# 内网测试服务器时间误差校正

## 切换到 root 用户
```bash
su root
```

## 修改时钟对准配置
编辑配置文件：
```bash
vim /etc/chrony.conf
```

添加或更新内容如下：
```conf
# 添加新的服务器IP配置
server 158.xxx.xxx.254 iburst
```

## 重启时钟同步服务
```bash
systemctl restart chronyd
```

## 查看时钟同步服务状态
```bash
systemctl status chronyd
```





输出示例：
```bash
● chronyd.service - NTP client/server
  Loaded: loaded (/usr/lib/systemd/system/chronyd.service; enabled; vendor preset: enabled)
  Active: active (running) since Wed 2025-04-23 10:50:53 CST; 1min 39 ago
    Docs: man:chronyd(8)
 Process: 86288 ExecStartPost=/usr/libexec/chrony-helper update-daemon (code=exited, status=0/SUCCESS)
 Process: 86285 ExecStart=/usr/sbin/chronyd $OPTIONS (code=exited, status=0/SUCCESS)
 Main PID: 86287 (chronyd)
 Tasks: 1
 Memory: 372.0K
 CGroup: /system.slice/chronyd.service
         └─86287 /usr/sbin/chronyd

Apr 23 10:50:53 localhost.localdomain systemd[1]: Starting NTP client/server...
Apr 23 10:50:53 localhost.localdomain chronyd[86287]: chronyd version 3.2 starting
Apr 23 10:50:53 localhost.localdomain chronyd[86287]: Frequency -6.547 +/- 0.017 ppm read from /var/lib/chrony/drift
Apr 23 10:50:53 localhost.localdomain systemd[1]: Started NTP client/server.
Apr 23 10:50:58 localhost.localdomain chronyd[86287]: Selected source 158.xxx.xxx.254
Apr 23 10:50:58 localhost.localdomain chronyd[86287]: System clock wrong by 45.832436 seconds, adjustment started
Apr 23 10:51:44 localhost.localdomain chronyd[86287]: System clock was stepped by 45.832436 seconds
```

## 当前时间校验
```bash
date
```

输出示例：
```bash
Wed Apr 23 10:51:44 CST 2025
```

内网测试服务器时间误差校正方法

国安局、网信办要求关闭。

故只展示搜索深度搜索的效果：





![深度搜索效果](https://data.golovin.cn/img/63e2db2e2272a7a388bb20e0c8ac32fa.LobeChat_%C3%A6%C2%B7%C2%B1%C3%A5%C2%BA%C2%A6%C3%A6%C2%99%C2%BA%C3%A8%C2%83%C2%BD%C3%A6%C2%90%C2%9C%C3%A7%C2%B4%C2%A2%C3%A5%C2%8A%C2%A9%C3%A6%C2%89%C2%8B_2025-04-17.jpg?imagevanblog)

「国安局、网信办要求关闭」深度搜索Prompt助手分享

# 深度研究助手 Docker 镜像部署手册

## 一、镜像打包和上传

### 1. 准备工作
```bash
# 确保在项目根目录
cd deep_research

# 检查 Docker 是否运行
docker info

# 确保已登录 Docker Hub
docker login
```

### 2. 构建镜像
```bash
# 方法一：使用脚本自动构建（推荐）
./build-slim.sh

# 方法二：指定构建Linux 版本
## MacOS (ARM架构)
TARGET_PLATFORM=linux/arm64 ./build-slim.sh
## Linux (x86架构)
TARGET_PLATFORM=linux/amd64 ./build-slim.sh

# 方法三：手动构建 Linux 版本
docker build --platform=linux/amd64 \
    --build-arg BUILDPLATFORM=linux/amd64 \
    --build-arg TARGETPLATFORM=linux/amd64 \
    -t golovin0623/deep-research:amd64-slim \
    -f Dockerfile.slim .
```





### 3. 验证镜像
```bash
# 查看镜像大小
docker images | grep deep-research

# 测试镜像
docker run --rm golovin0623/deep-research:amd64-slim python --version
```

