OpsMind/Makefile at main · int2t05/OpsMind · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
# OpsMind Makefile — 构建和开发命令
#
# 使用方式：
#   make dev          本地开发启动
#   make build        构建全部 Docker 镜像
#   make up           启动全部服务
#   make down         停止全部服务
#   make test         运行全部测试
#   make migrate      运行数据库迁移
#   make seed         加载演示数据

.PHONY: dev build up up-ai down down-v test test-integration migrate seed db-reset db-init db-drop clean help model-download

# 默认目标
help:
	@echo "OpsMind 构建和开发命令"
	@echo ""
	@echo "  make dev             本地开发启动（仅启动依赖服务）"
	@echo "  make build           构建全部 Docker 镜像"
	@echo "  make up              一键启动全部服务"
	@echo "  make up-ai           启动含 llama.cpp 的完整 AI 环境"
	@echo "  make down            停止全部服务"
	@echo "  make down-v          停止并清除数据卷"
	@echo "  make test            运行全部测试"
	@echo "  make test-integration 运行集成测试"
	@echo "  make seed            加载演示数据"
	@echo "  make db-reset        清空所有数据（保留表结构）"
	@echo "  make db-init         清空并重新加载演示数据"
	@echo "  make db-drop         仅清空数据"
	@echo "  make model-download  下载 llama.cpp 对话模型和 Embedding 模型（GGUF 格式）"
	@echo "  make clean           清理构建产物和运行时数据"

# ===== 本地开发 =====

# 启动本地开发所需的依赖服务（PostgreSQL + MinIO）
dev:
	docker compose up -d postgres minio
	@echo "依赖服务已启动"
	@echo "  PostgreSQL: localhost:5432"
	@echo "  MinIO API:  localhost:9000"
	@echo "  MinIO Web:  http://localhost:9001"
	@echo ""
	@echo "接下来手动启动："
	@echo "  cd server && go run ./cmd/main.go"
	@echo "  cd web && npm run dev"

# ===== Docker 构建和启动 =====

# 构建全部镜像
build:
	docker compose build

# 一键启动全部服务（4 个必须服务，不含 llama.cpp）
up:
	docker compose up -d --build
	@echo ""
	@echo "============================================"
	@echo "  OpsMind 服务已启动"
	@echo "============================================"
	@echo "  前端:     http://localhost:5173"
	@echo "  后端 API: http://localhost:8080"
	@echo ""
	@echo "  如需启动 llama.cpp: make up-ai"
	@echo "============================================"

# 启动含 llama.cpp 的完整 AI 环境（需要先下载模型: make model-download）
up-ai:
	docker compose --profile ai-local up -d --build
	@echo ""
	@echo "llama.cpp 已启动。如果使用 OpenAI/DeepSeek 等云 API，"
	@echo "只需要 make up 并在 .env 中配置 LLM_BASE_URL 即可。"

# 停止全部服务
down:
	docker compose down

# 停止并清除数据卷
down-v:
	docker compose down -v

# ===== 测试 =====

# 运行全部测试（非集成）
test:
	cd server && go test ./tests/pkg/... ./tests/middleware/... ./tests/router/... ./tests/config/... ./tests/adapter/... -v

# 运行集成测试（需要 PostgreSQL opsmind_test 库；-p 1 避免跨包并行共享数据库冲突）
test-integration:
	cd server && go test ./tests/... -tags=integration -v -p 1

# ===== 数据库 =====

# 数据库自动迁移（启动后端后自动执行，也可手动触发）
migrate:
	cd server && go run ./cmd/main.go &
	sleep 5
	@echo "数据库迁移已通过 AutoMigrate 完成"
	kill %1 2>/dev/null || true

# 加载演示数据（需要先启动 PostgreSQL）
seed:
	docker compose exec -T postgres psql -U opsmind -d opsmind < server/migrations/001_init.sql
	@echo "演示数据加载完成"

# 清空所有数据（保留表结构）
db-reset:
	docker compose exec -T postgres psql -U opsmind -d opsmind < scripts/reset-db.sql
	@echo "数据库已清空"

# 清空并重新加载演示数据（一键初始化数据库）
db-init:
	@bash scripts/seed-db.sh --reset

# 仅清空数据
db-drop:
	@bash scripts/seed-db.sh --drop

# ===== 模型下载 =====

# 下载 llama.cpp GGUF 模型文件（对话模型 + Embedding 模型）
#
# llama.cpp 需要 .gguf 格式的模型文件，而非原始 HuggingFace 模型。
# 最便捷的下载方式是通过 huggingface-cli（需 Python 3.8+）。
#
# 没有 huggingface-cli？手动从 HuggingFace 下载 .gguf 文件到 ./models/ 即可。
model-download:
	@echo "=== 下载 llama.cpp GGUF 模型文件 ==="
	@echo ""
	@mkdir -p models
	@if command -v huggingface-cli >/dev/null 2>&1; then \
		echo "使用 huggingface-cli 下载..."; \
		echo ""; \
		echo "下载对话模型 Qwen3-4B-Instruct Q4_K_M (~2.5 GB)..."; \
		huggingface-cli download bartowski/Qwen3-4B-Instruct-2507-GGUF \
			--include "*Q4_K_M*" --local-dir ./models/ || \
			echo "下载失败，请手动下载 .gguf 文件放到 ./models/"; \
		echo ""; \
		echo "下载 Embedding 模型 BGE-M3 Q4_K_M (~1.5 GB)..."; \
		huggingface-cli download ChristianAzinn/bge-m3-gguf \
			--include "*Q4_K_M*" --local-dir ./models/ || \
			echo "下载失败，请手动下载 .gguf 文件放到 ./models/"; \
	else \
		echo "未安装 huggingface-cli。"; \
		echo ""; \
		echo "安装方式："; \
		echo "  pip install huggingface_hub"; \
		echo ""; \
		echo "然后重新运行: make model-download"; \
	fi
	@echo ""
	@echo "模型文件位于 ./models/ 目录"
	@echo "现在可以运行: make up-ai"

# ===== 清理 =====

# 清理构建产物和运行时数据
clean:
	docker compose down -v
	rm -rf server/bin/
	rm -rf server/*.exe
	rm -rf web/dist/
	rm -rf web/node_modules/.vite/
	@echo "清理完成"