opro_demo/QUICK_START.md

# 快速开始指南

## 离线部署（All-in-One 方案）

### 在开发机器上（有外网）

```bash
# 1. 下载模型
ollama pull qwen3:14b
ollama pull qwen3-embedding:4b

# 2. 导出模型
./export-ollama-models.sh

# 3. 构建并导出 Docker 镜像
./build-allinone.sh

# 4. 传输到目标服务器
# 文件: system-prompt-optimizer-allinone.tar (约 10-20GB)
scp system-prompt-optimizer-allinone.tar user@server:/path/
```

### 在目标服务器上（无外网）

```bash
# 1. 加载镜像
docker load -i system-prompt-optimizer-allinone.tar

# 2. 启动服务
docker run -d \
  --name system-prompt-optimizer \
  -p 8010:8010 \
  -p 11434:11434 \
  -v $(pwd)/outputs:/app/outputs \
  --restart unless-stopped \
  system-prompt-optimizer:allinone

# 3. 等待启动（约 60 秒）
sleep 60

# 4. 验证
curl http://localhost:8010/health
curl http://localhost:11434/api/tags

# 5. 访问界面
# http://<服务器IP>:8010/ui/opro.html
```

## 常用命令

```bash
# 查看日志
docker logs -f system-prompt-optimizer

# 重启服务
docker restart system-prompt-optimizer

# 停止服务
docker stop system-prompt-optimizer

# 删除容器
docker rm -f system-prompt-optimizer

# 进入容器
docker exec -it system-prompt-optimizer bash

# 检查模型
docker exec -it system-prompt-optimizer ollama list
```

## 端口说明

- **8010**: Web 界面和 API
- **11434**: Ollama 服务（仅 All-in-One 方案需要暴露）

## 文件说明

- `system-prompt-optimizer-allinone.tar`: 完整镜像（10-20GB）
- `outputs/`: 用户反馈日志目录

## 故障排查

### 服务无法启动

```bash
# 查看日志
docker logs system-prompt-optimizer

# 检查端口占用
netstat -tulpn | grep 8010
netstat -tulpn | grep 11434
```

### 模型不可用

```bash
# 进入容器检查
docker exec -it system-prompt-optimizer ollama list

# 应该看到:
# qwen3:14b
# qwen3-embedding:4b
```

### 性能慢

- 确保服务器有足够的 RAM（建议 16GB+）
- 如果有 GPU，使用支持 GPU 的 Docker 运行时
- 调整 `config.py` 中的 `GENERATION_POOL_SIZE`

## 更多信息

详细文档请参考：
- `DEPLOYMENT.md`: 完整部署指南
- `README.md`: 项目说明
- http://localhost:8010/docs: API 文档