Козлова Люся Андреевна

Козлова Люся Андреевна

1682490906

Скачать Auto GPT на Docker

Auto GPT — это автономный агент GPT-4. Auto GPT — это, по сути, ChatGPT, разговаривающий сам с собой. Он может писать код, запускать программы и подключаться к Интернету. ChatGPT может проверять источники, генерировать программы и отлаживать программы самостоятельно, общаясь с самим собой. Это новейшая большая вещь в области искусственного интеллекта. В этом руководстве я шаг за шагом проведу вас через запуск Auto GPT с Docker.

Что такое автоматический GPT?

Auto-GPT — это революционная программа Python с открытым исходным кодом, которая использует мощь GPT-4 для разработки автоматических агентов ИИ, способных выполнять различные действия в Интернете. Этот эксперимент с автономным ИИ необычен тем, что позволяет ИИ действовать без побуждения человека и разделяет шаги ИИ на «мысли», «рассуждения» и «критику», позволяя пользователю точно понять, что делает ИИ и почему.

Auto-GPT может получать доступ к широкому спектру источников данных, таких как активность в социальных сетях, финансовые данные, поведение клиентов и рыночные тенденции. Он может анализировать и интерпретировать письменный и устный язык, а также может улучшать свою работу с течением времени, учась на собственном опыте и комментариях. Auto-GPT, с другой стороны, не является законченным приложением или решением и может работать хуже в сложных условиях реального бизнеса.

Особенности AutoGPT

  • Если Docker еще не установлен, он будет установлен немедленно.
  • Запрашивает ключи API и пути к папкам рабочей области.
  • Репозиторий Auto-GPT клонирован, и среда настроена.
  • Контейнеры Docker используются для создания и работы приложения.

Шаги по установке Auto GPT с помощью Docker

Я предполагаю, что вы знакомы с терминалом. Сначала убедитесь, что вы установили Docker и Git, чтобы установить Auto GPT.

Установка: Вы также можете обратиться к нашей статье, как установить AutoGPT в Windows и Linux.

 Шаг: 1 Откройте терминал

Шаг 2. Клонируйте репозиторий Auto GPT git.

Следующая команда создает папку Auto-GPT в папке, которую вы выбрали в своем терминале.

git clone https://github.com/Significant-Gravitas/Auto-GPT.git Auto-GPT

Шаг 3. Изучите стабильную ветку

Auto GPT в настоящее время находится в активной разработке. Основная ветвь часто находится в сломанном состоянии. Если вы хотите использовать только Auto GPT, вы должны проверить стабильную ветку. Эта ветка содержит самую последнюю стабильную версию Auto GPT.

cd ./Auto-GPT #move to the newly created folder
git fetch
git checkout stable

Шаг: 4 Создайте файл .env

cp .env.template .env

Шаг: 5 Получите ключ API OpenAI

Чтобы сгенерировать ключи OpenAI API, перейдите в настройки своей учетной записи OpenAI. Выполните следующие действия:

  1. Войдите в свою учетную запись OpenAI по адресу  https://platform.openai.com/ .
  2. Нажмите на изображение своего профиля, расположенное в правом верхнем углу страницы.
  3. В появившемся выпадающем меню нажмите « Настройки ».
  4. Выберите « Ключи API » в меню в левой части страницы.
  5. Нажмите кнопку « Создать новый секретный ключ », чтобы сгенерировать новый ключ API.
  6. Дайте ключу API имя, которое вы запомните, и нажмите кнопку « Создать ».
  7. Ключ API будет сгенерирован, и вы не сможете снова получить доступ ко всему ключу, поэтому запишите его и сохраните в безопасном месте.
  8. Чтобы удалить ключ API, нажмите кнопку «Удалить» рядом с ключом, который вы хотите удалить, и подтвердите действие во всплывающем окне.

Важно отметить, что удаление ключа API необратимо, и вы не сможете его восстановить.

Шаг:6 Сохраните ключ в файле .env

Перейдите в каталог Auto-GPT и дважды щелкните файл .env. Вставьте свой ключ API туда, где написано OPEN_API_KEY=.

OPENAI_API_KEY=#copy and paste your API key here

 Запустить Докер

Шаг 7. Запустите Auto-GPT с помощью docker-compose

В терминале введите следующую команду.

docker-compose run --build --rm auto-gpt

Шаг 8. Запустите Auto GPT в непрерывном режиме.

docker-compose run --build --rm auto-gpt --continuous

Вот и все! Вы успешно загрузили и установили Auto GPT на Docker.

