# HiDevLab-openEuler

**Repository Path**: dingjiahuichina/HiDevLab-openEuler

## Basic Information

- **Project Name**: HiDevLab-openEuler
- **Description**: HiDevLab-openEuler
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2025-05-21
- **Last Updated**: 2025-06-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# openEuler DevStation & Intelligence 用户操作示例

> **HiDevLab试用环境说明**
> 
> - HiDevLab试用环境已将该指导文档作为Firefox浏览器的默认主页，您可以打开试用环境的Firefox浏览器，可以直接在试用环境中复制命令行到终端使用，以提高操作便利性。

> **DevStation介绍说明**
> 
> - **DevStation** 是基于openEuler的智能LiveCD桌面版开发者工作站，专为极客与创新者而生。它融合了**一键式运行环境**与**全栈开发工具链**，支持从系统启动到代码落地的无缝衔接。无需复杂安装，即可体验**开箱即用**的开发环境，并借助内置的**MCP AI智能引擎**，快速完成Kubernetes集群部署、资源调度与社区工具链调用，实现从基础设施搭建到应用开发的效率飞跃。

> **温馨提示**
> 
> - 一般情况下，VSCodium中的Roo Code已经配置了DeepSeek的远端API KEY(sk-9b5b2a23f1a7465fb82fa9e7d69c495c)，你无需做额外的配置，可以直接使用。如果后面遇到上述API KEY不可用的情况，可以访问platform.deepseek.com获取新的API KEY。
> - 下文中的操作示例，请先执行示例1~3，再执行示例4~6。

## 示例1：使用oeDeploy快速部署DeepSeek-R1

> oeDeploy 是一款轻量级的软件部署工具，旨在帮助开发者快速、高效地完成各类软件环境部署，对单节点与分布式场景均可适配。当前已经支持的软件包括：kubernetes、nginx、anythingLLM、ragflow、devkit-pipeline、pytorch、deepseek、helm、kuberay、kubeflow、mindspore、tensorflow

1. 打开终端，执行如下命令行，将用于DeepSeek部署的oeDeploy插件初始化到家目录。

```bash
cd; oedp repo update; oedp init deepseek-r1
```

2. 执行如下命令行，一键触发DeepSeek-R1的快速部署。这个过程中涉及模型参数文件（约4.5GB）的下载，执行时间受网络带宽影响，通常耗时5~10分钟。

```bash
oedp run install -p deepseek-r1/
```

3. 上述部署操作执行成功后，你会看到`Please manually execute: ollama run deepseek-r1:8b`和`Execute succeeded: start DeepSeek-R1`的提示。于是执行如下命令行，启动DeepSeek-R1模型，并开始对话。

```bash
ollama run deepseek-r1:8b
```

4. 可以通过`ctrl + C`和`ctrl + D`退出对话。

## 示例2：自然语言触发oeDeploy完成nginx快速启动

1. 打开终端，执行如下命令行，一键安装oeDeploy的MCP服务：

```bash
sudo yum clean packages && sudo yum makecache && sudo yum remove -y mcp-servers-oeDeploy nginx && sudo yum install -y mcp-servers-oeDeploy
```

2. 新打开或者重启VSCodium（**请确保工作目录为`/root`**），打开Roo Code插件（左侧插件栏的袋鼠图标），点击上方MCP按钮，确认MCP列表中mcp-oedp已经ready，如果VSCodium请求您输入new keyring，请输入keyring `Huawei12#$`。接下来在Roo Code 中新建对话框，发送如下指令。如果Roo Code向你询问是否发起MCP调用，请批准。

```
用oeDeploy，在当前节点一键部署nginx
```

