AI-Q服务部署与排障
把英伟达 AI-Q 服务在本机或集群上装起来、验证健康检查、出问题排查关停。
功能与用途
想在本地跑一套英伟达 AI-Q 服务给深度研究用,难的不是敲命令,而是选哪种跑法、密钥怎么放才不泄露、起来之后怎么确认真的通了。这个技能管部署全流程:克隆仓库、确认密钥文件已被 git 忽略、按你选的方式(容器 / 本地进程 / 网页界面 / Kubernetes)起服务,再用健康检查接口验证,并把验证过的服务地址交接出去。它是配套的 aiq-research 的前置步骤,本身不产出研究报告。
适用场景
- 团队要评估 AI-Q 的深度研究效果,服务器上还没装过这套服:团队要评估 AI-Q 的深度研究效果,服务器上还没装过这套服务,需要先跑起一个干净的本地环境
- 服务昨天还好好的,今天容器起来了但健康检查一直不过,需要有人:服务昨天还好好的,今天容器起来了但健康检查一直不过,需要有人按日志定位是端口冲突还是配置写错
- 要把 AI-Q 部署到公司 Kubernetes 集群供多人:要把 AI-Q 部署到公司 Kubernetes 集群供多人共用,得先确认 Helm 方式的前置条件和配置项
适用人群
- 负责内部 AI 平台部署的运维工程师
- 做 AI 方案选型的企业架构师
- 需要在本地搭研究环境的数据科学家
使用步骤
- 克隆或定位 AI-Q 仓库,确认基础运行依赖环境已安装。
- 在 deploy 目录下配置 .env 密钥文件并确认未被 Git 追踪。
- 根据需求选择运行模式(如 Docker 容器、本地进程或 Web)启动服务。
- 通过 health 接口验证服务健康状态,获取已验证的可用服务地址。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- IT运维与安全
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-18
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
|
依赖与权限
- NVIDIA_API_KEY
- TAVILY_API_KEY
- SERPER_API_KEY
- EXA_API_KEY
- AIQ_SERVER_URL
- PORT
- RAG_SERVER_URL
- RAG_INGEST_URL
- 读取用户主动提供的内容