Skip to content

02-setup-local.md

Latest commit

 

History

History
227 lines (152 loc) · 10.8 KB

02-setup-local.md

File metadata and controls

227 lines (152 loc) · 10.8 KB
Raw

Helyi beállítás 🖥️

Használd ezt az útmutatót, ha inkább a saját laptopodon futtatnád az egészet.
Két utad van: (A) natív Python + virtual-env vagy (B) VS Code fejlesztői konténer Dockerrel.
Válaszd azt, amelyik könnyebbnek tűnik — mindkettő ugyanahhoz a leckéhez vezet.

1. Előfeltételek

Eszköz Verzió / Megjegyzés
Python 3.10 + (letölthető innen: https://python.org)
Git Legfrissebb (az Xcode / Git for Windows / Linux csomagkezelő részeként érkezik)
VS Code Opcionális, de ajánlott https://code.visualstudio.com
Docker Desktop Csak a B opcióhoz. Ingyenes telepítés: https://docs.docker.com/desktop/

💡 Tipp – Ellenőrizd az eszközöket terminálban:
python --version, git --version, docker --version, code --version

2. A lehetőség – A opción Native Python (leggyorsabb)

1. lépés Klónozd ezt a repót

git clone https://github.com/<your-github>/generative-ai-for-beginners
cd generative-ai-for-beginners

2. lépés Hozz létre és aktiválj egy virtuális környezetet

python -m venv .venv          # csinálj egyet
source .venv/bin/activate     # macOS / Linux
.\.venv\Scripts\activate      # Windows PowerShell

✅ A promptnak most (.venv)-nel kell kezdődnie — ez azt jelenti, hogy benne vagy a környezetben.

3. lépés Telepítsd a függőségeket

pip install -r requirements.txt

Ugorj a 3. szakaszhoz az API kulcsok részhez

2. B lehetőség – VS Code fejlesztői konténer (Docker)

Ezt a repót és kurzust egy fejlesztői konténer segítségével állítottuk be, amely egy univerzális futtatókörnyezetet biztosít Python3, .NET, Node.js és Java fejlesztéshez. A vonatkozó konfiguráció a devcontainer.json fájlban van definiálva, ami a .devcontainer/ mappában található, ezen repó gyökerében.

Miért válaszd ezt? Ugyanaz a környezet, mint a Codespaces-ben; nincs függőségeltolódás.

0. lépés Telepítsd a kiegészítőket

Docker Desktop – győződj meg róla, hogy a docker --version működik. VS Code Remote – Containers kiegészítő (ID: ms-vscode-remote.remote-containers).

1. lépés Nyisd meg a repót VS Code-ban

Fájl ▸ Mappa megnyitása… → generative-ai-for-beginners

A VS Code érzékeli a .devcontainer/ mappát és felugró ablakot jelenít meg.

2. lépés Nyisd meg újra a konténerben

Kattints a „Reopen in Container” gombra. A Docker először összeállítja a képet (kb. 3 perc első alkalommal). Amikor megjelenik a terminál prompt, már benne vagy a konténerben.

2. C lehetőség – Miniconda

A Miniconda egy könnyű telepítő a Conda, Python és néhány csomag telepítéséhez. A Conda maga egy csomagkezelő, amely megkönnyíti a különböző Python virtuális környezetek és csomagok létrehozását és váltását. Hasznos lehet olyan csomagok telepítéséhez is, amelyek nem érhetőek el a pip-en keresztül.

0. lépés Telepítsd a Minicondát

Kövesd a MiniConda telepítési útmutatóját.

conda --version

1. lépés Hozz létre egy virtuális környezetet

Hozz létre egy új környezeti fájlt (environment.yml). Ha Codespaces-t használsz, hozd létre a .devcontainer mappán belül, azaz .devcontainer/environment.yml néven.

2. lépés Töltsd fel a környezeti fájlodat

Add hozzá a következő részletet az environment.yml fájlhoz

name: <environment-name>
channels:
 - defaults
 - microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
    - azure-ai-ml

3. lépés Hozd létre a Conda környezetedet

Futtasd a parancsokat a parancssorban/terminálban

conda env create --name ai4beg --file .devcontainer/environment.yml # A .devcontainer alútvonal csak a Codespace beállításokra vonatkozik
conda activate ai4beg

Hiba esetén lásd a Conda környezetek útmutatóját.

2. D lehetőség – Klasszikus Jupyter / Jupyter Lab (böngészőben)

Kinek való ez?
Akinek a klasszikus Jupyter felület a kedvence, vagy aki nem szeretne VS Code-ot használni a jegyzetfüzetekhez.

1. lépés Győződj meg róla, hogy Jupyter telepítve van

A helyi Jupyter indításához nyisd meg a terminált/parancssort, navigálj el a kurzus könyvtárához, és futtasd:

jupyter notebook

vagy

jupyterhub

Ez elindít egy Jupyter példányt, és a hozzáférési URL megjelenik a parancssor ablakában.

