Skip to Content
Primo RPA AI ServerСистемным администраторамОбновлениеОбновление 1.26.3.2 → 1.26.8.0

Обновление 1.26.3.2 → 1.26.8.0

ℹ️

Примечания к релизам: 1.26.3.3 · 1.26.3.4 · 1.26.6.0 · 1.26.6.1 · 1.26.6.2 · 1.26.6.3 · 1.26.6.4

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 в docker-compose.yaml
  • Упразднён образ ai-server-igx (функционал перенесён в ai-server-langflow-backend)
  • Упразднён образ ai-server-vllm-cpu
  • Образ vLLM заменён: primo-rpa/ai-server-vllm-gpu → внешний образ externals/vllm-openai:v0.26.0
  • Добавлена новая модель base-LLM-12-35b-safetensors-nfvp4 (vLLM)
  • Изменены конфигурации сервисов: Api (LlmRunners, Agents.UsagePeriod), Inference (Orchestrator), агент (переработана секция LlmEngineProcess: Endpoint вместо Url, 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 *PrefetchCount в секцию RabbitMQ конфига Inference (ограничение одновременных запросов)
  • Добавлена секция LangflowScriptPreset в конфиг Api (хранилище пресетов агентских систем)
  • Добавлен volume Api_LangflowScriptPreset в docker-compose.yaml для 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)

Машина сервера

1. 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/ssl

Извлеките 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.rsa

Установите 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.rsa
ℹ️

Если контейнер server_ui уже остановлен или сертификаты недоступны, сгенерируйте новые по инструкции.

2. Обновите образы.

Через архивы:

sudo apt update && sudo apt install 7z
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="postgres:17.10-alpine rabbitmq:4.2.8-management-alpine redis:7.4-alpine"
for name in $names; do
    wget --content-disposition "https://disk.primo-rpa.ru/index.php/s/t9BHBjR6PP06Yax/download?path=%2FRelease%2FAI%20Server%2Fdistr&files=$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 "$external" | sed 's/:/_/g')
    wget --content-disposition "https://disk.primo-rpa.ru/index.php/s/t9BHBjR6PP06Yax/download?path=%2FRelease%2FAI%20Server%2Fdistr%2Fexternals&files=$filename.tar.7z"
    7z x $filename.tar.7z
    docker load -i $filename.tar
    rm $filename.tar.7z $filename.tar
done

Если есть доступ к nexus.primo-rpa.ru:8005:

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="postgres:17.10-alpine rabbitmq:4.2.8-management-alpine redis:7.4-alpine"
for name in $names; do
    images+=" primo-rpa/$name"
done
for external in $externals; do
    images+=" externals/$external"
done
for image in $images; do
    docker pull nexus.primo-rpa.ru:8005/$image
    docker tag nexus.primo-rpa.ru:8005/$image $image
    docker rmi nexus.primo-rpa.ru:8005/$image
done

3. 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.

4. 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
  },
  ...
ПараметрПо умолчаниюОписание
DefaultExpirationSeconds3600Время хранения обработанного запроса (сек). По умолчанию 1 час
UnprocessedExpirationSeconds86400Время хранения необработанного запроса (сек). По умолчанию 24 часа

5. 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
  },
  ...
ПараметрПо умолчаниюОписание
AgentSystemRequestEventPrefetchCount10Кол-во одновременных запросов агентских систем в обработке
SmartOcrRequestEventPrefetchCount10Кол-во одновременных запросов Умного OCR в обработке
NlpRequestEventPrefetchCount10Кол-во одновременных запросов NLP в обработке
PackageRequestEventPrefetchCount10Кол-во одновременных запросов пакетной обработки
PdfGeneratingEventPrefetchCount10Кол-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"
  },
  ...
ℹ️

Укажите в Address реальный внешний адрес Центра управления. Password — зашифрованное значение.

6. 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
  },
  ...

7. Обновите docker-compose.yaml.

В файле /app/Primo.AI/Api/docker-compose.yaml:

  1. Обновите образ PostgreSQL:
postgres:
    image: externals/postgres:17.10-alpine
  1. Обновите образ RabbitMQ:
rabbitMQ:
  image: externals/rabbitmq:4.2.8-management-alpine
  1. Обновите образ Redis:
redis:
  image: externals/redis:7.4-alpine
  1. Добавьте в секцию volumes сервиса api:
      - ./volumes/Api_LangflowScriptPreset:/app/Primo.AI/Api_LangflowScriptPreset
  1. Добавьте в секцию volumes сервиса nginx монтирование 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/nginx

8. Скачайте новые модели:

