OAPilot-离线AI飞行员系统
🤖 完全离线的AI助手 通过本地LLM和MCP服务器集成，针对资源受限的环境（8GB RAM）进行了优化。
⚡ 快速安装（Ubuntu/WSL2）
单线安装
curl -fsSL https://raw.githubusercontent.com/EdgeWardIO/OAPilot/main/oapilot-installer.sh | bash替代方案：手动克隆
git clone https://github.com/EdgeWardIO/OAPilot.git oapilot
cd oapilot
./install.sh
./quick-start.sh🎯 特性
- ✅ 100%离线 -安装后没有云依赖关系
- ✅ 资源优化 -在8GB RAM上运行，存储空间\<100GB
- ✅ 本地法学硕士 -使用Ollama和量化模型（Phi-3、Gemma、Qwen）
- ✅ MCP集成 -自动发现并连接到MCP服务器
- ✅ 持续聊天 -SQLite支持的对话历史记录
- ✅ 工件管理 -保存生成的代码、文档、图表
- ✅ web界面 -可从Windows浏览器访问基于React的UI
- ✅ 气隙就绪 -非常适合安全环境
🖥️ 系统要求
| 组件 | 最小值 | 推荐 |
|---|---|---|
| 随机存取存储器 | 8GB（可用4GB+） | 16GB |
| 存储 | 15GB免费 | 50GB+固态硬盘 |
| 操作系统 | Ubuntu 18.04+/WSL2 | Ubuntu 22.04+ |
| 中央处理器 | 4芯 | 8+芯 |
🚀 用法
安装后：
# Quick start (downloads model and starts)
./quick-start.sh
# Manual start
ollama pull phi3:mini # Download AI model
./scripts/start.sh # Start services
# Access web interface
# Open: http://localhost:8080
# Stop services
./scripts/stop.sh
# Monitor system resources
./scripts/monitor.sh🔧 配置
编辑 backend/.env 自定义：
# LLM Model (choose based on available RAM)
LLM_MODEL=phi3:mini # 2GB RAM - Best balance
LLM_MODEL=gemma:2b # 1.5GB RAM - Fastest
LLM_MODEL=qwen2:1.5b # 1GB RAM - Minimal memory
LLM_MODEL=mistral:7b-q4 # 3.8GB RAM - Best quality
# Resource Limits
MAX_MEMORY_MB=512
MAX_DB_SIZE_MB=1024
MAX_ARTIFACTS_SIZE_GB=5
# Web Interface
HOST=0.0.0.0
PORT=8080🛠️ MCP服务器设置
OAPilot自动发现在Docker中运行的MCP服务器：
cd docker
# Edit docker-compose.yml with your MCP servers
docker-compose up -d📊 资源使用情况
| 状态 | RAM使用情况 | 存储 | 描述 |
|---|---|---|---|
| 空闲 | ~1.5GB | ~500MB | 仅限后端 |
| 活动 | ~4-5GB | ~10-15GB | 已加载模型 |
| 峰值 | ~6GB | ~20GB | 推理过程中 |
🔍 故障排除
常见问题
内存不足
# Use smaller model
ollama pull qwen2:1.5b
# Edit backend/.env: LLM_MODEL=qwen2:1.5b
./scripts/start.sh端口已在使用中
# Check what's using port 8080
sudo lsof -i :8080
# Or change port in backend/.env: PORT=8081后端无法启动
# Check logs
tail -f logs/backend.log
# Restart services
./scripts/stop.sh
./scripts/start.sh性能缓慢
# Monitor resources
curl http://localhost:8080/api/v1/resources
# Switch to faster model
ollama pull gemma:2b
# Edit backend/.env: LLM_MODEL=gemma:2b性能优化
# Clean up storage
curl -X POST http://localhost:8080/api/v1/storage/cleanup
# Check system health
curl http://localhost:8080/api/v1/health
# Monitor system
./scripts/monitor.sh📚 文档
🔄 更新
# Update to latest version
cd oapilot
git pull origin main
./install.sh # Reinstall dependencies if needed
./scripts/start.sh🤝 贡献
- 分叉存储库
- 创建特征分支(
git checkout -b feature/amazing-feature) - 提交更改(
git commit -m 'Add amazing feature') - 推送到分支(
git push origin feature/amazing-feature) - 打开拉取请求
📄 许可证
此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。
🔒 安全
OAPilot专为气隙环境而设计：
- 所有数据都保留在本地
- 无遥测或外部呼叫
- 默认配置安全
- 非常适合受监管行业
⭐ 为该存储库添加星号
如果OAPilot对您有用，请标记此存储库以帮助其他人发现它！
______________________________________________________________________
由以下材料制成❤️ 用于安全的离线人工智能辅助
快速命令参考
# Install
curl -fsSL https://raw.githubusercontent.com/EdgeWardIO/OAPilot/main/oapilot-installer.sh | bash
# Start
cd oapilot && ./quick-start.sh
# Access
http://localhost:8080
# Stop
./scripts/stop.sh