Skip to content

02-setup-local.md

Latest commit

 

History

History
230 lines (156 loc) · 9.97 KB

02-setup-local.md

File metadata and controls

230 lines (156 loc) · 9.97 KB

Lokalna konfiguracja 🖥️

Skorzystaj z tego przewodnika, jeśli wolisz uruchamiać wszystko na własnym laptopie.
Masz dwie opcje: (A) natywny Python + virtual-env lub (B) Dev Container VS Code z Dockerem.
Wybierz, co jest dla Ciebie łatwiejsze—obie drogi 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 for Windows / menedżer pakietów Linux)
VS Code Opcjonalnie, ale polecane 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 (najszybsza)

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

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

Krok 3 Zainstaluj zależności

pip install -r requirements.txt

Przejdź do sekcji 3 o kluczach API

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

To repozytorium i kurs zostały przygotowane z użyciem kontenera deweloperskiego, który posiada uniwersalne środowisko obsługujące Python3, .NET, Node.js i Javę. Odpowiednia konfiguracja znajduje się w pliku devcontainer.json w folderze .devcontainer/ w głównym katalogu repozytorium.

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

Krok 0 Zainstaluj dodatki

Docker Desktop – sprawdź, czy docker --version działa. 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 .devcontainer/ i wyświetli odpowiedni komunikat.

Krok 2 Otwórz ponownie w kontenerze

Kliknij „Reopen in Container”. Docker zbuduje obraz (≈ 3 min za pierwszym razem). Gdy pojawi się wiersz poleceń, jesteś już w kontenerze.

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 i pakietami. Przydaje się także do instalowania pakietów niedostępnych przez pip.

Krok 0 Zainstaluj Minicondę

Postępuj zgodnie z instrukcją instalacji MiniConda, aby ją skonfigurować.

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 Uzupełnij plik środowiska

Dodaj poniższy fragment do swojego 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

Wykonaj poniższe polecenia w terminalu

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

Jeśli napotkasz problemy, zajrzyj do przewodnika po środowiskach Conda.

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

Dla kogo to jest?
Dla każdego, kto lubi klasyczny interfejs Jupyter lub chce uruchamiać notatniki bez VS Code.

Krok 1 Upewnij się, że Jupyter jest zainstalowany

Aby uruchomić Jupyter lokalnie, otwórz terminal, przejdź do katalogu kursu i wykonaj:

jupyter notebook

lub

jupyterhub

To uruchomi instancję Jupyter, a adres URL do niej pojawi się w oknie terminala.

Po wejściu na ten adres zobaczysz spis treści kursu i będziesz mógł przejść do dowolnego pliku *.ipynb. Na przykład: 08-building-search-applications/python/oai-solution.ipynb.

3. Dodaj swoje klucze API

Bezpieczeństwo kluczy API jest bardzo ważne podczas budowania 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 instrukcja 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 głównego katalogu projektu, gdzie chcesz utworzyć plik .env.

    cd path/to/your/project

  2. Utwórz plik .env: Użyj ulubionego edytora tekstu, aby utworzyć nowy plik o nazwie .env. Jeśli korzystasz z wiersza poleceń, możesz użyć touch (na systemach Unix) lub echo (w 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 poniższą linię, zamieniając your_github_token_here na swój prawdziwy token GitHub:

    GITHUB_TOKEN=your_github_token_here

  4. Zapisz plik: Zapisz zmiany i zamknij edytor.

  5. Zainstaluj python-dotenv: Jeśli jeszcze tego nie zrobiłeś, zainstaluj pakiet python-dotenv, aby wczytać zmienne środowiskowe z pliku .env do aplikacji Pythona. Możesz to zrobić przez pip:

    pip install python-dotenv

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

    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)

To wszystko! Udało Ci się utworzyć plik .env, dodać token GitHub i załadować go do aplikacji Python.

🔐 Nigdy nie commituj pliku .env—jest już w .gitignore. Pełne instrukcje dla 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 uczestników Dołącz do Discorda

5. Rozwiązywanie problemów

Objaw Rozwiązanie
python not found Dodaj Pythona do PATH lub uruchom ponownie terminal po instalacji
pip nie może zbudować wheels (Windows) pip install --upgrade pip setuptools wheel i spróbuj ponownie.
ModuleNotFoundError: dotenv Uruchom pip install -r requirements.txt (środowisko nie było zainstalowane).
Błąd budowania Dockera No space left Docker Desktop ▸ Ustawienia ▸ Zasoby → zwiększ rozmiar dysku.
VS Code ciągle pyta 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 przez conda install -c microsoft azure-ai-ml

Zastrzeżenie:
Ten dokument został przetłumaczony przy użyciu usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było poprawne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za źródło nadrzędne. W przypadku informacji o kluczowym znaczeniu zalecamy skorzystanie z profesjonalnych usług tłumaczeniowych. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z korzystania z tego tłumaczenia.