# MES AI服务部署指南

## 快速部署步骤

### 1. 环境准备

```bash
# 克隆项目
git clone <repository-url>
cd imes

# 检查Python版本
python --version  # 需要 >= 3.11

# 安装uv包管理器
pip install uv
```

### 2. 依赖安装

```bash
# 同步依赖
uv sync

# 或者使用pip安装
pip install -r requirements.txt
```

### 3. 环境配置

```bash
# 创建环境配置文件
cat > .env << EOF
MES_AI_OPENAI_API_KEY=your_openai_api_key_here
MES_AI_DEBUG=true
MES_AI_PORT=8000
MES_AI_LOG_LEVEL=INFO
EOF
```

### 4. 启动服务

```bash
# 使用启动脚本（推荐）
python scripts/start.py

# 或直接启动
python main.py
```

### 5. 验证部署

```bash
# 健康检查
curl http://localhost:8000/api/v1/health

# 测试聊天接口
curl -X POST "http://localhost:8000/api/v1/chat" \
     -H "Content-Type: application/json" \
     -d '{"message": "你好，我想了解系统功能"}'
```

## Docker部署

### Dockerfile

```dockerfile
FROM python:3.11-slim

WORKDIR /app

# 安装系统依赖
RUN apt-get update && apt-get install -y \
    build-essential \
    && rm -rf /var/lib/apt/lists/*

# 复制项目文件
COPY . .

# 安装Python依赖
RUN pip install uv
RUN uv sync

# 创建必要目录
RUN mkdir -p knowledge_base logs

# 暴露端口
EXPOSE 8000

# 启动命令
CMD ["python", "main.py"]
```

### Docker Compose

```yaml
version: '3.8'

services:
  mes-ai:
    build: .
    ports:
      - "8000:8000"
    environment:
      - MES_AI_OPENAI_API_KEY=${OPENAI_API_KEY}
      - MES_AI_DEBUG=false
      - MES_AI_LOG_LEVEL=INFO
    volumes:
      - ./knowledge_base:/app/knowledge_base
      - ./logs:/app/logs
    restart: unless-stopped

  # 可选：添加Redis缓存
  redis:
    image: redis:7-alpine
    ports:
      - "6379:6379"
    restart: unless-stopped
```

## 生产环境部署

### 1. 环境变量配置

```bash
# 生产环境配置
export MES_AI_OPENAI_API_KEY="your_production_api_key"
export MES_AI_DEBUG=false
export MES_AI_WORKERS=4
export MES_AI_LOG_LEVEL=WARNING
export MES_AI_LOG_FILE="/var/log/mes-ai/app.log"
export MES_AI_SECRET_KEY="your-secure-secret-key"
export MES_AI_CORS_ORIGINS='["https://your-domain.com"]'
```

### 2. 使用Gunicorn部署

```bash
# 安装Gunicorn
pip install gunicorn

# 启动服务
gunicorn src.app:app \
  --host 0.0.0.0 \
  --port 8000 \
  --workers 4 \
  --worker-class uvicorn.workers.UvicornWorker \
  --access-logfile /var/log/mes-ai/access.log \
  --error-logfile /var/log/mes-ai/error.log
```

### 3. Nginx反向代理

```nginx
server {
    listen 80;
    server_name your-domain.com;

    location / {
        proxy_pass http://127.0.0.1:8000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
    }
}
```

### 4. 系统服务配置

```ini
# /etc/systemd/system/mes-ai.service
[Unit]
Description=MES AI Service
After=network.target

[Service]
Type=exec
User=mes-ai
Group=mes-ai
WorkingDirectory=/opt/mes-ai
Environment=PATH=/opt/mes-ai/venv/bin
ExecStart=/opt/mes-ai/venv/bin/python main.py
Restart=always
RestartSec=10

[Install]
WantedBy=multi-user.target
```

```bash
# 启用并启动服务
sudo systemctl enable mes-ai.service
sudo systemctl start mes-ai.service
sudo systemctl status mes-ai.service
```

## 监控和维护

### 1. 日志监控

```bash
# 查看实时日志
tail -f logs/imes.log

# 查看错误日志
grep "ERROR" logs/imes.log

# 日志轮转配置
# 在/etc/logrotate.d/mes-ai中配置
```

### 2. 性能监控

```bash
# 检查服务状态
curl http://localhost:8000/api/v1/health

# 监控系统资源
htop
free -h
df -h
```

### 3. 备份策略

```bash
# 备份知识库
tar -czf knowledge_base_backup_$(date +%Y%m%d).tar.gz knowledge_base/

# 备份配置文件
cp .env .env.backup.$(date +%Y%m%d)
```

## 故障排除

### 常见问题

1. **服务无法启动**
   ```bash
   # 检查端口占用
   lsof -i :8000
   
   # 检查Python版本
   python --version
   
   # 检查依赖安装
   uv sync --check
   ```

2. **OpenAI API调用失败**
   ```bash
   # 测试API连接
   curl -H "Authorization: Bearer $MES_AI_OPENAI_API_KEY" \
        https://api.openai.com/v1/models
   ```

3. **内存使用过高**
   ```bash
   # 调整worker数量
   export MES_AI_WORKERS=2
   
   # 监控内存使用
   ps aux | grep python
   ```

## 安全建议

1. **API密钥安全**
   - 使用环境变量存储敏感信息
   - 定期轮换API密钥
   - 限制API密钥权限

2. **网络安全**
   - 使用HTTPS
   - 配置合适的CORS策略
   - 实施API限流

3. **访问控制**
   - 实施身份验证
   - 添加API访问日志
   - 监控异常访问

## 性能优化

1. **缓存策略**
   - 使用Redis缓存常用查询
   - 缓存向量数据库查询结果
   - 实施会话缓存

2. **资源优化**
   - 调整worker数量
   - 优化数据库查询
   - 使用连接池

3. **监控指标**
   - 响应时间
   - 错误率
   - 资源使用率
   - API调用频率