Обновление 1.26.3.3 → 1.26.10.0
Обязательные пакеты: unzip, acl. Необязательные: 7zip и wget — для загрузки образов через архивы. Отсутствующие пакеты можно установить из комплекта поставки согласно статье Установка пакета из комплекта поставки.
Перед началом работ на целевой машине остановите все её процессы через Центр управления (UI).
Значимые изменения, которые следует учитывать системному администратору:
- Обновились все образы на машине сервера и целевых машинах
- Обновлен дистрибутив агента на Целевой машине
- TLS-сертификаты больше не встроены в образ
ai-server-ui— теперь монтируются через volume вdocker-compose.yaml - Упразднён образ
ai-server-igx(функционал перенесён вai-server-langflow-backend) - Упразднён образ
ai-server-vllm-cpu - Образ vLLM заменён:
primo-rpa/ai-server-vllm-gpu→ внешний образnexus.primo-rpa.ru:8000/vllm/vllm-openai:v0.30.0 - Добавлена новая модель
base-LLM-12-35b-safetensors-nfvp4(vLLM) - Изменены конфигурации сервисов: Api (
LlmRunners,Agents.UsagePeriod), Inference (Orchestrator), агент (переработана секцияLlmEngineProcess:EndpointвместоUrl, диапазоны портов,ExposePort) - Обновился файл конфигурации
nginx.conf: добавлен location для SSE-стриминга событий Конструктора агентских систем - Добавлен новый параметр конфигурации Inference —
UnprocessedExpirationSeconds(очистка устаревших необработанных запросов) - Добавлены параметры
*PrefetchCountв секциюRabbitMQконфига Inference (ограничение одновременных запросов) - Добавлена секция
LangflowScriptPresetв конфиг Api (хранилище пресетов агентских систем) - Добавлен volume
Api_LangflowScriptPresetвdocker-compose.yamlдля хранения пресетов агентских систем - Добавлены пресеты конвейеров агентских систем
- Добавлены новые модели:
base-LLM-11-30b,base-LLM-12-35b,base-LLM-13-26b,ft-base-0.6b-fp16,ft-base-2b-fp16 - Удалены модели:
base-LLM-01-*,base-LLM-06-32b-gguf-q4_k_m,base-LLM-10-4b-safetensors-base - Обновлён образ PostgreSQL:
postgres:17.6→postgres:17.10-alpine(устранение уязвимостей, Alpine-база) - Обновлён образ RabbitMQ:
3.10.7-management→4.2.8-management-alpine(устранение уязвимостей, Alpine-база) - Обновлён образ Redis:
redis:latest→redis:7.4-alpine(устранение уязвимостей, Alpine-база) - Образ Ollama (
ai-server-ollama) теперь запускается от непривилегированного пользователя (UID 1001) - Изменена структура БД: миграции выполняются автоматически при запуске, одна из них удаляет столбец
LlmRunnerIdиз таблицы процессов инференса. Перед обновлением обязательно создайте бэкап БД - Добавлен SDC-сервер (семантический классификатор документов) — новый образ целевых машин
ai-server-sdcи новая секцияDocClassifyProcessв конфигурации агента - Образы Docker теперь указываются полным путём в реестре Nexus:
nexus.primo-rpa.ru:8000/primo-rpa/<образ>:1.26.10.0для образов AI Server и путь как на Docker Hub для сторонних:nexus.primo-rpa.ru:8000/library/<образ>:<тег>для официальных образов (PostgreSQL, Redis, RabbitMQ), для остальных — пространство издателя (vllm/vllm-openai,pgvector/pgvector). Имена образов нужно заменить вdocker-compose.yamlна машине сервера и в конфигурации агента на целевых машинах. Образ vLLM обновлён доnexus.primo-rpa.ru:8000/vllm/vllm-openai:v0.30.0 - Добавлены модели: эмбеддинг-модель
qwen3vl-embed-2Bи модель семантического классификатора для SDC, базовые LLMbase-LLM-12-35b-safetensors-4bit,base-LLM-14-27b-safetensors-4bit(vLLM) иbase-LLM-14-27b-gguf-q4_k_m(Ollama) - В
docker-compose.yamlу сервиса Api добавлены томаApi_SmartOcrTestFileиApi_TestPackage— в них хранятся тестовые файлы Умного OCR и тестовые пакеты - В конфигурации Api добавлены необязательные секции
ExternalS3(внешнее S3-хранилище заказчика),ExternalModelRegistries(загрузка базовых моделей из Hugging Face и Ollama) и параметрAgents.ManagementEnabled(страница управления целевой машиной) - В конфигурации агента добавлены параметр
Lfx.SuperUserPasswordи томLangfuseDataдля трассировки агентских систем - Из конфигураций сервисов и агента удалены неиспользуемые параметры, например
RabbitMQ.ConnectionWithRetry,SessionLifetimeTailMin,FileDownload,ProcessStore. Оставлять их в конфигурации можно: они больше не читаются - Страница чата агентской системы теперь требует входа в AI Server
- В конфигурации агента для Ollama добавлен параметр
OLLAMA_IMAGE_MIN_TOKENS=32вExtraEnvs— минимальный порог токенов для обработки изображений - Добавлены параметры модели Обработка изображений и Рассуждение для внешней LLM
- Изменён формат конвейеров пакетной обработки: правила обработки полей задаются только у шага постобработки, в условии
hasFieldвместоhasTextиспользуетсяvalueState, списокorстал альтернативой собственным проверкам условия
Конвейеры пакетной обработки нужно поправить вручную. Старый конвейер сохранится без ошибки — неизвестные поля при сохранении игнорируются, — но правила, оставшиеся на шагах Умного OCR и NLP, применяться не будут, а условия начнут срабатывать иначе. Что именно поправить — в статье Обновление 1.26.8.3 → 1.26.10.0, раздел «Конвейеры пакетной обработки».
