Unduh AI tamago - Unduh kode sumber AI tamago

AI tamago

Kode sumber lainnya

1.0.0

Unduh

AI Tamago??

Hewan peliharaan virtual yang 100% lokal, dibuat dan digerakkan oleh LLM dengan pikiran, perasaan, dan umpan balik. Bangkitkan kembali kenangan indah Anda tentang Tamagotchi! https://ai-tamago.fly.dev/

Semua animasi ascii dihasilkan menggunakan chatgpt (termasuk petunjuk di repo).

Ada pertanyaan? Bergabunglah dengan pengembang AI Stack dan temukan saya di saluran #ai-tamago.

Demo ?

ai-tamago-demo.mov

Tumpukan

Modus Lokal

? Inferensi: Ollama, dengan opsi untuk menggunakan OpenAI atau Replikasi
? Status permainan: Tertelan
Basis data transaksional & vektor: Supabase pgvector
? Orkestrasi LLM: Langchain.js
?️ Logika aplikasi: Next.js
? Generasi penyematan: Transformer.js dan all-MiniLM-L6-v2
?️ UI: Pola Ajaib dan Vercel v0

Mode Produksi

Semua hal di atas, ditambah:

? Otentikasi & Manajemen Pengguna: Petugas
☁️ Tuan Rumah: Terbang
? Pembatasan Tarif: Upstash

Ringkasan

Mulai cepat
Panduan Penerapan

Prasyarat

Instal Docker

Mulai cepat

1. Repo Fork dan Klon

Fork repo ke akun Github Anda, lalu jalankan perintah berikut untuk mengkloning repo:

 git clone [email protected]:[YOUR_GITHUB_ACCOUNT_NAME]/AI-tamago.git

2. Instal dependensi

 cd ai-tamago
npm install

Semua kode tamagotchi sisi klien ada di Tamagotchi.tsx

3. Instal Ollama

Petunjuknya ada di sini.

4. Jalankan Supabase secara lokal

Instal Supabase CLI

 brew install supabase/tap/supabase

Mulai Supabase

Pastikan Anda berada di bawah direktori /ai-tamago dan jalankan:

 supabase start

Tips: Untuk menjalankan migrasi atau mereset database -- seed.sql dan migrasi akan menjalankan supabase db reset

5. Isikan rahasia

Catatan: Rahasia di sini adalah untuk instance supabase lokal Anda

 cp .env.local.example .env.local

Kemudian dapatkan SUPABASE_PRIVATE_KEY dengan menjalankan

 supabase status

Salin service_role key dan simpan sebagai SUPABASE_PRIVATE_KEY di .env.local

6. Siapkan Ingest

npx inngest-cli@latest dev

Pastikan aplikasi Anda aktif dan berjalan -- Fungsi Inngest (yang digunakan untuk menggerakkan status game) akan terdaftar secara otomatis.

7. Jalankan aplikasi secara lokal

Sekarang Anda siap menguji aplikasi secara lokal! Untuk melakukan ini, cukup jalankan npm run dev di bawah root proyek dan kunjungi http://localhost:3000 .

Panduan Penerapan

Sekarang Anda telah bermain dengan AI tamago secara lokal -- saatnya untuk menyebarkannya di tempat yang lebih permanen sehingga Anda dapat mengaksesnya kapan saja!

0. Pilih model mana yang ingin Anda gunakan dalam produksi

Jika Anda ingin menguji menggunakan Chatgpt di prod, cukup hapus LLM_MODEL=ollama dari .env.local dan isi OPENAI_API_KEY
Jika ingin mencoba Replikasi, atur LLM_MODEL=replicate_llama dan isi REPLICATE_API_TOKEN
Jika Anda ingin menerapkan Ollama sendiri, Anda dapat mengikuti panduan luar biasa ini -- Menskalakan Model Bahasa Besar ke nol dengan Ollama. Dimungkinkan untuk menjalankan Ollama pada Fly VM (CPU) performance-4x dengan volume 100gb , tetapi jika Anda bisa mendapatkan akses ke GPU, mereka jauh lebih cepat. Bergabunglah dengan daftar tunggu GPU Fly di sini jika Anda belum memiliki akses!

1. Beralih ke cabang deploy -- cabang ini mencakup semua yang Anda perlukan untuk menerapkan aplikasi seperti ini.

git co deploy

Cabang ini berisi aplikasi multi-tenancy-ready (berkat Clerk), yang berarti setiap pengguna bisa mendapatkan AI-tamago mereka sendiri, dan memiliki batas token bawaan -- Anda dapat mengatur berapa kali pengguna dapat mengirim permintaan di aplikasi (lihat ratelimit.ts )

2. Pindah ke Supabase Cloud:

Buat proyek Supabase di sini, lalu buka Pengaturan Proyek -> API. Isi rahasia di .env.local
SUPABASE_URL adalah nilai URL di bawah "URL Proyek"
SUPABASE_PRIVATE_KEY adalah kunci yang dimulai dengan ey di bawah Kunci API Proyek
Salin id proyek Supabase, yang dapat Anda temukan dari url https://supabase.com/dashboard/project/[project-id]

Dari root proyek Ai-tamago Anda, jalankan:

 supabase link --project-ref [insert project-id]
supabase migration up
supabase db reset --linked

3. Buat instance Upstash Redis untuk pembatasan tarif

Hal ini akan memastikan tidak ada pengguna yang terlalu sering memanggil API apa pun dan mengambil semua beban kerja inferensi. Kami menggunakan SDK pembatas tarif Upstash yang luar biasa di sini.

Masuk ke Upstash
Di bawah "Redis" pada navigasi atas, klik "Buat Database"
Beri nama, lalu pilih wilayah dan opsi lain berdasarkan preferensi Anda. Klik "Buat"
Gulir ke bawah ke bagian "REST API" dan klik ".env". Sekarang Anda dapat menyalin dan menempelkan kedua variabel lingkungan ( UPSTASH_REDIS_REST_URL dan UPSTASH_REDIS_REST_TOKEN ) ke .env.local Anda

4. Sekarang Anda siap menerapkan semuanya di Fly.io!

Daftarkan akun di fly.io lalu instal flyctl
Jalankan fly launch di bawah root proyek. Ini akan menghasilkan fly.toml yang mencakup semua konfigurasi yang Anda perlukan
Jalankan fly scale memory 512 untuk meningkatkan memori fly vm untuk aplikasi ini.
Jalankan fly deploy --ha=false untuk menerapkan aplikasi. Bendera --ha memastikan fly hanya memutar satu instance, yang termasuk dalam paket gratis.
Untuk lingkungan non-localhost lainnya, instance pengembangan Panitera yang ada harus terus berfungsi. Anda dapat mengunggah rahasia ke Fly dengan menjalankan cat .env.local | fly secrets import
Jika Anda ingin menjadikan ini produk nyata, Anda harus membuat lingkungan prod di bawah instance Clerk saat ini. Untuk detail selengkapnya tentang penerapan aplikasi produksi dengan Clerk, lihat dokumentasinya di sini. Perhatikan bahwa Anda mungkin perlu mengelola domain Anda sendiri dan melakukan verifikasi domain sebagai bagian dari proses.
Buat file baru .env.prod secara lokal dan isi semua rahasia lingkungan produksi. Ingatlah untuk memperbarui NEXT_PUBLIC_CLERK_PUBLISHABLE_KEY dan CLERK_SECRET_KEY dengan menyalin rahasia dari instance produksi Clerk - cat .env.prod | fly secrets import untuk mengunggah rahasia.