Эта статья призвана помочь читателям лучше понять, как загрузить Auto GPT в Docker. Мы верим, что это было полезно для вас. Пожалуйста, не стесняйтесь делиться своими мыслями и отзывами в разделе комментариев ниже.

Оригинальный источник статьи: https://www.cloudbooklet.com/

#gpt #docker 

What is GEEK

Buddha Community

Скачать Auto GPT на Docker
Iliana Welch

Iliana Welch

1595249460

Docker Explained: Docker Architecture | Docker Registries

Following the second video about Docker basics, in this video, I explain Docker architecture and explain the different building blocks of the docker engine; docker client, API, Docker Daemon. I also explain what a docker registry is and I finish the video with a demo explaining and illustrating how to use Docker hub

In this video lesson you will learn:

  • What is Docker Host
  • What is Docker Engine
  • Learn about Docker Architecture
  • Learn about Docker client and Docker Daemon
  • Docker Hub and Registries
  • Simple demo to understand using images from registries

#docker #docker hub #docker host #docker engine #docker architecture #api

Козлова Люся Андреевна

Козлова Люся Андреевна

1682490906

Скачать Auto GPT на Docker

Auto GPT — это автономный агент GPT-4. Auto GPT — это, по сути, ChatGPT, разговаривающий сам с собой. Он может писать код, запускать программы и подключаться к Интернету. ChatGPT может проверять источники, генерировать программы и отлаживать программы самостоятельно, общаясь с самим собой. Это новейшая большая вещь в области искусственного интеллекта. В этом руководстве я шаг за шагом проведу вас через запуск Auto GPT с Docker.

Что такое автоматический GPT?

Auto-GPT — это революционная программа Python с открытым исходным кодом, которая использует мощь GPT-4 для разработки автоматических агентов ИИ, способных выполнять различные действия в Интернете. Этот эксперимент с автономным ИИ необычен тем, что позволяет ИИ действовать без побуждения человека и разделяет шаги ИИ на «мысли», «рассуждения» и «критику», позволяя пользователю точно понять, что делает ИИ и почему.

Auto-GPT может получать доступ к широкому спектру источников данных, таких как активность в социальных сетях, финансовые данные, поведение клиентов и рыночные тенденции. Он может анализировать и интерпретировать письменный и устный язык, а также может улучшать свою работу с течением времени, учась на собственном опыте и комментариях. Auto-GPT, с другой стороны, не является законченным приложением или решением и может работать хуже в сложных условиях реального бизнеса.

Особенности AutoGPT

  • Если Docker еще не установлен, он будет установлен немедленно.
  • Запрашивает ключи API и пути к папкам рабочей области.
  • Репозиторий Auto-GPT клонирован, и среда настроена.
  • Контейнеры Docker используются для создания и работы приложения.

Шаги по установке Auto GPT с помощью Docker

Я предполагаю, что вы знакомы с терминалом. Сначала убедитесь, что вы установили Docker и Git, чтобы установить Auto GPT.

Установка: Вы также можете обратиться к нашей статье, как установить AutoGPT в Windows и Linux.

 Шаг: 1 Откройте терминал

Шаг 2. Клонируйте репозиторий Auto GPT git.

Следующая команда создает папку Auto-GPT в папке, которую вы выбрали в своем терминале.

git clone https://github.com/Significant-Gravitas/Auto-GPT.git Auto-GPT

Шаг 3. Изучите стабильную ветку

Auto GPT в настоящее время находится в активной разработке. Основная ветвь часто находится в сломанном состоянии. Если вы хотите использовать только Auto GPT, вы должны проверить стабильную ветку. Эта ветка содержит самую последнюю стабильную версию Auto GPT.

cd ./Auto-GPT #move to the newly created folder
git fetch
git checkout stable

Шаг: 4 Создайте файл .env

cp .env.template .env

Шаг: 5 Получите ключ API OpenAI

Чтобы сгенерировать ключи OpenAI API, перейдите в настройки своей учетной записи OpenAI. Выполните следующие действия:

  1. Войдите в свою учетную запись OpenAI по адресу  https://platform.openai.com/ .
  2. Нажмите на изображение своего профиля, расположенное в правом верхнем углу страницы.
  3. В появившемся выпадающем меню нажмите « Настройки ».
  4. Выберите « Ключи API » в меню в левой части страницы.
  5. Нажмите кнопку « Создать новый секретный ключ », чтобы сгенерировать новый ключ API.
  6. Дайте ключу API имя, которое вы запомните, и нажмите кнопку « Создать ».
  7. Ключ API будет сгенерирован, и вы не сможете снова получить доступ ко всему ключу, поэтому запишите его и сохраните в безопасном месте.
  8. Чтобы удалить ключ API, нажмите кнопку «Удалить» рядом с ключом, который вы хотите удалить, и подтвердите действие во всплывающем окне.

