Skip to content

02-setup-local.md

Latest commit

 

History

History
223 lines (149 loc) · 13.5 KB

02-setup-local.md

File metadata and controls

223 lines (149 loc) · 13.5 KB

Локальная настройка 🖥️

Используйте это руководство, если предпочитаете запускать всё на своём ноутбуке.
У вас есть два варианта: (A) нативный Python + virtual-env или (B) VS Code Dev Container с Docker.
Выберите тот, который кажется проще — оба ведут к одним и тем же урокам.

1. Требования

Инструмент Версия / Примечания
Python 3.10 + (скачайте с https://python.org)
Git Последняя версия (входит в Xcode / Git для Windows / менеджер пакетов Linux)
VS Code Необязательно, но рекомендуется https://code.visualstudio.com
Docker Desktop Только для варианта B. Бесплатная установка: https://docs.docker.com/desktop/

💡 Совет – Проверьте инструменты в терминале:
python --version, git --version, docker --version, code --version

2. Вариант A – Нативный Python (самый быстрый)

Шаг 1 Клонируйте этот репозиторий

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

Шаг 2 Создайте и активируйте виртуальное окружение

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

✅ В приглашении теперь должно отображаться (.venv) — это значит, что вы внутри окружения.

Шаг 3 Установите зависимости

pip install -r requirements.txt

Перейдите к разделу 3 про API ключи

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

Мы настроили этот репозиторий и курс с помощью контейнера для разработки, который содержит универсальное окружение для разработки на Python3, .NET, Node.js и Java. Соответствующая конфигурация определена в файле devcontainer.json, расположенном в папке .devcontainer/ в корне репозитория.

Почему выбрать этот вариант?
Идентичная среда с Codespaces; отсутствие расхождений в зависимостях.

Шаг 0 Установите дополнительные компоненты

Docker Desktop – убедитесь, что команда docker --version работает.
Расширение VS Code Remote – Containers (ID: ms-vscode-remote.remote-containers).

Шаг 1 Откройте репозиторий в VS Code

Файл ▸ Открыть папку… → generative-ai-for-beginners

VS Code обнаружит .devcontainer/ и покажет подсказку.

Шаг 2 Откройте заново в контейнере

Нажмите «Reopen in Container». Docker соберёт образ (≈ 3 минуты при первом запуске).
Когда появится приглашение терминала, вы внутри контейнера.

2. Вариант C – Miniconda

Miniconda — это лёгкий установщик для установки Conda, Python и нескольких пакетов.
Conda — это менеджер пакетов, который упрощает настройку и переключение между разными Python виртуальными окружениями и пакетами. Он также полезен для установки пакетов, недоступных через pip.

Шаг 0 Установите Miniconda

Следуйте руководству по установке MiniConda.

conda --version

Шаг 1 Создайте виртуальное окружение

Создайте новый файл окружения (environment.yml). Если вы используете Codespaces, создайте его в директории .devcontainer, то есть .devcontainer/environment.yml.

Шаг 2 Заполните файл окружения

Добавьте следующий фрагмент в ваш environment.yml

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

Шаг 3 Создайте окружение Conda

Выполните команды ниже в командной строке/терминале

conda env create --name ai4beg --file .devcontainer/environment.yml # Подпуть .devcontainer применяется только к настройкам Codespace
conda activate ai4beg

Обратитесь к руководству по окружениям Conda, если возникнут проблемы.

2 Вариант D – Классический Jupyter / Jupyter Lab (в браузере)

Для кого это?
Для тех, кто любит классический интерфейс Jupyter или хочет запускать ноутбуки без VS Code.

Шаг 1 Убедитесь, что Jupyter установлен

Чтобы запустить Jupyter локально, откройте терминал/командную строку, перейдите в директорию курса и выполните:

jupyter notebook

или

jupyterhub

Это запустит экземпляр Jupyter, и URL для доступа будет показан в окне командной строки.

После перехода по URL вы увидите структуру курса и сможете открыть любой файл *.ipynb. Например, 08-building-search-applications/python/oai-solution.ipynb.

3. Добавьте ваши API ключи

Важно хранить ваши API ключи в безопасности при создании любого приложения. Мы рекомендуем не хранить ключи напрямую в коде. Публикация таких данных в открытом репозитории может привести к проблемам с безопасностью и нежелательным расходам, если ими воспользуется злоумышленник.
Вот пошаговое руководство, как создать файл .env для Python и добавить GITHUB_TOKEN:

  1. Перейдите в директорию проекта: Откройте терминал или командную строку и перейдите в корневую папку проекта, где хотите создать файл .env.

    cd path/to/your/project

  2. Создайте файл .env: Используйте предпочитаемый текстовый редактор для создания нового файла с именем .env. Если вы используете командную строку, можно использовать touch (на Unix-системах) или echo (на Windows):

    Unix-системы:

    touch .env

    Windows:

    echo . > .env

  3. Отредактируйте файл .env: Откройте .env в текстовом редакторе (например, VS Code, Notepad++ или любом другом). Добавьте следующую строку, заменив your_github_token_here на ваш реальный GitHub токен:

    GITHUB_TOKEN=your_github_token_here

  4. Сохраните файл: Сохраните изменения и закройте редактор.

  5. Установите python-dotenv: Если ещё не установлено, нужно установить пакет python-dotenv для загрузки переменных окружения из файла .env в ваше Python-приложение. Установите его с помощью pip:

    pip install python-dotenv

  6. Загрузите переменные окружения в вашем Python-скрипте: В вашем Python-скрипте используйте пакет python-dotenv для загрузки переменных из файла .env:

    from dotenv import load_dotenv
import os

# Загрузить переменные окружения из файла .env
load_dotenv()

# Получить доступ к переменной GITHUB_TOKEN
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

Вот и всё! Вы успешно создали файл .env, добавили GitHub токен и загрузили его в ваше Python-приложение.

🔐 Никогда не коммитьте .env — он уже в .gitignore.
Полные инструкции от провайдеров доступны в providers.md.

4. Что дальше?

Я хочу… Перейти к…
Начать урок 1 01-introduction-to-genai
Настроить провайдера LLM providers.md
Познакомиться с другими учениками Присоединиться к нашему Discord

5. Устранение неполадок

Симптом Решение
python not found Добавьте Python в PATH или перезапустите терминал после установки
pip не может собрать колёса (Windows) Выполните pip install --upgrade pip setuptools wheel и повторите
ModuleNotFoundError: dotenv Выполните pip install -r requirements.txt (окружение не установлено)
Ошибка сборки Docker No space left Docker Desktop ▸ Settings ▸ Resources → увеличьте размер диска
VS Code постоянно предлагает переоткрыть Возможно, активны оба варианта; выберите один (venv или контейнер)
Ошибки OpenAI 401 / 429 Проверьте значение OPENAI_API_KEY / лимиты запросов
Ошибки при использовании Conda Установите библиотеки Microsoft AI через conda install -c microsoft azure-ai-ml

Отказ от ответственности:
Этот документ был переведен с помощью сервиса автоматического перевода Co-op Translator. Несмотря на наши усилия обеспечить точность, имейте в виду, что автоматический перевод может содержать ошибки или неточности. Оригинальный документ на его исходном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется обращаться к профессиональному переводу, выполненному человеком. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникшие в результате использования данного перевода.