Amint megnyitod az URL-t, látnod kell a kurzus vázlatát, és bármelyik *.ipynb fájlra navigálhatsz, például 08-building-search-applications/python/oai-solution.ipynb.

3. Add meg az API kulcsaidat

Az API kulcsok biztonságos tárolása fontos bármilyen alkalmazás építésekor. Ajánlott, hogy ne tárold az API kulcsokat közvetlenül a kódodban. Ha publikus repóba kerülnek, az biztonsági gondokat és nem kívánt költségeket okozhat rosszindulatú használat esetén. Íme egy lépésről lépésre útmutató, hogyan készíts .env fájlt Pythonhoz és hogyan add hozzá a Microsoft Foundry Models hitelesítő adataidat:

Megjegyzés: A GitHub Models (és a GITHUB_TOKEN változó) 2026 július végén megszűnik. Ez az útmutató helyette a Microsoft Foundry Models használatát ajánlja. Ha teljesen offline szeretnél dolgozni, nézd meg a Foundry Local megoldást.

  1. Navigálj a projekt könyvtáradba: Nyisd meg a terminált vagy parancssort, és menj abba a mappába, ahol létre akarod hozni a .env fájlt.

    cd path/to/your/project

  2. Készítsd el a .env fájlt: Használd kedvenc szövegszerkesztődet egy új .env nevű fájl létrehozásához. Parancssorban Unix rendszereken használhatod a touch parancsot, Windows-on az echo-t:

    Unix alapú rendszerek:

    touch .env

    Windows:

    echo . > .env

  3. Szerkeszd a .env fájlt: Nyisd meg a .env fájlt szövegszerkesztőben (pl. VS Code, Notepad++, vagy bármely más). Add hozzá az alábbi sorokat, a címkéket cseréld ki a saját Microsoft Foundry projekt végpontod és API kulcsodra:

    AZURE_INFERENCE_ENDPOINT=your_foundry_endpoint_here
AZURE_INFERENCE_CREDENTIAL=your_foundry_api_key_here

  4. Mentsd a fájlt: Mentsd el a módosításokat és zárd be a szövegszerkesztőt.

  5. Telepítsd a python-dotenv-et: Ha még nem tetted, telepítened kell a python-dotenv csomagot, hogy a környezeti változókat betölthesd a .env fájlból a Python alkalmazásodba. Telepítheted a pip-pel:

    pip install python-dotenv

  6. Töltsd be a környezeti változókat a Python scriptedben: A Python scriptedben használd a python-dotenv csomagot a .env fájlban lévő környezeti változók betöltéséhez:

    from dotenv import load_dotenv
import os

# Környezeti változók betöltése a .env fájlból
load_dotenv()

# Hozzáférés a Microsoft Foundry Models változóihoz
endpoint = os.getenv("AZURE_INFERENCE_ENDPOINT")
token = os.getenv("AZURE_INFERENCE_CREDENTIAL")

print(endpoint)

Ennyi! Sikeresen létrehoztad a .env fájlt, hozzáadtad a Microsoft Foundry Models hitelesítő adataidat, és betöltötted azokat a Python alkalmazásodba.

🔐 Soha ne küldd be a .env fájlt verziókezelőbe — már benne van a .gitignore-ban. A szolgáltató részletes útmutatója megtalálható a providers.md fájlban.

4. Mi a következő lépés?

Szeretném… Ugrás ide…
Kezdeni az 1. leckét 01-introduction-to-genai
Beállítani egy LLM szolgáltatót providers.md
Megismerni más tanulókat Csatlakozz a Discord szerverünkhöz

5. Hibakeresés

Tünet Megoldás
python nem található Add hozzá a Pythont a PATH változóhoz, vagy indítsd újra a terminált telepítés után
pip nem tud kereket építeni (Windows) Futtasd: pip install --upgrade pip setuptools wheel, majd próbáld újra.
ModuleNotFoundError: dotenv Futtasd a pip install -r requirements.txt parancsot (nincs telepítve az env).
Docker build hibák Nincs hely Docker Desktop ▸ Beállítások ▸ Erőforrások → növeld a lemezméretet.
A VS Code folyamatosan újbóli megnyitásra kér Lehet, hogy mindkét opció aktív; válassz egyet (venv vagy konténer)
OpenAI 401 / 429 hibák Ellenőrizd az OPENAI_API_KEY értéket / a lekérések sebességét.
Problémák Conda használatakor Telepítsd a Microsoft AI könyvtárakat a conda install -c microsoft azure-ai-ml parancsal

Jogi nyilatkozat: Ez a dokumentum az AI fordítási szolgáltatás, a Co-op Translator segítségével készült. Bár az pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az anyanyelvén tekintendő hiteles forrásnak. Fontos információk esetén professzionális emberi fordítást javasolunk. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely ebből a fordításból ered.