Skip to content

02-setup-local.md

Latest commit

 

History

History
230 lines (156 loc) · 10.4 KB

02-setup-local.md

File metadata and controls

230 lines (156 loc) · 10.4 KB

Lokale Einrichtung 🖥️

Nutze diese Anleitung, wenn du alles auf deinem eigenen Laptop ausführen möchtest.
Du hast zwei Möglichkeiten: (A) natives Python + virtual-env oder (B) VS Code Dev Container mit Docker.
Wähle einfach das, was dir leichter erscheint – beide Wege führen zu den gleichen Lektionen.

1. Voraussetzungen

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

💡 Tipp – Überprüfe die Tools im Terminal:
python --version, git --version, docker --version, code --version

2. Option A – Natives Python (am schnellsten)

Schritt 1 Klone dieses Repository

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

Schritt 2 Erstelle & aktiviere eine virtuelle Umgebung

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

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

Schritt 3 Installiere Abhängigkeiten

pip install -r requirements.txt

Springe zu Abschnitt 3 zu API-Schlüsseln

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

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

Warum diese Option wählen? Identische Umgebung wie Codespaces; keine Abweichungen bei Abhängigkeiten.

Schritt 0 Installiere die Extras

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

Schritt 1 Öffne das Repository in VS Code

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

VS Code erkennt .devcontainer/ und zeigt eine entsprechende Meldung an.

Schritt 2 Im Container neu öffnen

Klicke auf „Im Container neu öffnen“. Docker baut das Image (≈ 3 Minuten beim ersten Mal). Wenn die Terminal-Eingabe erscheint, bist du im Container.

2. Option C – Miniconda

Miniconda ist ein schlanker Installer für Conda, Python und einige Pakete. Conda selbst ist ein Paketmanager, der das Einrichten und Wechseln zwischen verschiedenen Python-virtuellen Umgebungen und Paketen erleichtert. Außerdem ist es praktisch, um Pakete zu installieren, die nicht über pip verfügbar sind.

Schritt 0 Installiere Miniconda

Folge der MiniConda-Installationsanleitung, um es einzurichten.

conda --version

Schritt 1 Erstelle eine virtuelle Umgebung

Erstelle eine neue Umgebungsdatei (environment.yml). Wenn du Codespaces verwendest, erstelle diese im Verzeichnis .devcontainer, also .devcontainer/environment.yml.

Schritt 2 Fülle deine Umgebungsdatei

Füge den folgenden Ausschnitt zu deiner environment.yml hinzu

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

Schritt 3 Erstelle deine Conda-Umgebung

Führe die folgenden Befehle in deiner Kommandozeile/deinem Terminal aus

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4beg

Sieh dir den Conda-Umgebungen-Guide an, falls du auf Probleme stößt.

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

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

Schritt 1 Stelle sicher, dass Jupyter installiert ist

Um Jupyter lokal zu starten, öffne das Terminal/die Kommandozeile, navigiere zum Kursverzeichnis und führe aus:

jupyter notebook

oder

jupyterhub

Dadurch wird eine Jupyter-Instanz gestartet und die URL zum Zugriff wird im Terminal angezeigt.

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

3. Füge deine API-Schlüssel hinzu

Es ist wichtig, deine API-Schlüssel sicher aufzubewahren, wenn du Anwendungen entwickelst. Wir empfehlen, keine API-Schlüssel direkt im Code zu speichern. Wenn du diese Details in ein öffentliches Repository eincheckst, kann das zu Sicherheitsproblemen und sogar zu unerwünschten Kosten führen, falls sie missbraucht werden. Hier ist eine Schritt-für-Schritt-Anleitung, wie du eine .env-Datei für Python erstellst und den GITHUB_TOKEN hinzufügst:

  1. Wechsle in dein Projektverzeichnis: Öffne dein Terminal oder die Eingabeaufforderung und navigiere in das Wurzelverzeichnis deines Projekts, wo du die .env-Datei erstellen möchtest.

    cd path/to/your/project

  2. Erstelle die .env-Datei: Erstelle mit deinem bevorzugten Texteditor eine neue Datei namens .env. Wenn du die Kommandozeile verwendest, kannst du touch (auf Unix-Systemen) oder echo (unter Windows) nutzen:

    Unix-basierte Systeme:

    touch .env

    Windows:

    echo . > .env

  3. Bearbeite die .env-Datei: Öffne die .env-Datei in einem Texteditor (z.B. VS Code, Notepad++ oder einem anderen Editor). Füge folgende Zeile hinzu und ersetze your_github_token_here durch deinen echten GitHub-Token:

    GITHUB_TOKEN=your_github_token_here

  4. Datei speichern: Speichere die Änderungen und schließe den Editor.

  5. Installiere python-dotenv: Falls noch nicht geschehen, installiere das Paket python-dotenv, um Umgebungsvariablen aus der .env-Datei in deine Python-Anwendung zu laden. Installiere es mit pip:

    pip install python-dotenv

  6. Lade Umgebungsvariablen in deinem Python-Skript: Nutze in deinem Python-Skript das Paket python-dotenv, um die Umgebungsvariablen aus der .env-Datei zu laden:

    from dotenv import load_dotenv
import os

# Load environment variables from .env file
load_dotenv()

# Access the GITHUB_TOKEN variable
github_token = os.getenv("GITHUB_TOKEN")

print(github_token)

Das war’s! Du hast erfolgreich eine .env-Datei erstellt, deinen GitHub-Token hinzugefügt und ihn in deine Python-Anwendung geladen.

🔐 Niemals .env committen – sie steht bereits in .gitignore. Vollständige Anweisungen zu Anbietern findest du in providers.md.

4. Wie geht’s weiter?

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 Füge Python zum PATH hinzu oder öffne das Terminal nach der Installation neu
pip kann keine Wheels bauen (Windows) pip install --upgrade pip setuptools wheel und erneut versuchen.
ModuleNotFoundError: dotenv Führe pip install -r requirements.txt aus (Umgebung war nicht installiert).
Docker-Build schlägt fehl No space left Docker Desktop ▸ Einstellungen ▸ Ressourcen → Speicherplatz erhöhen.
VS Code fordert ständig zum Neuöffnen auf Möglicherweise sind beide Optionen aktiv; wähle eine (venv oder Container)
OpenAI 401 / 429 Fehler Überprüfe den Wert von OPENAI_API_KEY / Anfrage-Limits.
Fehler bei der Verwendung von Conda Installiere 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 Ausgangssprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die durch die Nutzung dieser Übersetzung entstehen.