Прежние сессии чатов агентских систем пропадут из списков пользователей. Сессии теперь хранятся на сервере и привязаны к пользователю, который их создал. Для сессий, созданных до обновления, пользователь не известен, поэтому в списке сессий они не отображаются.
Машина сервера
1. Создайте бэкап БД
docker exec -it postgres mkdir -p /var/lib/postgresql/data/backups && \
docker exec -it postgres pg_dump -U postgres -d primo-ai-identity -F c -f /var/lib/postgresql/data/backups/identity_$(date +%F).dump && \
docker exec -it postgres pg_dump -U postgres -d primo-ai-application -F c -f /var/lib/postgresql/data/backups/application_$(date +%F).dump && \
docker exec -it postgres pg_dump -U postgres -d primo-ai-filestore -F c -f /var/lib/postgresql/data/backups/filestore_$(date +%F).dump && \
docker exec -it postgres pg_dump -U postgres -d primo-ai-license -F c -f /var/lib/postgresql/data/backups/license_$(date +%F).dump && \
docker exec -it postgres pg_dump -U postgres -d primo-ai-logs -F c -f /var/lib/postgresql/data/backups/logs_$(date +%F).dump && \
docker exec -it postgres pg_dump -U postgres -d primo-ai-inference -F c -f /var/lib/postgresql/data/backups/inference_$(date +%F).dump && \
mkdir -p /app/Primo.AI/Api/backups && \
sudo mv /app/Primo.AI/Api/volumes/pgsql-data/backups/*.dump /app/Primo.AI/Api/backups/.2. Извлеките TLS-сертификаты из текущего образа
Начиная с версии 1.26.6.2 сертификаты не включены в образ ai-server-ui. Перед обновлением необходимо сохранить сертификаты из работающего контейнера и подключить их через volume.
Создайте директорию для сертификатов:
sudo mkdir -p /app/Primo.AI/Api/volumes/nginx/sslИзвлеките сертификаты из работающего контейнера server_ui:
docker cp server_ui:/etc/nginx/cert1.crt /app/Primo.AI/Api/volumes/nginx/ssl/cert1.crt
docker cp server_ui:/etc/nginx/cert1.rsa /app/Primo.AI/Api/volumes/nginx/ssl/cert1.rsaУстановите права доступа:
sudo chmod 644 /app/Primo.AI/Api/volumes/nginx/ssl/cert1.crt
sudo chmod 600 /app/Primo.AI/Api/volumes/nginx/ssl/cert1.rsaЕсли контейнер server_ui уже остановлен или сертификаты недоступны, сгенерируйте новые по инструкции.
3. Обновите образы.
Через архивы:
Если 7z не установлен, установите пакет 7zip из репозитория ОС или из комплекта поставки согласно статье Установка пакета из комплекта поставки.
names="ai-server-api ai-server-auth ai-server-inference ai-server-logs ai-server-machineinfo ai-server-ui ai-server-langflow-backend ai-server-langflow-frontend"
externals="library/postgres:17.10-alpine library/rabbitmq:4.2.8-management-alpine library/redis:7.4-alpine"
for name in $names; do
wget "https://nexus.primo-rpa.ru/repository/raw/1.26.10/ai-server/docker/images/$name.tar.7z"
7z x $name.tar.7z
docker load -i $name.tar
rm $name.tar.7z $name.tar
done
for external in $externals; do
filename=$(echo "${external##*/}" | sed 's/:/_/g')
wget "https://nexus.primo-rpa.ru/repository/raw/data/libraries/docker/images/$filename.tar.7z"
7z x $filename.tar.7z
docker load -i $filename.tar
rm $filename.tar.7z $filename.tar
doneЕсли есть доступ к nexus.primo-rpa.ru:8000:
names="ai-server-api ai-server-auth ai-server-inference ai-server-logs ai-server-machineinfo ai-server-ui ai-server-langflow-backend ai-server-langflow-frontend"
externals="library/postgres:17.10-alpine library/rabbitmq:4.2.8-management-alpine library/redis:7.4-alpine"
for name in $names; do
docker pull nexus.primo-rpa.ru:8000/primo-rpa/$name:1.26.10.0
done
for external in $externals; do
docker pull nexus.primo-rpa.ru:8000/$external
done4. Обновите nginx.conf.