### 4. 上传镜像
```bash
# 推送到 Docker Hub
docker push golovin0623/deep-research:amd64-slim
```

## 二、服务器部署

### 1. 服务器环境准备
```bash
# 安装 Docker（如果未安装）
curl -fsSL https://get.docker.com | sh

# 安装 Docker Compose（如果未安装）
sudo curl -L "https://github.com/docker/compose/releases/download/v2.24.1/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose

# 创建项目目录
mkdir -p /root/deep_research
cd /root/deep_research
```

### 2. 准备配置文件
```bash
# 创建配置文件
cat > config.json << EOF
{
    "ARK_API_KEY": "您的真实API密钥",
    "REASONING_MODEL": "deepseek-r1-250120",
    "SEARCH_ENGINE": "volc_bot",
    "SEARCH_BOT_ID": "您的SEARCH_BOT_ID",
    "API_ADDR": "http://server:8888/api/v3/bots",
    "API_BOT_ID": "您的API_BOT_ID",
    "SEARCH_MAX_RETRIES": 3,
    "SEARCH_INITIAL_BACKOFF": 1.0,
    "SEARCH_BACKOFF_FACTOR": 2.0,
    "MAX_PLANNING_ROUNDS": 5,
    "MAX_SEARCH_WORDS": 5
}
EOF

# 创建环境变量文件
cat > .env << EOF
ARK_API_KEY=您的真实API密钥
SEARCH_BOT_ID=您的SEARCH_BOT_ID
API_ADDR=http://server:8888/api/v3/bots
API_BOT_ID=您的API_BOT_ID
REASONING_MODEL=deepseek-r1-250120
SEARCH_ENGINE=volc_bot
PLATFORM=linux/amd64
IMAGE_TAG=amd64-slim
PORT_SERVER=8890
PORT_WEBUI=7861
EOF
```

### 3. 创建 docker-compose 配置文件
```bash
# 创建 docker-compose.slim.yml
cat > docker-compose.slim.yml << EOF
version: '3'

services:
  server:
    image: golovin0623/deep-research:\${IMAGE_TAG:-amd64-slim}
    platform: \${PLATFORM:-linux/amd64}
    command: python -m server
    volumes:
      - ./config.json:/app/config.json
    ports:
      - "\${PORT_SERVER:-8890}:8888"
    networks:
      - deep-research-network
    restart: unless-stopped
    environment:
      - ARK_API_KEY=\${ARK_API_KEY}
      - SEARCH_BOT_ID=\${SEARCH_BOT_ID}
      - REASONING_MODEL=\${REASONING_MODEL}
      - SEARCH_ENGINE=\${SEARCH_ENGINE}
      - SEARCH_MAX_RETRIES=\${SEARCH_MAX_RETRIES:-3}
      - SEARCH_INITIAL_BACKOFF=\${SEARCH_INITIAL_BACKOFF:-1.0}
      - SEARCH_BACKOFF_FACTOR=\${SEARCH_BACKOFF_FACTOR:-2.0}
      - APP_MODE=server

  webui:
    image: golovin0623/deep-research:\${IMAGE_TAG:-amd64-slim}
    platform: \${PLATFORM:-linux/amd64}
    command: python -m webui
    volumes:
      - ./config.json:/app/config.json
    ports:
      - "\${PORT_WEBUI:-7861}:7860"
    depends_on:
      - server
    networks:
      - deep-research-network
    restart: unless-stopped
    environment:
      - API_ADDR=\${API_ADDR:-http://server:8888/api/v3/bots}
      - ARK_API_KEY=\${ARK_API_KEY}
      - API_BOT_ID=\${API_BOT_ID}
      - REASONING_MODEL=\${REASONING_MODEL}
      - SEARCH_ENGINE=\${SEARCH_ENGINE}
      - APP_MODE=webui

networks:
  deep-research-network:
    driver: bridge
EOF
```

### 4. 拉取并启动服务
```bash
# 拉取镜像
docker pull golovin0623/deep-research:amd64-slim

# 启动服务
docker-compose -f docker-compose.slim.yml up -d
```

