Docker Compose
PulseAugur coverage of Docker Compose — every cluster mentioning Docker Compose across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
Docker Compose为复杂应用程序编排多个容器
本文解释了如何使用Docker Compose同时管理多个容器。它建立在之前关于单个容器的讨论之上，演示了如何编排需要多个互连服务来构建的更复杂的应用程序设置。
-
开源 Dify 平台简化 LLM 应用开发和部署
本指南详细介绍了 Dify 的部署，这是一个用于构建 LLM 应用的开源平台。它涵盖了使用 Docker Compose 设置 Dify、配置带有 Let's Encrypt 的域名以实现安全的 HTTPS 访问，以及连接到 OpenAI 和 Anthropic 等各种模型提供商。指南还介绍了使用 Dify 的可视化工作流编辑器创建基本的支持聊天机器人，启用内存以进行上下文管理，以及发布应用程序。
-
Ollama 与 vLLM：何时迁移您的本地 LLM 服务器
本指南比较了 Ollama 和 vLLM 用于运行本地大型语言模型，重点介绍了何时从 Ollama 迁移到 vLLM。Ollama 因其简单性和易用性而受到赞誉，适用于个人模型消费，而 vLLM 则被呈现为一个更强大的推理引擎，适用于需要更高吞吐量、更好调度和连续批处理及分布式推理等高级功能的共享服务。文章概述了迁移的实际指标，例如多用户下延迟不稳定或尽管有排队请求但 GPU 利用率低，并强调选择取决于工作负载需求，而不仅仅是功能列表。
-
使用 Docker 和 Open-Meteo 构建 Apache Airflow ETL 管道
本指南提供了使用 Apache Airflow 构建提取、转换、加载 (ETL) 管道的详细分步演练。它涵盖了使用 Docker Compose 设置环境、与 Open-Meteo API 集成以提取数据、转换数据以及将数据加载到 PostgreSQL 数据库。本教程解决了 API 主机名解析、通过 XCom 在任务之间传递数据以及数据库验证等实际问题，旨在回答实施 Airflow 工作流时出现的常见问题。
-
博文详述如何通过排名和嵌入来改进 PKM 服务器搜索
一篇技术博文详述了如何改进个人知识管理 (PKM) 服务器上的搜索功能，特别是解决了排名和嵌入问题。作者首先通过收集所有搜索结果，根据相关性（例如，标题匹配、词干匹配）进行评分，然后排序并选择前五名来解决排名错误。第二个，也是更重要的问题，涉及使用 Ollama 和 NumPy 实现本地嵌入，以更好地理解查询上下文，这对于仅靠子字符串匹配无法解决的查询至关重要。该过程包括拉取嵌入模型、分块文档以及缓存嵌入以加快检索速度，最终带来更准确的搜索结果。
-
Bifröst AI 网关在性能基准测试中优于 LiteLLM
一项对两个开源 AI 网关 Bifröst 和 LiteLLM 的基准测试发现，Bifröst 在负载较高的情况下，性能显著更优，开销更低。虽然 Bifröst 在非流式测试中显示出 6.2 倍的吞吐量优势和极低的延迟增加，但 LiteLLM 提供了对各种 LLM 提供商和端点的更广泛支持。两者的选择取决于是在应用程序中还是在网关中偏好复杂性。
-
MLOps：使用 Flask、XGBoost 和 Docker Compose 构建生产就绪的 ML 微服务
本文详细介绍了一个使用 Flask、XGBoost 和 API Gateway 的生产就绪的机器学习微服务架构，并使用 Docker Compose 进行编排。它解决了在单个入口点后管理多个模型的问题，强调了安全性和可观察性。
-
SigNoz 转向 Foundry 进行部署，并引入新的查询语言
自行托管 SigNoz 已从使用 Docker Compose 转向一个名为 Foundry 的新工具，该工具生成部署清单。此更改要求用户调整其安装和配置方法。新流程涉及使用 Foundry 的 `forge` 命令创建 Docker 构件，并使用 `cast` 应用它们，从而提供更大的灵活性和可读性。一个关键更新是 Query Builder v5，它现在支持基于字符串的查询语言来进行过滤和聚合，增强了分析遥测数据和设置警报的能力。