Добавьте в файл /app/Primo.AI/Api/volumes/nginx/nginx.conf следующий блок перед общим location ~ (?i)^\/api(\/.*)?:
location ~ (?i)^\/api\/langflowScripts\/job\/.+\/events$ {
proxy_pass http://api;
proxy_http_version 1.1;
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 https;
proxy_set_header Connection "";
proxy_read_timeout 300;
proxy_connect_timeout 300;
proxy_send_timeout 300;
proxy_buffering off;
}Блок должен располагаться выше общего location ~ (?i)^\/api(\/.*)? { ... }, иначе nginx не будет его использовать. Регулярные выражения в nginx проверяются в порядке объявления.
5. Настройте очистку устаревших запросов.
В файле конфигурации /app/Primo.AI/Api/volumes/conf/Inference/appsettings.ProdLinux.json добавьте секцию ClearRequestsService:
...
"ClearRequestsService": {
"DefaultExpirationSeconds": 3600,
"UnprocessedExpirationSeconds": 86400
},
...| Параметр | По умолчанию | Описание |
|---|---|---|
DefaultExpirationSeconds | 3600 | Время хранения обработанного запроса (сек). По умолчанию 1 час |
UnprocessedExpirationSeconds | 86400 | Время хранения необработанного запроса (сек). По умолчанию 24 часа |
6. Добавьте параметры PrefetchCount в конфиг Inference.
В файле конфигурации /app/Primo.AI/Api/volumes/conf/Inference/appsettings.ProdLinux.json добавьте в секцию RabbitMQ следующие параметры:
...
"RabbitMQ": {
...
"AgentSystemRequestEventPrefetchCount": 10,
"SmartOcrRequestEventPrefetchCount": 10,
"NlpRequestEventPrefetchCount": 10,
"PackageRequestEventPrefetchCount": 10,
"PdfGeneratingEventPrefetchCount": 10
},
...| Параметр | По умолчанию | Описание |
|---|---|---|
AgentSystemRequestEventPrefetchCount | 10 | Кол-во одновременных запросов агентских систем в обработке |
SmartOcrRequestEventPrefetchCount | 10 | Кол-во одновременных запросов Умного OCR в обработке |
NlpRequestEventPrefetchCount | 10 | Кол-во одновременных запросов NLP в обработке |
PackageRequestEventPrefetchCount | 10 | Кол-во одновременных запросов пакетной обработки |
PdfGeneratingEventPrefetchCount | 10 | Кол-во одновременных запросов генерации PDF |
Уменьшите значения PrefetchCount при нехватке ресурсов на сервере. Это ограничит количество запросов, одновременно обрабатываемых сервисом Inference.
Также в файле /app/Primo.AI/Api/volumes/conf/Inference/appsettings.ProdLinux.json добавьте секцию Orchestrator:
...
"Orchestrator": {
"Login": "aiserver",
"Password": "JLWIyl1xZNDVVx8tcVllOg==",
"Address": "https://<адрес Центра управления>:44392"
},
...Укажите в Address реальный внешний адрес Центра управления. Password — зашифрованное значение.
7. Добавьте секцию LangflowScriptPreset в конфиг Api.
В файле конфигурации /app/Primo.AI/Api/volumes/conf/Api/appsettings.ProdLinux.json добавьте секцию LangflowScriptPreset в блок FileUpload:
...
"FileUpload": {
...
"LangflowScriptPreset": {
"ReadBufferSize": 10000,
"ReadBufferIterationBeforeSave": 50,
"Folder": "/app/Primo.AI/Api_LangflowScriptPreset",
"StoreType": "FileSystem"
},
...
},
...Также в файле /app/Primo.AI/Api/volumes/conf/Api/appsettings.ProdLinux.json добавьте параметр UsagePeriod в секцию Agents и новую секцию LlmRunners:
...
"Agents": {
...
"StopProcessAfterUnavailablePeriod": 300,
"UsagePeriod": 10000
},
...
"LlmRunners": {
"StartTimeoutSeconds": 1200,
"StopTimeoutSeconds": 300
},
...8. Обновите конфигурацию Api (при необходимости)
Новые параметры Api необязательны: если их нет в файле /app/Primo.AI/Api/volumes/conf/Api/appsettings.ProdLinux.json, используются значения по умолчанию. Добавляйте секции, только если нужно изменить поведение.
a) Управление целевой машиной. По умолчанию в меню целевой машины доступен пункт Управление. На странице управления можно менять настройки агента, завершать процессы, останавливать контейнеры и очищать кэш моделей. Чтобы скрыть этот пункт, добавьте в секцию Agents параметр ManagementEnabled:
...
"Agents": {
...
