Инструкция по установке

Настоящая инструкция описывает порядок установки и запуска экземпляра программного обеспечения «КОРТЕКС» (далее — Система).

Форма поставки. Экземпляр предоставляется в виде преднастроенного набора готовых Docker-образов (выгружены командой docker save), сопровождаемых локальными весами языковых моделей, преднастроенным демонстрационным состоянием, конфигурацией docker-compose и скриптом развёртывания. Сборка из исходного кода на стороне эксперта не требуется и не предусмотрена.

Автономность. Установка и работа Системы не требуют доступа в сеть Интернет: все компоненты (образы, языковые модели, демонстрационные данные) входят в комплект. Развёртывание выполняется одной командой.

2.1. Аппаратное обеспечение

2.2. Программное обеспечение

• операционная система Linux x86_64 (Ubuntu Server 22.04/24.04 LTS, Debian 12, RHEL 9 или совместимая);
• Docker Engine 24+ с плагином Docker Compose v2;
• (опционально, только при наличии GPU) драйвер NVIDIA и nvidia-container-toolkit.

Проверка готовности среды — команды docker version и docker compose version должны отрабатывать без ошибок, docker info — показывать запущенный демон Docker.

После распаковки архива каталог cortex-reestr-bundle/ содержит:

deploy.sh                     Скрипт развёртывания (одна команда)
stop.sh                       Скрипт остановки
docker-compose.yml            Конфигурация стека (offline, без сборки)
docker-compose.gpu.yml        Оверлей для GPU-ускорения (применяется автоматически)
cortex.env                    Конфигурация (демонстрационные значения)
images/cortex-images.tar      Docker-образы всех сервисов (docker save)
models/                       Локальные веса моделей (LLM, эмбеддинги, vision, аудио)
state/                        Преднастроенное демо-состояние (БД, индекс, документ)
examples/                     Демонстрационный документ
README.md, ПОЯСНИТЕЛЬНАЯ_ЗАПИСКА.md, МАНИФЕСТ.md   Документация

1. Скачать архив cortex-reestr-bundle.tar.gz по предоставленной ссылке.
2. (Рекомендуется) проверить целостность по контрольной сумме SHA-256:
   bash

   Копировать

   sha256sum cortex-reestr-bundle.tar.gz

   Значение должно совпасть с приложенным в CHECKSUM.txt.
3. Распаковать архив:
   bash

   Копировать

   tar xzf cortex-reestr-bundle.tar.gz
   cd cortex-reestr-bundle

Установка и запуск выполняются одной командой из каталога дистрибутива:

./deploy.sh

Скрипт выполняет все действия автоматически и без обращений в сеть:

1. Загрузка образов — docker load из images/cortex-images.tar.
2. Восстановление весов моделей и демонстрационного состояния — распаковка архивов из models/ и state/ в тома Docker (преднастроенные пользователь, сценарий, база знаний с проиндексированным документом).
3. Запуск стека — docker compose up -d (без сборки и без скачивания). При наличии GPU автоматически подключается ускорение (docker-compose.gpu.yml).
4. Ожидание готовности — скрипт дожидается состояния healthy сервисов и выводит адрес доступа и учётные данные.

Первый запуск дольше последующих (применение миграций БД и прогрев языковой модели; на CPU — несколько минут).

После завершения скрипта Система доступна по адресу:

http://localhost:8189

(или http://<IP-адрес-сервера>:8189 с другого компьютера в той же сети). Порядок проверки:

1. Открыть адрес в браузере и войти под демонстрационным пользователем (см. п. 7).
2. В разделе «Чаты» открыть готовый чат «Демонстрация: вопросы по документу».
3. Задать вопрос по документу (например: «Что такое Кортекс и для чего предназначена система?»). Будет получен ответ на русском языке с цитированием источника (блок «Использованные источники»).

Дополнительно состояние сервисов можно проверить командой:

docker compose -f docker-compose.yml ps

Все контейнеры должны находиться в состоянии Up/healthy.

7.1. Веб-интерфейс

7.2. Доступ к контейнерам и служебным БД (при необходимости)

Система полностью работоспособна на CPU. Инференс языковой модели на CPU медленнее, чем на GPU: короткий ответ с цитированием формируется ≈ 30–90 секунд (после прогрева модели) против ≈ 3–10 секунд на GPU; текст ответа печатается потоком. Это ожидаемое свойство локальных языковых моделей, а не ошибка.

Для отзывчивости на CPU в комплекте по умолчанию отключены наиболее ресурсоёмкие этапы обработки; на сервере с GPU их можно включить для максимального качества (см. ПОЯСНИТЕЛЬНАЯ_ЗАПИСКА.md, раздел о работе без GPU).