### 5. 验证服务状态
```bash
# 检查容器状态
docker ps

# 查看服务日志
docker-compose -f docker-compose.slim.yml logs -f
```

## 三、服务访问

### 1. 访问地址
- Web界面: `http://服务器IP:7861`
- API服务: `http://服务器IP:8890`

### 2. 测试API连接
```bash
# 使用curl测试API
curl -X POST http://localhost:8890/api/v3/bots \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer 您的ARK_API_KEY" \
  -d '{"messages":[{"role":"user","content":"测试消息"}]}'
```

## 四、维护命令

### 1. 服务管理
```bash
# 停止服务
docker-compose -f docker-compose.slim.yml down

# 重启服务
docker-compose -f docker-compose.slim.yml restart

# 更新服务
docker-compose -f docker-compose.slim.yml pull
docker-compose -f docker-compose.slim.yml up -d
```

### 2. 日志查看
```bash
# 查看所有服务日志
docker-compose -f docker-compose.slim.yml logs -f

# 查看特定服务日志
docker-compose -f docker-compose.slim.yml logs -f server
docker-compose -f docker-compose.slim.yml logs -f webui
```

### 3. 容器管理
```bash
# 查看容器状态
docker ps -a | grep deep-research

# 进入容器
docker exec -it deep_research_server_1 /bin/sh
docker exec -it deep_research_webui_1 /bin/sh
```

## 五、故障排查

### 1. 常见问题
1. **服务无法启动**
   - 检查端口占用：`netstat -tulpn | grep -E '8890|7861'`
   - 检查日志：`docker-compose -f docker-compose.slim.yml logs`
   - 检查配置文件权限：`chmod 644 config.json`

2. **API连接失败**
   - 验证API密钥是否正确
   - 检查网络连接：`curl -v http://localhost:8890`
   - 检查防火墙设置

3. **镜像拉取失败**
   - 检查网络连接
   - 验证Docker Hub登录状态
   - 尝试手动拉取：`docker pull golovin0623/deep-research:amd64-slim`

### 2. 性能监控
```bash
# 查看容器资源使用情况
docker stats

# 查看系统资源使用情况
top
htop  # 如果已安装
```

## 六、安全建议

1. **配置文件安全**
   - 使用环境变量或密钥管理系统存储敏感信息
   - 限制配置文件权限：`chmod 600 config.json`

2. **网络安全**
   - 配置防火墙规则
   - 使用HTTPS进行API访问
   - 限制访问IP

3. **容器安全**
   - 定期更新镜像
   - 使用非root用户运行服务
   - 限制容器资源使用

需要任何具体步骤的详细说明吗？

DeepResearch部署使用手册V2.0

## 本地调试步骤
### 1. 环境准备
- 安装Python 3.9+（小于3.12）
- 安装Poetry 1.6.1：`pip install poetry==1.6.1`
- 获取火山方舟API KEY：访问 [火山方舟控制台](https://console.volcengine.com/ark/region:ark+cn-beijing/apiKey?projectName=default)
- 开通DeepSeek-R1模型：在 [开通管理页](https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement) 完成
### 2. 选择搜索引擎
选择一：使用火山方舟零代码联网应用

- 创建零代码联网应用，获取bot id
- 推荐配置：
  - 推理接入点：Doubao-pro-32k / Doubao-pro-1.5-32k
  - 联网内容插件：开启
  - 智能改写：关闭
  - 调用方式：强制开启
  - 参考资料回复：自定义回复
选择二：使用Tavily搜索引擎

- 获取 [Tavily API KEY](https://docs.tavily.com/guides/quickstart)





### 3. 下载代码
```shell
git clone https://github.com/volcengine/ai-app-lab.git
cd demohouse/deep_research
 ```

### 4. 设置环境变量
如果使用火山方舟零代码联网应用：

```shell
export ARK_API_KEY=xxx-xxxx-xxx-xxx
export REASONING_MODEL=deepseek-r1-250120
export SEARCH_ENGINE=volc_bot
export SEARCH_BOT_ID=bot-xxxxxx-xx
 ```