"ManagementEnabled": false
},
...b) Внешнее S3-хранилище. Если PDF-документы пакетной обработки и файлы запросов нужно сохранять в S3-хранилище заказчика, добавьте секцию ExternalS3:
...
"ExternalS3": {
"Endpoint": "",
"AccessKey": "",
"SecretKey": "",
"SSL": true,
"ForcePathStyle": false,
"StoreType": "Minio", // Minio, AmazonS3
"PackageFiles": {
"Enabled": false,
"Path": ""
},
"RequestFiles": {
"Enabled": false,
"Path": ""
}
},
...SecretKey указывается в зашифрованном виде (утилита шифрования конфигов).
c) Загрузка базовых моделей из Hugging Face и Ollama. Базовую модель теперь можно добавить из Hugging Face или из реестра Ollama прямо в интерфейсе. Для этого машине сервера нужен доступ к huggingface.co, registry.ollama.ai и ollama.com. Параметры задаются секцией ExternalModelRegistries: добавьте её, если нужно указать токен Hugging Face или изменить таймауты.
...
"ExternalModelRegistries": {
"DownloadTimeoutMinutes": 240,
"ConnectivityTimeoutSeconds": 10,
"IgnoreCertificateErrors": true,
"TempFolder": "",
"HuggingFace": {
"ApiUrl": "https://huggingface.co/api",
"FilesUrl": "https://huggingface.co",
"Token": ""
},
"Ollama": {
"RegistryUrl": "https://registry.ollama.ai",
"LibraryUrl": "https://ollama.com/library"
}
},
...| Параметр | По умолчанию | Описание |
|---|---|---|
DownloadTimeoutMinutes | 240 | Максимальное время загрузки модели (мин) |
ConnectivityTimeoutSeconds | 10 | Таймаут проверки связи с реестром (сек) |
IgnoreCertificateErrors | true | Не проверять сертификаты реестров |
TempFolder | пусто | Каталог для временных файлов; пусто — используется FileUpload.Temp |
HuggingFace.Token | пусто | Токен Hugging Face для закрытых моделей |
9. Обновите docker-compose.yaml.
В файле /app/Primo.AI/Api/docker-compose.yaml:
- Обновите образ PostgreSQL:
postgres:
image: nexus.primo-rpa.ru:8000/library/postgres:17.10-alpine- Обновите образ RabbitMQ:
rabbitMQ:
image: nexus.primo-rpa.ru:8000/library/rabbitmq:4.2.8-management-alpine- Обновите образ Redis:
redis:
image: nexus.primo-rpa.ru:8000/library/redis:7.4-alpine- Создайте каталоги для тестовых файлов Умного OCR и тестовых пакетов:
sudo mkdir -p /app/Primo.AI/Api/volumes/Api_SmartOcrTestFile /app/Primo.AI/Api/volumes/Api_TestPackageи добавьте в секцию volumes сервиса api:
- ./volumes/Api_LangflowScriptPreset:/app/Primo.AI/Api_LangflowScriptPreset
- ./volumes/Api_SmartOcrTestFile:/app/Primo.AI/Api_SmartOcrTestFile
- ./volumes/Api_TestPackage:/app/Primo.AI/Api_TestPackage- Добавьте в секцию
volumesсервисаnginxмонтирование сертификатов:
volumes:
- ./volumes/nginx/nginx.conf:/etc/nginx/nginx.conf
- ./volumes/nginx/ssl/cert1.crt:/etc/nginx/cert1.crt:ro
- ./volumes/nginx/ssl/cert1.rsa:/etc/nginx/cert1.rsa:ro
- ./volumes/nginx/:/var/log/nginxОбразы теперь указываются полным путём в реестре Nexus. Замените имена образов в docker-compose.yaml:
sudo sed -i -E \
-e 's#image:[[:space:]]+primo-rpa/(ai-server-[a-z-]+)(:[^[:space:]]+)?[[:space:]]*$#image: nexus.primo-rpa.ru:8000/primo-rpa/\1:1.26.10.0#' \
-e 's#image:[[:space:]]+externals/#image: nexus.primo-rpa.ru:8000/library/#' \
/app/Primo.AI/Api/docker-compose.yamlПроверьте результат: все образы в выводе команды grep image: /app/Primo.AI/Api/docker-compose.yaml должны начинаться с nexus.primo-rpa.ru:8000/.