3. 执行成功后，你可以在浏览器中打开`127.0.0.1:80`来访问nginx的默认页面。

> 如果部署成功后，浏览器依然无法访问nginx默认页面，可能是浏览器缓存所致，可以先清理缓存后重启浏览器。

4. 为了避免占用80端口而对后续操作，产生影响，请执行如下命令行卸载nginx。

```bash
sudo yum remove -y nginx
```

## 示例3：通过自然语言查看openEuler社区issue

1. 安装oeGitExt工具包

```bash
sudo yum clean packages && sudo yum makecache && sudo yum install -y mcp-servers-oeGitExt
```

2. 获取Gitee个人访问令牌

```
登录您的Gitee账号
进入"设置" → "私人令牌"页面
点击"生成新令牌"按钮
勾选"issues"权限(建议同时勾选"projects"和"pull_requests"以获取完整功能)
点击"提交"并复制生成的token字符串
```

3. 配置Gitee令牌

```
新打开或者重启VSCodium（请确保工作目录为/root）
点击左边 openEuler 插件
在插件展开的导航栏点击`我的Issue` `我的PR` `我的Repo`中的任意页面
触发私人令牌配置，将`[Gitee私人令牌]`填写为第二步获取的实际token字符串。
```

4. 使用自然语言查询issue

在Roo Code交互界面中，您可以使用以下自然语言命令：

- **查看我在openeuler社区的issue**
  系统将返回您在openEuler社区负责的所有issue列表

- **查看[仓库名]的PR**
  例如：`查看mcp-servers的PR`

5. 注意事项

```
请妥善保管您的Gitee令牌，不要泄露给他人
如需撤销令牌，请到Gitee的"私人令牌"页面删除对应令牌
首次使用可能需要等待1-2分钟同步数据
```


## 示例4：使用oeDeploy快速部署openEuler Intelligence

1. 打开终端，执行如下命令行，将用于openEuler Intelligence（别名euler-copilot）部署的oeDeploy插件初始化到家目录。

```bash
cd; oedp repo update; oedp init euler-copilot
```

2. 用`vim`或者`VSCodium`编辑`euler-copilot/config.yaml`，将如下内容完整拷贝到其中（第12行的root密码需要修改）：

**提示：每个环境的root密码与桌面登录密码相同，获取方式 [右侧信息栏]->[其他登录方式]->[操作系统密码]**

```yaml
all:
  hosts:
    host1:
      # 节点空余内存需要大于16G，建议规格32G以上
      # 部署节点 IP
      ansible_host: 127.0.0.1
      # 部署节点 SSH 端口
      ansible_port: 22
      # 部署节点用户
      ansible_user: root  # 目前仅支持root用户
      # 部署节点密码
      ansible_password: <root密码>  # <------------------- 改成实际的root密码

  vars:
    ansible_ssh_common_args: '-o StrictHostKeyChecking=no'

    # 部署日志目录
    log_dir: "/var/log/deploy-euler-copilot"

    # 源码仓库配置
    repo_config:
      # 源码 url
      url: "https://gitee.com/openeuler/euler-copilot-framework.git"
      # 源码仓放置目录
      dest_dir: "/opt/euler-copilot-framework"
      # 指定分支、tag 和 commit
      version: "release-0.9.5"
      # 是否覆盖本地修改
      force: yes

    # 模型配置
    models:
      # 用于问答的大模型；需要为OpenAI兼容接口
      answer:
        # [必填] 接口URL（无需带上“v1”后缀）
        endpoint: http://173.108.1.2:8000/openai
        # [必填] 接口API Key；默认置空
        key: sk-123456
        # [必填] 模型名称
        name: Qwen2.5-72B-Instruct
        # [必填] 模型最大上下文数；建议>=8192
        ctxLength: 8192
        # 模型最大输出长度，建议>=2048
        maxTokens: 8192
      # 用于Function Call的模型；建议使用特定推理框架
      functionCall:
        # 推理框架类型，默认为ollama
        # 可用的框架类型：["vllm", "sglang", "ollama", "openai"]
        backend: openai
        # 模型地址；不填则与问答模型一致
        endpoint: http://173.108.1.2:8000/openai/v1
        # API Key；不填则与问答模型一致
        key: sk-123456
        # 模型名称；不填则与问答模型一致
        name: Qwen2.5-72B-Instruct
        # 模型最大上下文数；不填则与问答模型一致
        ctxLength:
        # 模型最大输出长度；不填则与问答模型一致
        maxTokens:
      # 用于数据向量化（Embedding）的模型
      embedding:
        # 推理框架类型，默认为openai
        # [必填] Embedding接口类型：["openai", "mindie"]
        type: openai
        # [必填] Embedding URL（需要带上“v1”后缀）
        endpoint: http://173.108.1.2:8090
        # [必填] Embedding 模型API Key
        key: sk-123456
        # [必填] Embedding 模型名称
        name: bge-m3
```