如果使用Tavily搜索引擎：

```shell
export ARK_API_KEY=xxx-xxxx-xxx-xxx
export REASONING_MODEL=deepseek-r1-250120
export SEARCH_ENGINE=tavily
export TAVILY_API_KEY=xxx-xxx-xxx-xxx
 ```

### 5. 安装依赖并启动服务
```shell
python -m venv .venv
source .venv/bin/activate
poetry install
poetry run python -m server
 ```

服务将在localhost:8888提供符合OpenAI规范的Chat API服务。

### 6. 启动WebUI
在新的终端窗口中：

```shell
# 设置连接本地服务器
export API_ADDR=http://localhost:8888/api/v3/bots

python -m venv .venv
source .venv/bin/activate
poetry install

# 启动WebUI
poetry run python -m webui
 ```


:::info{title="Tips 可一键脚本自动启动"}
直接执行 `start` 脚本，自动启动 `server` 和 `webUI`

注意此时的访问链接、API_ADDR 需要配置为本地 `localhost` 或者 `127.0.0.1`

```sh
./start.sh
```
:::

### 7. 访问应用
使用浏览器访问`http://localhost:7860/` 即可使用Deep Research应用。

通过以上步骤，你可以在本地成功部署和调试Deep Research项目，体验其强大的深度推理和联网搜索能力。


### 8. docker打包部署

如何使用：
1. 构建镜像（无需敏感配置）


```sh
# 使用构建模式构建镜像（不检查API密钥）
./deploy-all.sh --build

# 或者只构建不启动
./deploy-all.sh --build-only
```

2. 发布镜像
构建后可以安全地将镜像发布到 Docker Hub 或其他镜像仓库，不会包含您的敏感信息。
3. 部署使用（需要配置）


```sh
# 正常部署模式，会严格检查配置
./deploy-all.sh
```

4. 单独使用配置检查工具

```sh
# 严格检查模式（用于部署前）
./check-config.sh

# 宽松构建模式（用于构建时）
./check-config.sh --build-mode
```

5. 仓库镜像推送

```sh
# 登录docker hub
docker login -u golovin0623
# 输入密码或访问令牌（建议用访问令牌）

# 确认本地镜像
docker images | grep golovin/deep-research
## 输出应包含：
## golovin0623/deep-research   amd64    abcdef123456   1 hour ago   1.2GB
## golovin0623/deep-research   latest   abcdef123456   1 hour ago   1.2GB


# 推送所有标签
docker push golovin0623/deep-research --all-tags

# 为 AMD64 架构打标签
docker tag golovin0623/deep-research:amd64 golovin0623/deep-research:amd64

# 为 latest 标签打标签
docker tag golovin0623/deep-research:latest golovin0623/deep-research:latest


# 或单独推送指定标签
docker push golovin0623/deep-research:amd64
docker push golovin0623/deep-research:latest

```

### 9. 镜像使用

#### 1. 系统概述

深度研究助手由两个主要组件组成：
- **Server服务**：处理API请求，连接搜索引擎
- **WebUI服务**：提供用户界面，调用Server服务的API

这两个组件封装在同一个Docker镜像中，但需要作为两个独立的容器运行。

#### 2. 配置准备

##### 2.1 创建配置文件

```bash
# 创建配置文件
cat > config.json << EOF
{
    "ARK_API_KEY": "您的API密钥",
    "REASONING_MODEL": "deepseek-r1-250120",
    "SEARCH_ENGINE": "volc_bot",
    "SEARCH_BOT_ID": "您的搜索Bot ID",
    "API_BOT_ID": "您的API Bot ID"
}
EOF
```

##### 2.2 关键配置项说明

| 配置项 | 描述 | 必填 |
|--------|------|------|
| ARK_API_KEY | API密钥，用于认证 | 是 |
| SEARCH_BOT_ID | 搜索服务的Bot ID | 是 |
| API_BOT_ID | API服务的Bot ID | 是 |
| REASONING_MODEL | 推理模型名称 | 否（默认值：deepseek-r1-250120） |
| SEARCH_ENGINE | 搜索引擎类型 | 否（默认值：volc_bot） |