10. Скачайте новые модели:
| Имя модели | Имя файла | Исполнение |
|---|---|---|
| base-llm-11-30b-gguf-q4_k_m | e8dfc900-e183-4647-80b0-a97f242a7dba | Ollama |
| base-llm-12-35b-gguf-q4_k_m | 3377b494-f686-4cef-9db1-4ffb3164cc9c | Ollama |
| base-llm-12-35b-safetensors-nfvp4 | 63e56e59-6c96-4fc7-9ecb-afab3d79bb21 | vLLM |
| base-llm-13-26b-gguf-q4_k_m | 1442b32b-aaee-4139-88c1-a7f313d11a09 | Ollama |
| base-llm-12-35b-safetensors-4bit | 471c79fa-17b3-46a6-a42f-b93eef012012 | vLLM |
| base-llm-14-27b-safetensors-4bit | 312244b9-9d2e-4553-8bd1-b135e739af13 | vLLM |
| base-llm-14-27b-gguf-q4_k_m | 40d9afa6-de73-46e6-a85d-8816d54cafb7 | Ollama |
| ft-base-0.6b-fp16 | 6dd7fb3c-d58e-427c-8845-39964df50bc5 | vLLM (FT) |
| ft-base-2b-fp16 | ce8f072a-b6dc-4c9f-ae4e-abe826da3aa0 | vLLM (FT) |
filenames="e8dfc900-e183-4647-80b0-a97f242a7dba \
3377b494-f686-4cef-9db1-4ffb3164cc9c \
63e56e59-6c96-4fc7-9ecb-afab3d79bb21 \
1442b32b-aaee-4139-88c1-a7f313d11a09 \
471c79fa-17b3-46a6-a42f-b93eef012012 \
312244b9-9d2e-4553-8bd1-b135e739af13 \
40d9afa6-de73-46e6-a85d-8816d54cafb7 \
6dd7fb3c-d58e-427c-8845-39964df50bc5 \
ce8f072a-b6dc-4c9f-ae4e-abe826da3aa0"
for filename in $filenames; do
wget "https://nexus.primo-rpa.ru/repository/raw/data/ai-server/models/$filename" -O /app/Primo.AI/Api/volumes/Api_Models/$filename
doneФайлы моделей, пресетов и контекста не имеют расширения, и AI Server ищет их по точному имени. Скачивайте их командами из статьи. Браузер добавляет к имени расширение по типу содержимого (например, .txt) — если файл скачан браузером, удалите это расширение.
Модели SDC-сервера (нужны для проектов Классификация (семантическая)):
| Имя модели | Имя файла |
|---|---|
| qwen3vl-embed-2B | 2263ec5f-b843-422f-b9e0-78e98549e738 |
| Классификатор (семантический) | 8502296a-9608-4672-bd7a-05acb32b50ef |
wget "https://nexus.primo-rpa.ru/repository/raw/data/ai-server/models/2263ec5f-b843-422f-b9e0-78e98549e738" -O /app/Primo.AI/Api/volumes/Api_Models/2263ec5f-b843-422f-b9e0-78e98549e738
wget "https://nexus.primo-rpa.ru/repository/raw/data/ai-server/models/8502296a-9608-4672-bd7a-05acb32b50ef" -O /app/Primo.AI/Api/volumes/Api_Models/8502296a-9608-4672-bd7a-05acb32b50ef11. Скачайте пресеты конвейеров агентских систем:
sudo mkdir -p /app/Primo.AI/Api/volumes/Api_LangflowScriptPreset/
filenames="e18c953c-6cbf-4f43-9267-76796bea018c \
fd652603-1410-49cd-a3ab-6323256753fa \
b933462a-b85e-4267-b5df-45a78f9453a4 \
3bc6dd44-226f-4a61-87e6-475e4c0e2dd0"
for filename in $filenames; do
wget "https://nexus.primo-rpa.ru/repository/raw/1.26.10/ai-server/data/agsys-presets/$filename" -O /app/Primo.AI/Api/volumes/Api_LangflowScriptPreset/$filename
done12. Перезапустите компоненты Api:
docker compose -f /app/Primo.AI/Api/docker-compose.yaml down && \
docker compose -f /app/Primo.AI/Api/docker-compose.yaml up -dПосле обновления Центра управления выполните повторный вход в систему.
13. Обновите Api.MachineInfo
wget "https://nexus.primo-rpa.ru/repository/raw/1.26.10/ai-server/linux/Api.MachineInfo-linux.zip"
sudo systemctl stop Primo.AI.Api.MachineInfo
sudo unzip -o Api.MachineInfo-linux.zip -x "appsettings*" -d /app/Primo.AI/Api.MachineInfo/
sudo chmod +x /app/Primo.AI/Api.MachineInfo/Primo.AI.Api.MachineInfo
sudo chown primo:primo-ai /app/Primo.AI/Api.MachineInfo/
sudo systemctl start Primo.AI.Api.MachineInfoЦелевые машины
Настройте права доступа для Ollama
Шаг обязателен, если на целевой машине используется Ollama. Образ ai-server-ollama теперь запускается от непривилегированного пользователя (UID 1001). Агент создаёт файлы и поддиректории в ModelTemplates от имени agent:primo-ai, поэтому для доступа Ollama используется механизм POSIX ACL с наследованием прав — он не зависит от текущего владельца файла. Директории blobs и meta дополнительно должны принадлежать непосредственно UID 1001: Ollama изменяет временные метки файлов в них, а для этого требуется реальное владение файлом, а не только ACL.
Установите пакет acl, если он отсутствует, из комплекта поставки согласно статье Установка пакета из комплекта поставки.