3. 执行如下命令行，一键触发openEuler Intelligence的快速部署。这个过程中涉及多个镜像文件的拉取与启动，执行时间受网络带宽影响，典型耗时10~15分钟。

```bash
oedp run install -p euler-copilot/
```

4. 上述部署操作执行成功后，你会看到如下提示信息，说明已安装成功。

```
[ INFO ] - [run_action] - Execute succeeded: install EulerCopilot
[ INFO ] - [run_cmd] - End time: 2025-05-28 09:49:50
[ INFO ] - [run_cmd] - Elapsed time: 00:05:10.3
```

5. 添加解析，即可在web页面使用 https://www.eulercopilot.local 访问openEuler Intelligence 了

```bash
echo "0.0.0.0 authhub.eulercopilot.local www.eulercopilot.local" >> /etc/hosts 
```

## 示例5：使用openEuler Intelligence 定制化知识问答服务

测试目标：通过上传私有语料文档来完成定制化问答服务

测试任务：

1. 注册与登录openEuler Intelligence，向前端页面询问三个示例问题，按顺序分别是：

- 问题一：openEuler24.09有什么AI特性？

- 问题二：有哪些渠道获取该系统？

- 问题三：这些AI特性是否有使用RAG？

2. 点击左侧知识库页签，输入默认账号和密码（账号：admin,密码：123456）登录，登录成功后，新建知识库，通过上传示例语料《openEuler 24.09 技术白皮书》文档（该文档存放在Downloads目录中），复制资产ID，配置到资产库ID中，对这三个比较模糊的问答进行优化；

3. 语料解析方法分别使用general和enhanced方式，配置资产库ID继续对上述三个问题发问，对比前后结果差异。

## 示例6：使用openEuler Intelligence 构建工作流应用

测试目标：使用上次构建的私有知识库来构建定制化问答工作流

测试任务：

1. 在openEuler Intelligence Web端，选择应用中心，并创建工作流。注意：智能问答工作流中首先从知识库（需要将资产库ID填入到kb_sn里面）中查询相关知识，然后对大模型进行提问；

2. 通过工作流调试工具调试工作流至通过，并发布应用；

3. 使用工作流应用，询问如下三个示例问题：

- 问题一：openEuler24.09有什么AI特性？

- 问题二：有哪些渠道获取该系统？

- 问题三：这些AI特性是否有使用RAG？

4. 对比查看回答结果，这样我们的工作流应用已经构建完成。

# 用户反馈收集

### **📢 请用微信扫描下方二维码填写问卷，您的反馈对我们非常重要：**

<img src="qrcode.jpg" alt="image" width="50%" />

### **📢 openEuler 开发者群（devstation开发者voc）长期开放**

<img src="vx.jpg" alt="image" width="50%" />

**👉 也可以添加openEuler小助手微信号：openeuler123**

**👉 备注【devstation开发者voc进群】，小助手会统一拉您进群，畅聊技术、协作开发！**

群内聚焦 openEuler 生态开发、DevStation 工具链、自动化安装部署工具、社区协作等话题。入群后请遵守群规，勿发广告/无关链接。

### **📢 欢迎扫描下方二维码，关注我们的代码仓**

<img src="code.png" alt="image" width="50%" />