Первая настройка после установки

Статья описывает, что сделать в веб-интерфейсе AI Server сразу после установки: от первого входа до первого успешного запроса. Каждый шаг ведёт на подробную статью, здесь приводится только порядок действий.

1. Войдите в систему

1. Откройте в браузере адрес AI Server: https://<адрес сервера>:44392.
2. В поле Тенант оставьте значение Тенант по умолчанию.
3. Войдите под встроенным пользователем admin. Пароль предоставляется вместе с комплектом поставки.

Подробнее о встроенных пользователях — в статье Встроенные роли и пользователи.

Если войти не получилось:

• «Ошибка аутентификации.» — скорее всего, неверный логин или пароль. Тот же текст появляется, если выбран не тот тенант или пользователь заблокирован. Точную причину покажет журнал Auth на машине сервера: docker logs server_auth.
• «Пользователь временно заблокирован.» — подряд введено несколько неверных паролей. Подождите минуту и войдите снова.

2. Главная страница

После входа открывается Главная — сводка по системе:

• счётчики Машины, Проекты, Модели AI Текст и Модели Умный OCR;
• блок Машины — карточки целевых машин с метками Разблокирована, В сети, С лицензией и списком LLM и OCR-моделей на машине;
• блок Проекты — карточки проектов, сразу после установки это встроенные проекты Умного OCR.

Кнопка Показать все открывает полный список машин или проектов.

Сразу после установки машин в списке нет. Вернитесь на эту страницу после шага 6: по меткам на карточках видно, готова ли машина к работе.

3. Проверьте состояние служб

Перейдите в Настройки ➝ Состояние. Для всех служб в столбцах Доступна и Совместимая версия должно стоять Да.

Если Primo.AI.Api.MachineInfo недоступна. Это служба на машине сервера, а не контейнер, и «Доступна: Нет» чаще всего значит, что она просто не запустилась. Проверьте её на машине сервера:

systemctl status Primo.AI.Api.MachineInfo
journalctl -u Primo.AI.Api.MachineInfo

Частые причины:

• в системе нет пакета libicu — без него служба не запускается;
• брандмауэр закрывает порт 5051 для подсети контейнеров сервера;
• адрес в секции MachineInfo конфигурационного файла Api не совпадает со шлюзом docker-сети сервера (по умолчанию https://172.18.0.1:5051).

Подробнее — в статье Мониторинг состояний служб.

4. Получите и загрузите лицензии

Нужны лицензии двух типов:

• Primo RPA AI Server — одна на каждый тенант. Если используется только тенант по умолчанию, достаточно одной.
• Агент Primo RPA AI Server — одна на каждую целевую машину.

Порядок:

1. В Настройки ➝ Лицензии сформируйте запросы на лицензии обоих типов кнопкой Запрос на лицензию.
2. Отправьте полученные файлы licensereq-*.txt на License@primo-rpa.ru.
3. Когда придут файлы *.license, загрузите их кнопкой Добавить лицензию.
4. Убедитесь, что у загруженных лицензий в столбце Состояние стоит VALID.

Если не получилось:

• «Ошибка запроса в сервис параметров оборудования для лицензий» — Центр управления не получил данные об оборудовании от Primo.AI.Api.MachineInfo:
  • служба недоступна — см. шаг 3;
  • служба не может прочитать параметры оборудования — проверьте команду lsblk и пакет cpuid по разделу «Установка Api.MachineInfo» статьи Установка Центра управления;
  • время на машине сервера и в контейнерах расходится. Сравните вывод date и docker exec server_api date: время и часовой пояс должны совпадать. Часовой пояс контейнеров задаёт TIMEZONE в /app/Primo.AI/Api/.env.
• Лицензия сразу после загрузки в состоянии INVALID — лицензия выпущена для другого сервера, или после запроса на сервере сменили имя хоста или диск.
• Все лицензии разом стали INVALID — Центр управления не смог проверить их через Primo.AI.Api.MachineInfo: служба стала недоступна, время разошлось или в системе нет пакета libicu. Вслед за лицензиями сервера машины в течение минуты теряют лицензии агентов.

Подробнее — в статьях Общая информация о лицензиях и Операции управления лицензиями.

5. Создайте целевые машины

Для каждой физической или виртуальной машины, на которой установлен агент:

1. Узнайте у системного администратора IP-адрес машины и порт агента (по умолчанию 5002).
2. В Настройки ➝ Целевые машины нажмите Создать машину, укажите название, IP-адрес и порт, нажмите Сохранить.
3. Скопируйте значение из столбца Идентификатор и передайте его системному администратору.
4. Системный администратор указывает идентификатор в параметре AgentId конфигурационного файла агента и перезапускает службу агента: sudo systemctl restart Primo.AI.Agent.

Подробнее — в статьях Управление целевыми машинами и Установка компонентов целевых машин.

6. Проверьте, что машины готовы

Когда агенты перезапущены, а лицензии загружены, в Настройки ➝ Целевые машины у каждой машины должно стоять:

• В сети — Да;
• С лицензией — Да.

Те же метки видны на карточках машин на главной странице.

Машина не в сети

Центр управления не может достучаться до целевой машины. Проверьте:

• запущена ли служба агента на целевой машине;
• совпадают ли IP-адрес и порт в настройках машины с реальными;
• открыт ли порт агента в брандмауэре целевой машины;
• есть ли сетевая доступность от машины сервера до целевой машины.

Доступ к агенту проверьте на машине сервера командой — она должна вернуть версию:

curl -k https://<адрес целевой машины>:<порт>/api/version

Машина в сети, но без лицензии

Лицензию агента машина получает, только когда она в сети, поэтому сначала добейтесь «В сети: Да».