Настройте права доступа для UID 1001 и агента на существующие файлы и директории:
sudo setfacl -R -m u:1001:rwx,u:agent:rwx /app/Primo.AI/AgentData/ModelTemplatesУстановите default ACL для автоматического наследования прав новыми файлами и директориями:
sudo setfacl -R -d -m u:1001:rwx,u:agent:rwx /app/Primo.AI/AgentData/ModelTemplatesВерните владельца директории агенту:
sudo chown -R agent:primo-ai /app/Primo.AI/AgentData/ModelTemplatesСмените владельца файлов моделей на UID 1001:
sudo chown -R 1001:1001 /app/Primo.AI/AgentData/ModelTemplates/blobs/*
sudo chown -R 1001:1001 /app/Primo.AI/AgentData/ModelTemplates/meta/*Проверьте результат:
getfacl /app/Primo.AI/AgentData/ModelTemplatesВ выводе должны присутствовать строки user:1001:rwx и default:user:1001:rwx.
Обновите файлы агента:
wget "https://nexus.primo-rpa.ru/repository/raw/1.26.10/ai-server/linux/Agent-linux.zip"
sudo systemctl stop Primo.AI.Agent
sudo unzip -o Agent-linux.zip -x "appsettings*" -d /app/Primo.AI/Agent/
sudo chmod +x /app/Primo.AI/Agent/Primo.AI.Agent
sudo chown -R agent:primo-ai /app/Primo.AI/Agent/
sudo systemctl start Primo.AI.AgentУдалите упразднённые образы
Образ ai-server-igx больше не нужен. Его функционал перенесён в ai-server-langflow-backend.
Образ ai-server-vllm-cpu упразднён.
images=(
"primo-rpa/ai-server-igx"
"primo-rpa/ai-server-vllm-cpu"
)
for img in "${images[@]}"; do
echo "Удаляем образ: $img"
docker stop $(docker ps -a -q --filter ancestor="$img") 2>/dev/null || true
docker rm $(docker ps -a -q --filter ancestor="$img") 2>/dev/null || true
done
docker rmi "${images[@]}" 2>/dev/null || trueОбразы
- Вариант загрузки образов 1: скачайте необходимые архивы из официальной поставки AI Server:
Если 7z не установлен, установите пакет 7zip из репозитория ОС или из комплекта поставки согласно статье Установка пакета из комплекта поставки.
images=""
echo "GPU? y/n"
read GPU
if [ "$GPU" = "y" ] || [ "$GPU" = "Y" ]; then
echo "Агентские системы? y/n"
read agent_systems
if [ "$agent_systems" = "y" ] || [ "$agent_systems" = "Y" ]; then
images+=" ai-server-rag-gpu ai-server-langflow-backend"
externals+=" pgvector/pgvector:pg18"
fi
echo "FT-сервер? y/n"
read ft_server
if [ "$ft_server" = "y" ] || [ "$ft_server" = "Y" ]; then
images+=" ai-server-ft"
fi
echo "NLP-сервер? y/n"
read nlp_server
if [ "$nlp_server" = "y" ] || [ "$nlp_server" = "Y" ]; then
images+=" ai-server-nlp"
fi
echo "Ollama? y/n"
read ollama
if [ "$ollama" = "y" ] || [ "$ollama" = "Y" ]; then
images+=" ai-server-ollama"
fi
echo "vLLM? y/n"
read vllm
if [ "$vllm" = "y" ] || [ "$vllm" = "Y" ]; then
externals+=" vllm/vllm-openai:v0.30.0"
fi
echo "IDP-сервер? y/n"
read idp_server
if [ "$idp_server" = "y" ] || [ "$idp_server" = "Y" ]; then
images+=" ai-server-idp-gpu"
fi
else
echo "NLP-сервер? y/n"
read nlp_server
if [ "$nlp_server" = "y" ] || [ "$nlp_server" = "Y" ]; then
images+=" ai-server-nlp"
fi
echo "Ollama? y/n"
read ollama
if [ "$ollama" = "y" ] || [ "$ollama" = "Y" ]; then
images+=" ai-server-ollama"
fi
echo "IDP-сервер? y/n"
read idp_server
if [ "$idp_server" = "y" ] || [ "$idp_server" = "Y" ]; then
images+=" ai-server-idp-cpu"
fi
fi
echo "SDC-сервер (семантический классификатор)? y/n"
read sdc_server
if [ "$sdc_server" = "y" ] || [ "$sdc_server" = "Y" ]; then
images+=" ai-server-sdc"
fi
# Удаляем ведущий пробел
images=$(echo $images | sed 's/^ //')
names=$(echo $images | tr ' ' '\n')
echo "Загружаемые images: $images"
echo "Externals: $externals"
for name in $names; do
echo "Загрузка $name..."
wget "https://nexus.primo-rpa.ru/repository/raw/1.26.10/ai-server/docker/images/$name.tar.7z"
7z x $name.tar.7z
docker load -i $name.tar
rm -f $name.tar.7z $name.tar
done
for external in $externals; do
echo "Загрузка external $external..."
filename=$(echo "${external##*/}" | sed 's/:/_/g')
wget "https://nexus.primo-rpa.ru/repository/raw/data/libraries/docker/images/$filename.tar.7z"
7z x $filename.tar.7z
docker load -i $filename.tar
rm -f $filename.tar.7z $filename.tar
done
echo "Готово!"- Вариант загрузки образов 2: используя репозиторий Docker:
Работает при наличии подключения к
nexus.primo-rpa.ru:8000.
