ChatDev 2.0 如何完成安装、配置 .env 并启动前后端跑通第一个工作流？

ChatDev 2.0 如何完成安装、配置 .env 并启动前后端跑通第一个工作流【免费下载链接】ChatDevChatDev 2.0: Dev All through LLM-powered Multi-Agent Collaboration项目地址: https://gitcode.com/GitHub_Trending/ch/ChatDev这篇文章面向第一次本地部署 ChatDev 2.0DevAll的读者。你要完成的事情很明确在 macOS / Linux / WSL / Windows 上装好前后端依赖配好 LLM 密钥的.env文件启动后端FastAPI端口 6400和前端Vite Vue 3端口 5173最后在 Web 控制台的 Launch 页面把yaml_instance/里的一条示例工作流跑完。所有命令都来自 README.md 与 Web UI 指南。准备条件按 README 的 Quick Start 一节环境要求是操作系统macOS / Linux / WSL / WindowsPython3.12pyproject.toml 中进一步限定为3.12,3.13Node.js18包管理器uvPython 依赖由uv管理前端依赖由 npm 管理两件事分开做。安装前后端依赖在项目根目录执行uv sync这一步由uv安装后端全部 Python 依赖FastAPI、uvicorn、openai、pydantic 等见 pyproject.toml。然后安装前端依赖前端是 Vite Vue 3位于frontend/目录cd frontend npm install两条命令都成功结束即可进入配置环节。配置 .env 文件从项目根目录复制模板cp .env.example .env然后编辑.env至少填入你使用的 LLM 提供商的BASE_URL和API_KEY。.env.example 给出的默认值与可选示例BASE_URLhttps://api.openai.com/v1 API_KEYsk-your-openai-api-key-here文档注释里列出的BASE_URL示例OpenAI / Gemini / LM Studio / Ollama# - OpenAI: https://api.openai.com/v1 # - Gemini: https://generativelanguage.googleapis.com # - LM Studio: http://localhost:1234/v1 # - Ollama: http://localhost:11434/v1SERPER_DEV_API_KEY与JINA_API_KEY两项是可选的只在使用 Web 搜索/阅读类工具时才需要首次跑通工作流可以不填。.env与 YAML 工作流的关系详见 工作流编排指南工作流 YAML 用${VAR}占位符引用变量例如api_key: ${API_KEY}、base_url: ${BASE_URL}系统在解析配置时会自动加载项目根目录下的.env文件若存在变量解析优先级为YAMLvars中显式定义 系统/Shell 环境变量 .env文件即.env不会覆盖已经存在的环境变量如果占位符引用的变量在上述三个来源中都未定义解析阶段会抛出ConfigError并指明出错路径——这是第一次运行前最常见的失败原因。启动前后端推荐用 Makefile 一条命令同时拉起两个服务make devmake dev会在后台启动后端Makefile 中实际执行uv run python server_main.py --port 6400并带VITE_API_BASE_URLhttp://localhost:6400启动前端。启动后访问 Web 控制台http://localhost:5173。如果不想用 Make也可以手动分两步启动分别开两个终端# 终端 1从项目根目录启动后端 uv run python server_main.py --port 6400 --reload# 终端 2启动前端 cd frontend VITE_API_BASE_URLhttp://localhost:6400 npm run dev两点说明--reload只监听服务端的 Python 源码目录WareHouse/下智能体生成的文件不会触发重启可用--reload-dir/--reload-exclude可重复指定自定义。端口冲突README 明确提示如果前端连不上后端可能是默认端口6400被占用。此时前后端要同时切换到同一空闲端口例如后端加--port 6401启动前端改VITE_API_BASE_URLhttp://localhost:6401两边端口必须一致否则前端找不到后端。可选分支Docker Compose 运行如果更希望用容器跑可以跳过手工依赖安装改为前提已装 Docker 与 Docker Compose且项目根目录已有配好 API Key 的.env# 从项目根目录执行 docker compose up --build访问地址不变后端http://localhost:6400前端http://localhost:5173。服务崩溃会自动重启本地文件修改会映射进容器。此分支与本地make dev二选一不需要混用。验证服务已经跑起来浏览器打开http://localhost:5173能加载出 Web 控制台即说明前端正常。后端健康检查直接请求后端GET /health接口例如http://localhost:6400/health返回{status: healthy}见 server/routes/health.py 中的health_check。进入工作流列表 (Workflow List)页面确认能看到yaml_instance/目录下的工作流文件。README 提供了两个辅助命令make sync会把yaml_instance/中的工作流上传到数据库make validate-yamls会检查所有 YAML 的语法与 schema 错误怀疑工作流文件本身有问题时可以执行它定位。跑通第一个工作流按 Web UI 指南 的 Launch 流程操作进入Launch View启动页从左侧列表选择要执行的工作流 YAML。第一次运行选一条简单的示例即可yaml_instance/下所有demo_*.yaml都是用于展示特定功能的示例例如 demo_code.yaml。可选点击上传按钮添加附件例如数据分析工作流需要的.csv文件不需要就跳过。在文本框中输入任务提示Task PromptREADME 给出的示例提示词如Visualize the sales trends或Design a snake game可按所选手选的工作流替换。点击Launch按钮启动执行。执行期间观察两处节点视图节点状态会按pending → running → success/failed变化全部到达终态说明图跑完输出面板实时显示执行日志、节点输出上下文和生成的工件三者共用同一面板。如果工作流包含human节点执行会暂停并显示输入提示填入文本或附件后提交即可继续。执行完成后点击右侧面板的Download按钮可以下载完整的 Session 压缩包含context.json、附件、日志等作为本次运行的核对材料。出问题时的排查顺序Web UI 指南 给出了对照表按现象逐项检查问题解决方案页面无法加载确认前端服务npm run dev正常运行无法连接后端确认后端服务uv run python server_main.py正常运行工作流列表为空检查yaml_instance/目录是否有 YAML 文件执行无响应检查浏览器开发者工具的 Network/Console 日志WebSocket 断开刷新页面重新建立连接结合前文如果页面能打开但点 Launch 后报变量缺失类错误回到.env检查BASE_URL/API_KEY是否已按你的 LLM 提供商填写以及工作流 YAML 里的${VAR}占位符是否都能解析到。限制与边界Python 版本被锁定在 3.12.x 区间3.12,3.13用更高版本解释器直接uv sync会得到不满足约束的环境。端口约定后端默认启动命令使用 6400前端固定在 5173换端口时前后端必须同步修改见上文端口冲突说明。本文覆盖的是本地开发与首次运行路径make dev属于开发态启动方式日志写入logs/运行资产写入WareHouse/session/见 后端用户文档 的架构与运行流概览。跑通第一条工作流之后下一步自然是进入Workflow Workbench用拖拽方式编辑自己的工作流或阅读 工作流编排指南 手写 YAML这两条路径的详细说明见 Web UI 指南第 2.4 节与 Workflow Authoring 文档。【免费下载链接】ChatDevChatDev 2.0: Dev All through LLM-powered Multi-Agent Collaboration项目地址: https://gitcode.com/GitHub_Trending/ch/ChatDev创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考