Важно отметить, что удаление ключа API необратимо, и вы не сможете его восстановить.

Шаг:6 Сохраните ключ в файле .env

Перейдите в каталог Auto-GPT и дважды щелкните файл .env. Вставьте свой ключ API туда, где написано OPEN_API_KEY=.

OPENAI_API_KEY=#copy and paste your API key here

 Запустить Докер

Шаг 7. Запустите Auto-GPT с помощью docker-compose

В терминале введите следующую команду.

docker-compose run --build --rm auto-gpt

Шаг 8. Запустите Auto GPT в непрерывном режиме.

docker-compose run --build --rm auto-gpt --continuous

Вот и все! Вы успешно загрузили и установили Auto GPT на Docker.

Эта статья призвана помочь читателям лучше понять, как загрузить Auto GPT в Docker. Мы верим, что это было полезно для вас. Пожалуйста, не стесняйтесь делиться своими мыслями и отзывами в разделе комментариев ниже.

Оригинальный источник статьи: https://www.cloudbooklet.com/

#gpt #docker 

Clotilde Lueilwitz

Clotilde Lueilwitz

1619564940

Docker Architecture Overview & Docker Components [For Beginners]

If you have recently come across the world of containers, it’s probably not a bad idea to understand the underlying elements that work together to offer containerisation benefits. But before that, there’s a question that you may ask. What problem do containers solve?

After building an application in a typical development lifecycle, the developer sends it to the tester for testing purposes. However, since the development and testing environments are different, the code fails to work.

Now, predominantly, there are two solutions to this – either you use a Virtual Machine or a containerised environment such as Docker. In the good old times, organisations used to deploy VMs for running multiple applications.

So, why did they started adopting containerisation over VMs? In this article, we will provide detailed explanations of all such questions.

#docker containers #docker engine #docker #docker architecture

Cayla Erdman

Cayla Erdman

1599914520

Apache/Airflow and PostgreSQL with Docker and Docker Compose

Hello, in this post I will show you how to set up official Apache/Airflow with PostgreSQL and LocalExecutor using docker and docker-compose. In this post, I won’t be going through Airflow, what it is, and how it is used. Please checktheofficial documentation for more information about that.

Before setting up and running Apache Airflow, please install Docker and Docker Compose.

For those in hurry…

In this chapter, I will show you files and directories which are needed to run airflow and in the next chapter, I will go file by file, line by line explaining what is going on.

Firstly, in the root directory create three more directories: dags, logs, and scripts. Further, create following files: **.env, docker-compose.yml, entrypoint.sh **and **dummy_dag.py. **Please make sure those files and directories follow the structure below.

#project structure

root/
├── dags/
│   └── dummy_dag.py
├── scripts/
│   └── entrypoint.sh
├── logs/
├── .env
└── docker-compose.yml

Created files should contain the following:

#docker-compose.yml

version: '3.8'
services:
    postgres:
        image: postgres
        environment:
            - POSTGRES_USER=airflow
            - POSTGRES_PASSWORD=airflow
            - POSTGRES_DB=airflow
    scheduler:
        image: apache/airflow
        command: scheduler
        restart_policy:
            condition: on-failure
        depends_on:
            - postgres
        env_file:
            - .env
        volumes:
            - ./dags:/opt/airflow/dags
            - ./logs:/opt/airflow/logs
    webserver:
        image: apache/airflow
        entrypoint: ./scripts/entrypoint.sh
        restart_policy:
            condition: on-failure
        depends_on:
            - postgres
            - scheduler
        env_file:
            - .env
        volumes:
            - ./dags:/opt/airflow/dags
            - ./logs:/opt/airflow/logs
            - ./scripts:/opt/airflow/scripts
        ports:
            - "8080:8080"
#entrypoint.sh
#!/usr/bin/env bash
airflow initdb
airflow webserver
#.env
AIRFLOW__CORE__SQL_ALCHEMY_CONN=postgresql+psycopg2://airflow:airflow@postgres/airflow
AIRFLOW__CORE__EXECUTOR=LocalExecutor
#dummy_dag.py
from airflow import DAG
from airflow.operators.dummy_operator import DummyOperator
from datetime import datetime
with DAG('example_dag', start_date=datetime(2016, 1, 1)) as dag:
    op = DummyOperator(task_id='op')

Positioning in the root directory and executing “docker-compose up” in the terminal should make airflow accessible on localhost:8080. Image bellow shows the final result.

If you encounter permission errors, please run “chmod -R 777” on all subdirectories, e.g. “chmod -R 777 logs/”


For the curious ones...