#!/bin/bash
images=""
externals=""
echo "GPU? y/n"
read GPU
if [ "$GPU" = "y" ] || [ "$GPU" = "Y" ]; then
echo "Агентские системы? y/n"
read agent_systems
if [ "$agent_systems" = "y" ] || [ "$agent_systems" = "Y" ]; then
images+=" ai-server-rag-gpu ai-server-langflow-backend"
externals+=" pgvector/pgvector:pg18"
fi
echo "FT-сервер? y/n"
read ft_server
if [ "$ft_server" = "y" ] || [ "$ft_server" = "Y" ]; then
images+=" ai-server-ft"
fi
echo "NLP-сервер? y/n"
read nlp_server
if [ "$nlp_server" = "y" ] || [ "$nlp_server" = "Y" ]; then
images+=" ai-server-nlp"
fi
echo "Ollama? y/n"
read ollama
if [ "$ollama" = "y" ] || [ "$ollama" = "Y" ]; then
images+=" ai-server-ollama"
fi
echo "vLLM? y/n"
read vllm
if [ "$vllm" = "y" ] || [ "$vllm" = "Y" ]; then
externals+=" vllm/vllm-openai:v0.30.0"
fi
echo "IDP-сервер? y/n"
read idp_server
if [ "$idp_server" = "y" ] || [ "$idp_server" = "Y" ]; then
images+=" ai-server-idp-gpu"
fi
else
echo "NLP-сервер? y/n"
read nlp_server
if [ "$nlp_server" = "y" ] || [ "$nlp_server" = "Y" ]; then
images+=" ai-server-nlp"
fi
echo "Ollama? y/n"
read ollama
if [ "$ollama" = "y" ] || [ "$ollama" = "Y" ]; then
images+=" ai-server-ollama"
fi
echo "IDP-сервер? y/n"
read idp_server
if [ "$idp_server" = "y" ] || [ "$idp_server" = "Y" ]; then
images+=" ai-server-idp-cpu"
fi
fi
echo "SDC-сервер (семантический классификатор)? y/n"
read sdc_server
if [ "$sdc_server" = "y" ] || [ "$sdc_server" = "Y" ]; then
images+=" ai-server-sdc"
fi
# Удаляем ведущий пробел
images=$(echo $images | sed 's/^ //')
names=$(echo $images | tr ' ' '\n')
echo "Загружаемые images: $images"
echo "Externals: $externals"
for name in $names; do
docker pull nexus.primo-rpa.ru:8000/primo-rpa/$name:1.26.10.0
done
for external in $externals; do
docker pull nexus.primo-rpa.ru:8000/$external
done
echo "Готово!"Обновите конфигурацию агента
Добавьте параметр ExtraEnvs в секцию Ollama файла /app/Primo.AI/Agent/appsettings.ProdLinux.json:
"Ollama": {
...
"PostRunCommands": [
"cp {modelFilePath} {blobFilePath}",
"ollama create {modelId} -f {modelMetaFilePath}",
"ollama run {modelId} \"\""
],
"ExtraEnvs": [ "-e OLLAMA_GO_TEMPLATE=1", "-e OLLAMA_IMAGE_MIN_TOKENS=32" ]
}Также переработана секция LlmEngineProcess (проверка доступности через Endpoint вместо Url, диапазоны портов PortsRangeFrom/PortsRangeTo вместо Port, параметр ExposePort). Приведите секцию к следующему виду:
"LlmEngineProcess": {
"HealthCheck": {
"Vllm": {
"Endpoint": "/version",
"TimeoutSeconds": 600,
"PeriodMilliseconds": 500
},
"Ollama": {
"Endpoint": "/v1/models",
"TimeoutSeconds": 600,
"PeriodMilliseconds": 500
},
"LlamaCppPython": {
"Endpoint": "/v1/models",
"TimeoutSeconds": 600,
"PeriodMilliseconds": 500
}
},
"EnginesDockerRun": {
"Vllm": {
"ImageName": "nexus.primo-rpa.ru:8000/vllm/vllm-openai:v0.30.0",
"ContainerName": "vllm",
"PortsRangeFrom": 8000,
"PortsRangeTo": 8019,
"Subnet": "agent_agent_ai",
"ExposePort": true
},
"Ollama": {
"ImageName": "nexus.primo-rpa.ru:8000/primo-rpa/ai-server-ollama:1.26.10.0",
"ContainerName": "ollama",
"PortsRangeFrom": 8020,
"PortsRangeTo": 8039,
"Subnet": "agent_agent_ai",
"PostRunCommands": [
"cp {modelFilePath} {blobFilePath}",
"ollama create {modelId} -f {modelMetaFilePath}",
"ollama run {modelId} \"\""
],
"ExtraEnvs": [ "-e OLLAMA_GO_TEMPLATE=1", "-e OLLAMA_IMAGE_MIN_TOKENS=32" ]
},
"LlamaCppPython": {
"ImageName": "nexus.primo-rpa.ru:8000/primo-rpa/ai-server-llama-cpp-python:1.26.10.0",
"ContainerName": "llama",
"PortsRangeFrom": 8040,
"PortsRangeTo": 8059,
"Subnet": "agent_agent_ai",
"ExposePort": true
}
}
},Добавьте секции и параметры, появившиеся в 1.26.10.0.
