction-to-genai
Skonfigurować dostawcę LLM providers.md
Poznać innych uczących się Dołącz do naszego Discorda

5. Rozwiązywanie problemów

Objaw Rozwiązanie
python not found Dodaj Pythona do PATH lub otwórz terminal ponownie po instalacji
pip nie może zbudować kółek (Windows) pip install --upgrade pip setuptools wheel, potem spróbuj ponownie
ModuleNotFoundError: dotenv Uruchom pip install -r requirements.txt (środowisko nie zostało zainstalowane)
Błąd budowania Dockera No space left Docker Desktop ▸ Settings ▸ Resources → zwiększ rozmiar dysku
VS Code ciągle prosi o ponowne otwarcie Możesz mieć aktywne obie opcje; wybierz jedną (venv lub kontener)
Błędy OpenAI 401 / 429 Sprawdź wartość OPENAI_API_KEY / limity zapytań
Błędy przy użyciu Conda Zainstaluj biblioteki Microsoft AI za pomocą conda install -c microsoft azure-ai-ml

Zastrzeżenie:
Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Mimo że dokładamy starań, aby tłumaczenie było jak najbardziej precyzyjne, prosimy mieć na uwadze, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w języku źródłowym powinien być uznawany za źródło autorytatywne. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.