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
-
开源Edi Life OS为AI助手整合个人数据
Edi Life OS是一个开源的、自托管的仪表板，旨在整合用户生活的各个方面，包括专注、习惯、目标、项目和财务。该系统使用纯PHP、MySQL和JavaScript开发，追求简洁和长期的可读性，可以在基本的共享主机上运行。该系统采用乐观并发控制来防止数据覆盖，并具有强大的财务模块，将债务和信贷作为计划进行处理，确保准确的财务跟踪。
-
将企业级Agentic RAG从本地开发扩展到Kubernetes
本文讨论了企业级检索增强生成（RAG）系统从Docker Compose等本地开发环境过渡到Kubernetes等生产就绪的云基础设施的过程。文章强调了在实际应用中扩展这些复杂系统所面临的挑战和考虑因素，特别是在保险行业的承保流程中。
-
Flowise：使用Docker Compose部署的开源可视化LLM工作流构建器
Flowise 是一个开源的、低代码的构建 LLM 驱动应用程序的平台，现在可以通过 Docker Compose 在 Linux 服务器上进行部署。这种设置允许开发人员在不进行大量编码的情况下，可视化地连接提示、模型和数据源。部署过程包括配置用于域路由、身份验证和数据库连接的环境变量，然后使用 Docker Compose 将 Flowise 与 PostgreSQL 和 Traefik 一起运行以实现 HTTPS。这使得创建自定义…
-
FastMCP 简化了 AI 工具集成，但生产部署需要强大的安全性
模型上下文协议 (MCP) 使 AI 应用程序能够与外部工具和数据进行交互，但安全部署它会带来挑战。FastMCP 通过处理消息交换和会话跟踪来简化通信代码，但它需要独立的生产 OAuth 和授权服务。关键安全注意事项包括验证 bearer 令牌、验证 Host 和 Origin 标头以防止 DNS 重新绑定攻击，以及确保使用 nginx 进行正确的 TLS 配置。本文详细介绍了使用 Docker Compose 的实际部署架构，强调…
-
安全公司评估 AI 供应商 Baseten；发布 Docker Compose 指南
一家名为 Strix 的安全公司正在评估推理提供商 Baseten 作为供应商。评估过程涉及评估 Baseten 的能力以及其是否适合 Strix 的需求。另外，发布了一份技术指南，介绍如何在 Docker Compose 中隔离 tonhowtf/omniget 工具以用于 AI 媒体管道，旨在防止依赖冲突并简化提取过程。
-
Tauric Research 发布开源 LLM 算法交易框架
Tauric Research 发布了一个名为 TradingAgents 的开源框架，旨在使大型语言模型能够进行算法金融交易。该框架采用多智能体架构，设有独立的智能体负责数据摄取、策略制定、风险评估和执行，并通过消息总线进行通信。这种模块化设计允许独立升级智能体，并包含用于回测、性能仪表板以及与云基础设施集成以进行实时市场数据处理和订单执行的工具。
-
开发者构建mcpobs以提供对MCP工具调用失败的具体洞察
一位开发者创建了一个名为mcpobs的新工具，以解决通用应用程序性能监控（APM）工具在处理MCP（消息通信协议）调用时的局限性。现有的APM工具通常无法提供对MCP失败的具体洞察，而是将其视为通用的HTTP请求。Mcpobs旨在将这些失败归类为可操作的类别，跟踪长时间运行的工具进度，并在同一跟踪中显示下游调用。该工具可通过Docker Compose作为开源、可自托管的解决方案提供，并提供邀请制的托管版本。
-
指南：将本地 LLM 服务器从 Ollama 迁移到 vLLM
本指南详细介绍了将本地 LLM 服务器托管从 Ollama 迁移到 vLLM 的过程。它涵盖了重要的迁移信号、规划策略，并提供了 Docker Compose 设置的说明。本文旨在为用户提供一份实用的清单，以确保在这两个流行的 LLM 服务框架之间顺利过渡。
-
安全漏洞：子进程继承父进程的全部 .env 密钥
已发现一个安全漏洞，通过 stdio 产生的子进程会继承其父进程的整个环境，包括敏感的 API 密钥和令牌。这是因为父进程从 .env 文件加载密钥，而后续的子进程继承了这个环境，而不是一个有限的子集。此问题影响各种工具和框架，包括 MCP 服务器、LangChain 子进程工具和 Docker Compose，其中配置的密钥作用域机制被绕过。修复方法是显式地从允许列表中构建子进程环境，而不是继承父进程的完整集合。
-
开源工具 Opslane 自动化 JavaScript 应用的 bug 检测和修复
Opslane 是一款新的开源工具，旨在自动查找和修复 JavaScript 应用中面向用户的 bug。它会记录用户会话，识别关键错误和非异常 bug，然后使用编码代理通过 pull requests 进行调查并提出修复方案。该系统集成了 Anthropic 等服务进行调查，并使用 E2B 进行沙盒化，同时在用户自己的堆栈上运行其核心组件，使用 PostgreSQL 和 MinIO。
-
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。