Если лицензия Агент Primo RPA AI Server загружена и валидна, скорее всего нет обратного доступа — с целевой машины до Центра управления. Выполните на целевой машине команду — она должна вернуть версию AI Server:

curl -k https://<адрес сервера>:44392/api/version

Если версия не возвращается, проверьте адреса AI Server в конфигурационном файле агента и сетевую доступность от целевой машины до машины сервера.

Если версия возвращается, проверьте остальное:

• свободные лицензии агентов закончились — машины получают их по очереди, и лишней машине лицензии не хватит;
• пароль учётной записи agent сменили утилитой Primo.AI.PasswordTool, а в конфигурационном файле агента остался старый. В журнале агента (sudo journalctl -u Primo.AI.Agent) при этом сообщение «Ошибка полной авторизации при обращении к Auth»;
• время на целевой машине расходится со временем машины сервера больше чем на минуту — см. статью Синхронизация времени.

7. Запустите компоненты на целевых машинах

Компоненты, которые не установлены на машине, пропустите.

1. LLM. На странице Машины откройте целевую машину, в блоке LLM нажмите + Добавить LLM, выберите базовую модель и нажмите Запустить — см. статью Управление моделями на целевой машине.
2. Умный OCR. Умный OCR распознаёт текст через запущенную LLM. Для первой проверки используйте встроенный проект Неструктурированный документ: на вкладке Использование нажмите Использовать у модели Неструктурированный документ, в созданной конфигурации укажите целевую машину, в настройках распознавания текста привяжите поля к ViT с запущенной LLM, затем в блоке Процесс использования нажмите Использовать — см. Инструкцию по началу использования модели.
3. NLP. Создайте проект типа AI Текст с подтипом Задачи NLP и добавьте в него навык. На вкладке Использование выберите целевую машину и запущенную LLM — собственную или внешнюю (переключатель Вручную) — и нажмите Использовать. Перед запуском нажмите Запросить данные в блоке Параметры модели: кнопка запрашивает модель с реального движка по адресу модели — так проверяется, что LLM доступна. См. статьи Управление проектами, Настройка навыков модели и Настройка и запуск сервиса.
4. Исполнитель агентских систем. На карточке машины выберите Исполнитель агентских систем и нажмите Запустить — см. статью Управление моделями на целевой машине.
5. RAG. На карточке машины выберите RAG, задайте embed- и rerank-модели и сервер Postgres и нажмите Запустить — см. ту же статью.

Если не получилось:

• «Процесс не получает обратной связи от агента слишком долго» — агент не сообщил о ходе запуска за отведённое время. Чаще всего:
  • агент не может связаться с Центром управления и ничего не сообщает — проверьте обратный доступ, как в шаге 6;
  • не хватает ресурсов: слабое оборудование или большая LLM запущена с ограничением в несколько ядер CPU;
  • первая загрузка модели на машину идёт долго. Время ожидания считается от последней смены стадии запуска. Для LLM его задаёт LlmRunners > StartTimeoutSeconds (по умолчанию 1200 секунд), для Умного OCR и NLP — Inferences > StartTimeoutSeconds, в конфигурационном файле Api /app/Primo.AI/Api/volumes/conf/Api/appsettings.ProdLinux.json.
• «Не удается запустить LLM-ядро» — контейнер движка не запустился: на машине нет образа движка, нет сети agent_agent_ai или драйвера NVIDIA для Docker. Журнал контейнера приведён в тексте ошибки.
• «Недостаточно видеопамяти для инференса модели» — сообщение иногда появляется и при других ошибках запуска, поэтому всегда смотрите журнал LLM на карточке машины и загрузку в виджете ресурсов машины. Если памяти действительно не хватает:
  • видеопамять ещё занята предыдущим запуском — подождите пару минут и запустите снова;
  • увеличьте Загруженность видеокарты, %, уменьшите размер контекстного окна или выберите модель меньше.
• Умный OCR запущен, но в ответах поля без текста — LLM, к которой привязан ViT, недоступна или остановлена. Процесс Умного OCR запускается и без неё, а ошибки видны только в журнале процесса. Запустите LLM или проверьте доступ к ней.
• Ошибка кнопки Запросить данные:
  • «вернул 401 Unauthorized» — неверный ключ. В поле Авторизация значение указывается целиком, например Bearer <ключ>;
  • «не ответил за 5 с» или «Ошибка при обращении к …» — адрес модели недоступен. Запрос отправляет агент выбранной машины, поэтому адрес должен быть доступен с неё. Если LLM работает на другой машине, проверьте сетевой доступ между машинами.
• RAG с внешней базой данных не запускается — база должна быть доступна из контейнера RAG на целевой машине и поддерживать расширение pgvector.

8. Отправьте первый запрос

• Умный OCR — в проекте Неструктурированный документ на вкладке Тестирование загрузите любой PDF или скан и нажмите Выполнить — см. статью Тестирование.
• AI Текст — в NLP-проекте на вкладке Тестирование отправьте запрос к навыку — см. статью Тестирование навыков модели.
• Агентские системы — при необходимости создайте и проверьте проект агентских систем — см. раздел Работа с типом проекта Агентские системы.

Если запрос обработан и результат отображается, система готова к работе.

Если не получилось:

• «Модель с ключом маршрутизации … не запущена» или «Не найден запущенный NLP-сервер …» — процесс использования проекта не запущен, вернитесь к шагу 7.
• «Закончились доступные лицензии для агентов» — машина не удерживает лицензию агента: свободные лицензии закончились или время на машинах разошлось, см. шаг 6.

9. Что дальше

• Создайте роли и пользователей — см. статьи Управление ролями и Управление пользователями.
• При необходимости подключите внешнее S3-хранилище — см. статью Внешний S3.