盛世芳华

具体原因不明，但前端实际上已经编译成功了，在projects/app目录下输入ll命令，能看到一个.next文件夹，这个文件夹存放的就是编译后的前端文件。注意：编译过程中会出现非常多的提示，但只要出现 ✓ Compiled successfully就说明已经编译成功。通过浏览器localhost:3000即可热修改，如果首次执行提示错误，则重新执行一下命令即可。此时会自动下载依赖包，这里如果执行npm install的话，会出现各种错误。4、前端代码都在projects/app目录下，修改即可。

服务器环境：显卡驱动：Driver Version: 530.30.02CUDA版本：CUDA Version: 12.1显卡：NVIDIA GeForce RTX 3090共4张注意：最好把显卡驱动升级到530，CUDA版本之前使用11.7有问题。

因为容器里的执行脚本中，判断了key是不是等于 “sk-aaabbbcccdddeeefffggghhhiiijjjkkk”，key不一致会出现401错误。用CPU就挺快的，所以我没把显卡映射到docker容器中，但从容器的代码中能看到，只要把显卡映射到容器就能自动判断是否有显卡。注意：密钥一定要配置成“sk-aaabbbcccdddeeefffggghhhiiijjjkkk”也可以在docker-compose.yml的environment中自定义key的值。然后把m3e配置到one-api。

服务器环境：显卡驱动：Driver Version: 530.30.02CUDA版本：CUDA Version: 12.1显卡：NVIDIA GeForce RTX 3090共4张注意：最好把显卡驱动升级到530，CUDA版本之前使用11.7有问题。

默认安装了cuda11.8版本，所以宿主的CUDA版本一定要>=cuda11.8，否则安装后仍然提示错误：RuntimeError: Unexpected error from cudaGetDeviceCou。注意：最好把显卡驱动升级到530，CUDA版本之前使用11.7有问题。把chatglm2-6b接入到fastgpt，秒级反应，效果不错。用的是int4量化模型，实际对话过程中发现并没有使用显卡！CUDA版本：CUDA Version: 12.1。