Имя моделиИмя файлаИсполнение
base-llm-11-30b-gguf-q4_k_me8dfc900-e183-4647-80b0-a97f242a7dbaOllama
base-llm-12-35b-gguf-q4_k_m3377b494-f686-4cef-9db1-4ffb3164cc9cOllama
base-llm-12-35b-safetensors-nfvp463e56e59-6c96-4fc7-9ecb-afab3d79bb21vLLM
base-llm-13-26b-gguf-q4_k_m1442b32b-aaee-4139-88c1-a7f313d11a09Ollama
ft-base-0.6b-fp166dd7fb3c-d58e-427c-8845-39964df50bc5vLLM (FT)
ft-base-2b-fp16ce8f072a-b6dc-4c9f-ae4e-abe826da3aa0vLLM (FT)
filenames="e8dfc900-e183-4647-80b0-a97f242a7dba \
3377b494-f686-4cef-9db1-4ffb3164cc9c \
63e56e59-6c96-4fc7-9ecb-afab3d79bb21 \
1442b32b-aaee-4139-88c1-a7f313d11a09 \
6dd7fb3c-d58e-427c-8845-39964df50bc5 \
ce8f072a-b6dc-4c9f-ae4e-abe826da3aa0"
for filename in $filenames; do
    wget --content-disposition "https://disk.primo-rpa.ru/index.php/s/t9BHBjR6PP06Yax/download?path=%2FRelease%2FAI%20Server%2Fdata%2Fmodels%2FNLP&files=$filename" -P /app/Primo.AI/Api/volumes/Api_Models/
done

9. 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 $filenames; do
    wget --content-disposition "https://disk.primo-rpa.ru/index.php/s/t9BHBjR6PP06Yax/download?path=%2FRelease%2FAI%20Server%2Fdata%2Fagsys-presets&files=$filename" -P /app/Primo.AI/Api/volumes/Api_LangflowScriptPreset/
done

10. 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 -d

11. Обновите Api.MachineInfo

wget --content-disposition "https://disk.primo-rpa.ru/index.php/s/t9BHBjR6PP06Yax/download?path=%2FRelease%2FAI%20Server%2Fdistr&files=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.MachineInfo

Целевые машины

⚠️

Перед началом работ на целевой машине остановите все её процессы через Центр управления (UI).

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:

sudo apt-get install -y acl

Настройте права доступа для UID 1001 на существующие файлы и директории:

sudo setfacl -R -m u:1001:rwx /app/Primo.AI/AgentData/ModelTemplates

Установите default ACL для автоматического наследования прав новыми файлами и директориями:

sudo setfacl -R -d -m u:1001:rwx /app/Primo.AI/AgentData/ModelTemplates

Верните владельца директории агенту:

sudo chown -R agent:primo-ai /app/Primo.AI/AgentData/ModelTemplates

Смените 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/ModelTemplates

В выводе должны присутствовать строки user:1001:rwx и default:user:1001:rwx.

Обновите файлы агента:

wget --content-disposition "https://disk.primo-rpa.ru/index.php/s/t9BHBjR6PP06Yax/download?path=%2FRelease%2FAI%20Server%2Fdistr&files=Agent-linux.zip&downloadStartSecret=uf3pctriscf"
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.Agent

Удалите упразднённые образы

ℹ️

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 || true

Образы

  • Вариант загрузки образов 1: скачайте необходимые архивы из официальной поставки AI Server:
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_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-openai:v0.26.0"
    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
 
# Удаляем ведущий пробел
images=$(echo $images | sed 's/^ //')
 
names=$(echo $images | tr ' ' '\n')
 
echo "Загружаемые images: $images"
echo "Externals: $externals"
 
sudo apt update && sudo apt install -y 7z
 
for name in $names; do
    echo "Загрузка $name..."
    wget --content-disposition "https://disk.primo-rpa.ru/index.php/s/t9BHBjR6PP06Yax/download?path=%2FRelease%2FAI%20Server%2Fdistr&files=$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 "$external" | sed 's/:/_/g')
    wget --content-disposition "https://disk.primo-rpa.ru/index.php/s/t9BHBjR6PP06Yax/download?path=%2FRelease%2FAI%20Server%2Fdistr%2Fexternals&files=$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:8005.
#!/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_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-openai:v0.26.0"
    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
 
# Удаляем ведущий пробел
images=$(echo $images | sed 's/^ //')
 
names=$(echo $images | tr ' ' '\n')
 
echo "Загружаемые images: $images"
echo "Externals: $externals"
 
for name in $names; do
    docker pull nexus.primo-rpa.ru:8005/primo-rpa/$name
    docker tag nexus.primo-rpa.ru:8005/primo-rpa/$name primo-rpa/$name
    docker rmi nexus.primo-rpa.ru:8005/primo-rpa/$name
done
 
for external in $externals; do
    docker pull nexus.primo-rpa.ru:8005/externals/$external
    docker tag nexus.primo-rpa.ru:8005/externals/$external externals/$external
    docker rmi nexus.primo-rpa.ru:8005/externals/$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" ]
}

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": "externals/vllm-openai:v0.26.0",
        "ContainerName": "vllm",
        "PortsRangeFrom": 8000,
        "PortsRangeTo": 8019,
        "Subnet": "agent_agent_ai",
        "ExposePort": true
      },
      "Ollama": {
        "ImageName": "primo-rpa/ai-server-ollama",
        "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" ]
      },
      "LlamaCppPython": {
        "ImageName": "primo-rpa/ai-server-llama-cpp-python",
        "ContainerName": "llama",
        "PortsRangeFrom": 8040,
        "PortsRangeTo": 8059,
        "Subnet": "agent_agent_ai",
        "ExposePort": true
      }
    }
  },

Перезапустите агент:

sudo systemctl restart Primo.AI.Agent

Что дальше

После завершения обновления выполните проверку работоспособности системы.

Last updated on
Обновление 1.26.3.3 → 1.26.8.0Обновление 1.26.3.1 → 1.26.8.0