AI 宠物蛋 🥚🐣

一个100%本地化、由大语言模型生成和驱动的虚拟宠物，具有思想、感情和反馈。重温您对电子宠物的美好回忆！https://ai-tamago.fly.dev/

所有ASCII动画均使用ChatGPT生成（提示词包含在仓库中）。

有问题吗？加入AI Stack开发者，在#ai-tamago频道找我。

演示 🪄

https://github.com/ykhli/AI-tamago/assets/3489963/8d7cb2ac-537a-45d4-98a5-1802b773e364

技术栈

本地模式

🦙 推理：Ollama，可选使用OpenAI或Replicate
🔔 游戏状态：Inngest
💻 事务性和向量数据库：Supabase pgvector
🧠 LLM编排：Langchain.js
🖼️ 应用逻辑：Next.js
🧮 嵌入生成：Transformer.js和all-MiniLM-L6-v2
🖌️ 用户界面：Magic Patterns和Vercel v0

生产模式

除上述所有外，还包括：

🔐 认证和用户管理：Clerk
☁️ 托管：Fly
🥇 速率限制：Upstash

概述

🚀 快速开始
💻 部署指南

前提条件

安装Docker

快速开始

1. 复刻并克隆仓库

将仓库复刻到您的GitHub账户，然后运行以下命令克隆仓库：

git clone git@github.com:[您的GitHub账户名]/AI-tamago.git

2. 安装依赖

cd ai-tamago
npm install

所有客户端电子宠物代码都在Tamagotchi.tsx中

3. 安装Ollama

安装说明在这里。

4. 本地运行Supabase

安装Supabase CLI

brew install supabase/tap/supabase

启动Supabase

确保您在/ai-tamago目录下，然后运行：

supabase start

提示：要运行迁移或重置数据库 -- seed.sql和migrations将运行 supabase db reset

5. 填写密钥

注意：这里的密钥是针对您的本地Supabase实例的

cp .env.local.example .env.local

然后通过运行以下命令获取SUPABASE_PRIVATE_KEY

supabase status

复制service_role key并将其保存为.env.local中的SUPABASE_PRIVATE_KEY

6. 设置Inngest

npx inngest-cli@latest dev

确保您的应用程序正在运行 -- Inngest函数（用于驱动游戏状态）应该自动注册。

7. 本地运行应用

现在您已准备好在本地测试应用程序！只需在项目根目录下运行npm run dev，然后访问http://localhost:3000。

部署指南

现在您已经在本地玩过AI宠物蛋了 -- 是时候将它部署到更持久的地方，这样您随时都可以访问它！ 0. 选择你想在生产环境中使用的模型

如果你想在生产环境中测试Chatgpt，只需从.env.local中删除LLM_MODEL=ollama，并填写OPENAI_API_KEY
如果你想尝试Replicate，设置LLM_MODEL=replicate_llama并填写REPLICATE_API_TOKEN
如果你想自己部署Ollama，可以参考这个很棒的指南 -- 使用Ollama将大型语言模型扩展到零。在performance-4x Fly虚拟机（CPU）上运行Ollama是可能的，需要100gb的存储空间，但如果你能获得GPU访问权限，速度会快得多。如果你还没有访问权限，可以在这里加入Fly的GPU等待列表！

1. 切换到deploy分支 -- 这个分支包含了部署类似这样应用所需的一切。

git co deploy

这个分支包含了一个多租户就绪（感谢Clerk）的应用，这意味着每个用户都可以获得自己的AI-tamago，并且内置了令牌限制 -- 你可以在应用中设置用户可以发送请求的次数（参见ratelimit.ts）

2. 迁移到Supabase云：

在这里创建一个Supabase项目，然后转到项目设置 -> API。在.env.local中填写密钥
SUPABASE_URL是"Project URL"下的URL值
SUPABASE_PRIVATE_KEY是Project API Keys下以ey开头的密钥
复制Supabase项目ID，你可以从URL https://supabase.com/dashboard/project/[project-id] 中找到

在你的Ai-tamago项目根目录下运行：

supabase link --project-ref [插入项目ID]
supabase migration up
supabase db reset --linked

3. 为限速创建Upstash Redis实例

这将确保没有单个用户过多调用任何API，占用所有推理工作负载。我们在这里使用的是Upstash的出色的限速SDK。

登录Upstash
在顶部导航栏的"Redis"下，点击"Create Database"
给它一个名称，然后根据你的偏好选择区域和其他选项。点击"Create"
向下滚动到"REST API"部分，点击".env"。现在你可以复制粘贴两个环境变量（UPSTASH_REDIS_REST_URL和UPSTASH_REDIS_REST_TOKEN）到你的.env.local中

4. 现在你已准备好在Fly.io上部署所有内容！

在fly.io上注册一个账户，然后安装flyctl
在项目根目录下运行fly launch。这将生成一个包含你所需所有配置的fly.toml
运行fly scale memory 512来扩展这个应用的fly虚拟机内存。
运行fly deploy --ha=false来部署应用。--ha标志确保fly只启动一个实例，这包含在免费计划中。
对于任何其他非本地主机环境，现有的Clerk开发实例应该继续工作。你可以通过运行cat .env.local | fly secrets import将密钥上传到Fly
如果你想把这变成一个真正的产品，你应该在当前Clerk实例下创建一个生产环境。有关使用Clerk部署生产应用的更多详情，请查看他们的文档。注意，作为流程的一部分，你可能需要管理自己的域名并进行域名验证。
在本地创建一个新文件.env.prod并填写所有生产环境密钥。记得通过从Clerk的生产实例复制密钥来更新NEXT_PUBLIC_CLERK_PUBLISHABLE_KEY和CLERK_SECRET_KEY -cat .env.prod | fly secrets import上传密钥。