人工智能AI本地大模型系列（二十）Xpert安装

Xpert是一个企业级的AI系统，官方的介绍是他包含智能体编排和数据分析量大平台：

1、智能体编排平台

通过协调多个智能体（Agents）的协作，完成复杂任务。它通过高效的管理机制将不同类型的 AI 智能体整合在一起，利用各自的能力解决多维度问题。

2、数据分析平台

基于云计算的多维建模、指标管理、BI 展示的敏捷数据分析平台，支持连接多种数据源，实现高效、灵活的数据分析和可视化，并提供多种智能分析功能和工具，帮助企业快速、准确地发现业务价值，做出经营决策。

当然在我们的日常使用中主要用它来对数据库的数据进行分析。后面我们会介绍Xpert的相关会用。本文主要介绍下Xpert的安装

1、下载xpert源码

这里需要从git上下载xpert的源码，直接使用Git clone下来即可

#创建目录
mkdir -p /home/pubserver/xpert

#进入目录
cd /home/pubserver/xpert

#clone源码
git clone https://github.com/xpert-ai/xpert.git

#进入docker目录
cd xpert/docker/

#拷贝一个当前环境
cp .env.example .env

这里需要编辑下.env的文件，主要是这两个值

这里的API_BASE_URL和Client_BASE_URL默认填写的是localhost，这里需要修改下，修改成你准备在浏览器的访问地址，比如我这里使用的是腾讯云的服务器，那么我需要在浏览器上通过腾讯云服务器的外网ip进行访问，所以我就要修改为腾讯云的外网服务器IP地址。

备注：

1、这一步非常重要，这一步非常重要，这一步非常重要，不然后期访问的时候页面会一直显示：无法获取系统状态。

2、创建本地存储目录

这里使用xpert的话，需要外接存储卷，我们把数据放在宿主机上

#创建目录
mkdir -p /home/pubserver/xpert/data

#添加文件目录权限
chown -R 1000:1000 /home/pubserver/xpert/data
chmod 755 /home/pubserver/xpert/data

同时还要再创建一个ms的目录

mkdir /home/pubserver/xpert/ms-playwright
chown -R 1000:1000 /home/pubserver/xpert/ms-playwright/
chmod 755 /home/pubserver/xpert/ms-playwright/

3、修改docker-compose的存储卷

接下来我们修改下docker-compose文件的存储卷，修改的主要是api的节点，把上面两个目录挂载上去：

最后需盖完的docker-compose.yaml文件是：

name: xpert-ai

volumes:
  api_data:

services:
  db:
    image: pgvector/pgvector:pg12
    restart: always
    environment:
      POSTGRES_DB: ${DB_NAME:-postgres}
      POSTGRES_USER: ${DB_USER:-postgres}
      POSTGRES_PASSWORD: ${DB_PASS:-root}
    healthcheck:
      test:
        [
          'CMD-SHELL',
          'psql postgres://$${POSTGRES_USER}:$${POSTGRES_PASSWORD}@localhost:5432/$${POSTGRES_DB} || exit 1'
        ]
    volumes:
      - ./volumes/db/data:/var/lib/postgresql/data
      - ./.scripts/initdb.d/:/docker-entrypoint-initdb.d/:ro
    networks:
      - overlay

  redis:
    image: redis/redis-stack:latest
    restart: always
    command: ["sh", "-c", "redis-server --requirepass $${REDIS_PASSWORD}"]
    environment:
      REDIS_PASSWORD: ${REDIS_PASSWORD:-}
    networks:
      - overlay

  # OLAP Services
  olap:
    image: ghcr.io/xpert-ai/ocap-olap:latest
    profiles:
      - bi
    mem_limit: 1024m
    restart: unless-stopped
    healthcheck:
      test: curl -m 5 --silent --fail --request GET http://localhost:8080/ | jq --exit-status -n 'inputs | if has("status") then .status=="UP" else false end' > /dev/null || exit 1
      interval: 10s
      timeout: 2s
      retries: 10
    links:
      - db:${DB_HOST:-db}
    depends_on:
      - api
    environment:
      REDIS_DATABASE: 1
      REDIS_HOST: "redis"
      REDIS_PORT: 6379
      REDIS_PASSWORD: ${REDIS_PASSWORD:-}
    networks:
      - overlay

  api:
    image: ghcr.io/xpert-ai/xpert-api:latest
    environment:
      # HOST: ${API_HOST:-api}
      # PORT: ${API_PORT:-3000}
      NODE_ENV: ${NODE_ENV:-development}
      DB_HOST: db
      REDIS_HOST: redis
      REDIS_PORT: 6379
      OLAP_HOST: olap
      OLAP_PORT: 8080
      API_BASE_URL: ${API_BASE_URL:-http://localhost:3000}
      SENTRY_DSN: ${SENTRY_DSN:-}
    env_file:
      - .env
    entrypoint: './entrypoint.compose.sh'
    command: ['node', 'main.js']
    restart: on-failure
    depends_on:
      - db
      - redis
    links:
      - db:${DB_HOST:-db}
    ports:
      - '${API_PORT:-3000}:3000'
    volumes:
      - /home/pubserver/xpert/data:/srv/pangolin/public
      - /home/pubserver/xpert/ms-playwright:/ms-playwright
    networks:
      - overlay

  webapp:
    image: ghcr.io/xpert-ai/xpert-webapp:latest
    environment:
      HOST: ${WEB_HOST:-webapp}
      NODE_ENV: ${NODE_ENV:-development}
      API_BASE_URL: ${API_BASE_URL:-http://localhost:3000}
      CLIENT_BASE_URL: ${CLIENT_BASE_URL:-http://localhost:4200}
      SENTRY_DSN: ${SENTRY_DSN:-}
      DEFAULT_LATITUDE: ${DEFAULT_LATITUDE:-42.6459136}
      DEFAULT_LONGITUDE: ${DEFAULT_LONGITUDE:-23.3332736}
      DEFAULT_CURRENCY: ${DEFAULT_CURRENCY:-USD}
      API_HOST: api
      API_PORT: 3000
      ENABLE_LOCAL_AGENT: false
    entrypoint: './entrypoint.compose.sh'
    command: ['nginx', '-g', 'daemon off;']
    env_file:
      - .env
    restart: on-failure
    links:
      - api:${API_HOST:-api}
    depends_on:
      - api
    ports:
      - ${WEB_PORT:-80}:80
      # - 443:443
    volumes:
      - ./volumes/webapp/:/webapp/
    networks:
      - overlay

networks:
  overlay:
    driver: bridge

4、最后把docker启动起来

上面已经把xpert的配置都修改完了，接下来使用docker-compose启动即可

#进入目录
cd /home/pubserver/xpert/xpert/docker/

#启动
docker-compose up -d

但是既然Xpert是一个BI的本地服务，我们要启动BI才行，所以执行如下的命令：

#停掉所有的服务
docker-compose down

#启动bi
docker compose --profile bi up -d

此时可以看到他启动xpert-ai_overlay服务

5、测试访问

最后访问下xpert，直接访问服务器的IP即可

第一次进来会哟求创建信息，直接填写即可，配置完成之后就可以使用了

备注：

1、如果要完全删除当前xpert启动的所有docker实例，可以使用如下的命令：

#完全启动
docker compose --profile up -d

#完全停止
docker compose --profile bi down