a) SDC-сервер. Добавьте секцию DocClassifyProcess (рядом с секцией IdpProcess). Без неё SDC-сервер на целевой машине не запустится.
...
"DocClassifyProcess": {
"HealthCheck": {
"TimeoutSeconds": 180,
"PeriodMilliseconds": 500
},
"DockerOptions": {
"PortsRangeFrom": 9600,
"PortsRangeTo": 9699,
"ImageName": "nexus.primo-rpa.ru:8000/primo-rpa/ai-server-sdc:1.26.10.0",
"ContainerNamePrefix": "sdc",
"Subnet": "agent_agent_ai",
"SharedMemorySize": 4
},
"VolumeMounts": [
{
"HostPath": "/app/Primo.AI/AgentData/SdcModels",
"ContainerPath": "/app/apps/doc_classify/model_store"
}
]
},
...b) IDP-сервер. Чтобы IDP-сервер не скачивал модели заново при каждом запуске, добавьте в секцию IdpProcess параметр VolumeMounts:
"IdpProcess": {
...
"VolumeMounts": [
{
"HostPath": "/app/Primo.AI/AgentData/IdpModels",
"ContainerPath": "/app/apps/idp/model_store"
}
]
},c) Агентские системы. Выполняйте только на машинах с Агентскими системами. В секции Lfx:
- добавьте параметр
SuperUserPassword— пароль суперпользователя исполнителя в зашифрованном виде (утилита шифрования конфигов). Ниже указано значение из поставки. Если параметр не задан, исполнитель использует собственный пароль по умолчанию; - замените параметр
VolumesспискомVolumeMountsи добавьте в него томLangfuseData— в нём хранятся трассы агентских систем. Без этого тома трассы теряются при каждом перезапуске исполнителя.
"Lfx": {
...
"SuperUserPassword": "JLWIyl1xZNDVVx8tcVllOg==",
...
"VolumeMounts": [
{
"HostPath": "/app/Primo.AI/AgentData/LangflowData",
"ContainerPath": "/app/data",
"AppendPort": true
},
{
"HostPath": "/app/Primo.AI/AgentData/LangfuseData",
"ContainerPath": "/app/langfuse",
"AppendPort": true
}
]
},d) Имена образов. Образы теперь указываются полным путём в реестре Nexus с тегом версии. Замените значения ImageName в конфигурации агента:
sudo sed -i -E \
-e 's#"ImageName": "primo-rpa/ai-server-vllm-(cpu|gpu)(:[^"]*)?"#"ImageName": "nexus.primo-rpa.ru:8000/vllm/vllm-openai:v0.30.0"#' \
-e 's#"ImageName": "primo-rpa/(ai-server-[a-z-]+)(:[^"]*)?"#"ImageName": "nexus.primo-rpa.ru:8000/primo-rpa/\1:1.26.10.0"#' \
-e 's#"ImageName": "externals/vllm-openai:[^"]*"#"ImageName": "nexus.primo-rpa.ru:8000/vllm/vllm-openai:v0.30.0"#' \
-e 's#"ImageName": "externals/pgvector:([^"]*)"#"ImageName": "nexus.primo-rpa.ru:8000/pgvector/pgvector:\1"#' \
/app/Primo.AI/Agent/appsettings.ProdLinux.jsonПроверьте результат: все значения в выводе команды grep '"ImageName"' /app/Primo.AI/Agent/appsettings.ProdLinux.json должны начинаться с nexus.primo-rpa.ru:8000/.
e) Настройки, изменённые через интерфейс. Настройки агента, изменённые на странице Управление целевой машины, сохраняются в файл appsettings.Runtime.json. Чтобы он хранился рядом с данными агента, а не в каталоге программы, добавьте секцию RuntimeSettings:
...
"RuntimeSettings": {
"Directory": "/app/Primo.AI/AgentData"
},
...Каталоги SdcModels, IdpModels и LangfuseData агент создаёт сам при первом запуске процесса.
Перезапустите агент:
sudo systemctl restart Primo.AI.AgentЧто дальше
После завершения обновления выполните проверку работоспособности системы.