#### 3. 部署方法

##### 3.1 使用Docker Compose（推荐）

1. 创建docker-compose.yml文件：

```bash
services:
  server:
    image: golovin/deep-research:latest
    command: python -m server
    volumes:
      - ./config.json:/app/config.json
    ports:
      - "8889:8888"
    networks:
      - deep-research-network
    restart: unless-stopped
    environment:
      - ARK_API_KEY=您的API密钥
      - SEARCH_BOT_ID=您的搜索Bot ID
      - REASONING_MODEL=deepseek-r1-250120
      - SEARCH_ENGINE=volc_bot

  webui:
    image: golovin/deep-research:latest
    command: python -m webui
    volumes:
      - ./config.json:/app/config.json
    ports:
      - "7860:7860"
    depends_on:
      - server
    networks:
      - deep-research-network
    restart: unless-stopped
    environment:
      - API_ADDR=http://server:8888/api/v3/bots
      - ARK_API_KEY=您的API密钥
      - API_BOT_ID=您的API Bot ID

networks:
  deep-research-network:
    driver: bridge
```

2. 启动服务：

```bash
docker-compose up -d
```

##### 3.2 手动启动方法

如果不使用Docker Compose，可以手动创建网络并启动容器：

```bash
# 创建网络
docker network create deep-research-network

# 启动Server容器
docker run -d --name deep_research_server \
  --network deep-research-network \
  -p 8889:8888 \
  -v $(pwd)/config.json:/app/config.json \
  -e ARK_API_KEY="您的API密钥" \
  -e SEARCH_BOT_ID="您的搜索Bot ID" \
  -e REASONING_MODEL="deepseek-r1-250120" \
  -e SEARCH_ENGINE="volc_bot" \
  golovin/deep-research:latest \
  python -m server

# 启动WebUI容器
docker run -d --name deep_research_webui \
  --network deep-research-network \
  -p 7860:7860 \
  -v $(pwd)/config.json:/app/config.json \
  -e ARK_API_KEY="您的API密钥" \
  -e API_BOT_ID="您的API Bot ID" \
  -e API_ADDR="http://deep_research_server:8888/api/v3/bots" \
  golovin/deep-research:latest \
  python -m webui
```

#### 4. 配置方法说明

##### 4.1 配置优先级

1. 环境变量（优先级最高）
2. config.json配置文件
3. 应用默认值（优先级最低）

##### 4.2 环境变量与配置文件的选择

- **仅使用环境变量**：适合CI/CD环境或不方便挂载文件的情况
- **仅使用配置文件**：适合本地开发，但API_ADDR仍需要环境变量设置
- **混合使用**：最灵活的方式，敏感信息用环境变量，其他用配置文件

##### 4.3 关于API_ADDR的特殊说明

无论使用何种配置方式，都建议将API_ADDR设置为环境变量：
- 在Docker Compose中：`API_ADDR=http://server:8888/api/v3/bots`
- 在手动方式中：`API_ADDR=http://容器名:8888/api/v3/bots`

#### 5. 验证和故障排除

##### 5.1 验证服务是否正常运行

```bash
# 检查容器状态
docker ps

# 查看WebUI日志
docker logs deep_research_webui

# 查看Server日志
docker logs deep_research_server
```

##### 5.2 常见问题和解决方法

| 问题 | 可能原因 | 解决方法 |
|------|---------|---------|
| WebUI无法打开 | 端口未正确映射 | 检查docker ps输出中的端口映射 |
| API连接错误 | Server和WebUI无法通信 | 检查API_ADDR配置和网络设置 |
| 空白页面或502错误 | WebUI服务未成功启动 | 查看容器日志检查错误信息 |
| 搜索功能不可用 | API密钥或Bot ID错误 | 确认ARK_API_KEY和SEARCH_BOT_ID正确 |