-
Langfuse 提供开源 LLMOps 用于跟踪和调试 LLM
Langfuse 是一个开源 LLMOps 平台，旨在解决调试非确定性 LLM 应用程序的挑战。它提供了跟踪、提示管理和评估功能，使开发人员能够跟踪 LLM 应用程序开发的整个生命周期。该平台可以使用 Docker Compose 自行托管，为生产就绪的 LLM 部署提供了一个全面的堆栈。
-
OpenCode平台通过自定义报告工具获得AI使用可见性
OpenCode AI平台背后的团队开发了一个自定义HTML报告生成器，以提供AI使用统计数据的可见性。该工具从两个来源提取有关会话、令牌、成本和MCP工具调用的数据：一个用于会话级指标的REST API，以及用于工具遥测的直接SQLite访问。生成的报告提供了执行摘要、每日细分、模型分布、代理活动，并识别了最昂贵和令牌最多的会话。
-
Docker Compose 简化本地 LLM 部署与管理
本文讨论了如何使用 Docker Compose 来管理本地大型语言模型 (LLM) 及相关服务。文章强调了本地推理在开发、评估和隐私敏感任务中的趋势，并建议 Docker Compose 可以有效地集成模型运行器、向量数据库和 API。作者还提供了一些实用建议，例如使用 Compose profiles 来管理没有 GPU 的用户的依赖项，并强调了不直接提交模型权重的重要性。
-
WorldMonitor：开源地缘政治情报仪表板获得关注
WorldMonitor 是一个开源、自托管的情报仪表板，专为地缘政治监测和 OSINT 分析而设计。它聚合了来自 50 多个新闻来源的数据，实时跟踪地缘政治事件，并监测关键基础设施。该平台利用 AI 进行事件关联和模式检测，提供可定制的警报和历史分析，定位为 Palantir Gotham 等商业工具的免费替代品。
-
新的仪表板工具简化本地LLM运维
开发者创建了llama-dash，一个用于自托管本地LLM运维的仪表板和日志代理。该工具旨在为本地推理栈提供模型使用可见性、请求日志记录和范围访问控制。它通过代理兼容OpenAI和Anthropic的API端点，记录带有成本估算的请求，并提供速率限制、模型允许列表和基于UI的模型管理等功能。
-
Claude Code 的隐藏遥测功能揭示了成本和缓存指标
Claude Code 是一款面向开发者的工具，它内置了一个隐藏的 OpenTelemetry SDK，可以跟踪 token 使用量、成本和缓存命中率。该功能至少自 2.1.75 版本起就已存在，但默认未启用，需要设置特定的环境变量。通过启用遥测功能并设置本地堆栈（包括 OTel Collector、Prometheus 和 Grafana），用户可以深入了解其 Claude Code API 交互情况，发现对于成熟的代码库，缓存命中…
-
Flowise AI 提供可视化界面用于构建 AI 工作流
Flowise AI 已成为一个用户友好、开源的平台，可通过可视化界面构建 AI 应用程序。它允许用户通过连接节点来构建聊天机器人、AI 工作流和 RAG 系统，无需大量编码。该平台支持通过 NPM 或 Docker Compose 进行本地安装，为自托管部署提供了对数据和配置的更大控制权。
-
开发者通过自托管节省 PostHog 成本，但警告迁移陷阱
一位开发者将他们的 PostHog 分析从 Cloud EU 服务迁移到自托管的 Hetzner 服务器，以节省成本。从每月 180 欧元降至每月 42 欧元，其动机是每月大约会产生 300 万条事件。迁移过程中遇到了一些意想不到的问题，包括 Hobby 套餐中隐藏的每日 10,000 条事件上限以及影响其他服务的 ClickHouse 内存限制。
-
Sourcetable 发布 AI 电子表格，Sourcebot 提供开源代码 AI
Sourcetable 已作为一款原生 AI 电子表格平台发布，可与各种数据源同步并提供 AI 助手进行分析。该工具旨在通过支持自然语言查询数据库和业务应用程序、生成 SQL 以及创建图表来协助分析师和财务专业人士。Sourcebot，作为 Sourcegraph 的开源替代品，也已发布，提供代码搜索和自然语言查询功能，通过内联引用来理解代码库。