In Leyman’s terms, docker is used when managing individual containers and docker-compose can be used to manage multi-container applications. It also moves many of the options you would enter on the docker run into the docker-compose.yml file for easier reuse. It works as a front end "script" on top of the same docker API used by docker. You can do everything docker-compose does with docker commands and a lot of shell scripting.

Before running our multi-container docker applications, docker-compose.yml must be configured. With that file, we define services that will be run on docker-compose up.

The first attribute of docker-compose.yml is version, which is the compose file format version. For the most recent version of file format and all configuration options click here.

Second attribute is services and all attributes one level bellow services denote containers used in our multi-container application. These are postgres, scheduler and webserver. Each container has image attribute which points to base image used for that service.

For each service, we define environment variables used inside service containers. For postgres it is defined by environment attribute, but for scheduler and webserver it is defined by .env file. Because .env is an external file we must point to it with env_file attribute.

By opening .env file we can see two variables defined. One defines executor which will be used and the other denotes connection string. Each connection string must be defined in the following manner:

dialect+driver://username:password@host:port/database

Dialect names include the identifying name of the SQLAlchemy dialect, a name such as sqlite, mysql, postgresql, oracle, or mssql. Driver is the name of the DBAPI to be used to connect to the database using all lowercase letters. In our case, connection string is defined by:

postgresql+psycopg2://airflow:airflow@postgres/airflow

Omitting port after host part denotes that we will be using default postgres port defined in its own Dockerfile.

Every service can define command which will be run inside Docker container. If one service needs to execute multiple commands it can be done by defining an optional .sh file and pointing to it with entrypoint attribute. In our case we have entrypoint.sh inside the scripts folder which once executed, runs airflow initdb and airflow webserver. Both are mandatory for airflow to run properly.

Defining depends_on attribute, we can express dependency between services. In our example, webserver starts only if both scheduler and postgres have started, also the scheduler only starts after postgres have started.

In case our container crashes, we can restart it by restart_policy. The restart_policy configures if and how to restart containers when they exit. Additional options are condition, delay, max_attempts, and window.

Once service is running, it is being served on containers defined port. To access that service we need to expose the containers port to the host's port. That is being done by ports attribute. In our case, we are exposing port 8080 of the container to TCP port 8080 on 127.0.0.1 (localhost) of the host machine. Left side of : defines host machines port and the right-hand side defines containers port.

Lastly, the volumes attribute defines shared volumes (directories) between host file system and docker container. Because airflows default working directory is /opt/airflow/ we need to point our designated volumes from the root folder to the airflow containers working directory. Such is done by the following command:

#general case for airflow
- ./<our-root-subdir>:/opt/airflow/<our-root-subdir>
#our case
- ./dags:/opt/airflow/dags
- ./logs:/opt/airflow/logs
- ./scripts:/opt/airflow/scripts
           ...

This way, when the scheduler or webserver writes logs to its logs directory we can access it from our file system within the logs directory. When we add a new dag to the dags folder it will automatically be added in the containers dag bag and so on.

Originally published by Ivan Rezic at Towardsdatascience

#docker #how-to #apache-airflow #docker-compose #postgresql

Roosevelt Hettinger

Roosevelt Hettinger

1596691740

Docker manifest - A peek into image's manifest.json files

docker manifest – An experimental feature !

The image manifest provides a configuration and a set of layers for a container image.

This is an experimental feature. To enable this feature in the Docker CLI, one can edit the config.json file found in ~/.docker/config.json like :

{
        "auths": {
                "https://index.docker.io/v1/": {
                        "auth": "XXXXXXX"
                }
        },
        "HttpHeaders": {
                "User-Agent": "Docker-Client/19.03.8 (linux)"
        },
        "experimental": "enabled",
        "debug": true
}

What is ‘docker manifest’ ?

The docker manifest command does not work independently to perform any action. In order to work with the docker manifest or manifest list, we use sub-commands along with it. This manifest sub-command can enable us to interact with the image manifests. Furthermore, it also gives information about the OS and the architecture, that a particular image was built for.

A single manifest comprises of information about an image, it’s size, the layers and digest.

A manifest list is a list of image layers (manifests) that are, created by specifying one or more image names. It can then be used in the same way as an image name in docker pull and docker run commands.

Commands to get started with :

After enabling this feature, one would be able to access the following command :

docker-manifest-enter image description here

These commands are easy to use. It basically avoids the need for pulling and running and then testing the images locally, from a docker registry.

Next, to inspect an image manifest, follow this syntax,

 docker manifest inspect image-name

enter image description here

.

#devops #docker #devops #docker #docker learning #docker-image