##### 5.3 测试API连接

```bash
# 进入WebUI容器测试与Server的连接
docker exec -it deep_research_webui curl http://server:8888/v1/ping

# 或者在手动部署的情况下
docker exec -it deep_research_webui curl http://deep_research_server:8888/v1/ping
```

#### 6. 最佳实践

1. **使用Docker Compose**：更简单、更易于管理
2. **配置文件与环境变量结合**：敏感信息使用环境变量
3. **挂载配置文件**：便于修改配置而不需要重建容器
4. **检查网络连接**：确保两个服务可以互相通信
5. **资源配置**：对于生产环境，考虑添加内存限制
6. **持久化日志**：考虑配置日志卷以便排查问题

#### 7. 访问服务

成功部署后，可通过以下地址访问服务：

- **Web界面**：http://localhost:7860
- **API服务**：http://localhost:8889

---

火山引擎Deep Research 二开摸索

# New-API 开发调试手册

## 1. 环境准备
- Node.js 环境
- Go 开发环境
- Git
- 编辑器（推荐 VSCode 或 GoLand）

## 2. 项目初始化
```bash
# 克隆项目
git clone https://github.com/Calcium-Ion/new-api.git
cd /Users/liangfeng/evn/projects/new-api

# 创建环境配置文件
cp .env.example .env
```

## 3. 开发模式一：前端开发模式
适用于主要进行前端代码修改的场景。

### 3.1 启动后端服务
```bash
cd /Users/liangfeng/evn/projects/new-api
FRONTEND_BASE_URL=http://localhost:5173 go run main.go
```





### 3.2 启动前端开发服务器
```bash
cd /Users/liangfeng/evn/projects/new-api/web
npm install
npm run dev
```

特点：
- 前端代码修改后自动热重载
- 后端提供 API 服务
- 前端通过 `FRONTEND_BASE_URL` 连接后端 API

## 4. 开发模式二：后端开发模式
适用于主要进行后端代码修改的场景。

### 4.1 构建前端代码
```bash
cd /Users/liangfeng/evn/projects/new-api/web
npm install
npm run build
```

### 4.2 启动后端服务
```bash
cd /Users/liangfeng/evn/projects/new-api
go run main.go
```

特点：
- 前端代码已编译为静态文件
- 后端代码修改后需要重启服务
- 适合调试后端 API 和业务逻辑

## 5. 数据库配置
默认使用 SQLite 数据库，如需使用 MySQL，在 `.env` 文件中配置：
```plaintext
SQL_DSN=user:password@tcp(127.0.0.1:3306)/dbname?parseTime=true
```

## 6. 调试技巧

### 6.1 后端调试
- 使用 `go run` 启动时可以设置环境变量：
```bash
ENABLE_PPROF=true go run main.go
```
- 查看日志：所有系统日志会输出到控制台

### 6.2 前端调试
- 使用浏览器开发者工具
- 前端开发服务器默认端口：5173
- API 请求监控：Network 面板

## 7. 常见问题

### 7.1 `web/dist: no matching files found`
解决方案：需要先构建前端代码
```bash
cd /Users/liangfeng/evn/projects/new-api/web
npm run build
```

### 7.2 前后端连接问题
检查：
- 后端 API 地址配置
- CORS 设置
- 环境变量 `FRONTEND_BASE_URL` 配置

## 8. 生产环境构建

### 8.1 前端构建
```bash
cd /Users/liangfeng/evn/projects/new-api/web
npm run build
```

### 8.2 后端构建
```bash
cd /Users/liangfeng/evn/projects/new-api
go build
```

## 9. 注意事项
1. 首次启动会自动创建 root 用户（密码：123456）
2. 开发时建议启用内存缓存：`MEMORY_CACHE_ENABLED=true`
3. 代码提交前请运行 `npm run lint:fix` 格式化前端代码

## 10. 待完善内容
- [ ] Docker 开发环境配置
- [ ] 单元测试流程
- [ ] CI/CD 流程
- [ ] 性能调优指南
- [ ] 多节点部署调试