Walrus 是一款基于平台工程理念的应用管理平台，致力于解决应用交付领域的深切痛点。借助 Walrus 将云原生的能力和最佳实践扩展到非容器化环境，并支持任意应用形态统一编排部署，降低使用基础设施的复杂度 ，为研发和运维团队提供易用、一致的应用管理和部署体验，进而构建无缝协作的软件交付流程。
在之前文章中，我们探讨了如何使用 Walrus 在 AWS 上部署 Llama2。在今天的文章中，我们将手把手教您使用 AI 工具 Appilot 来简化这个部署过程。Appilot 是一款面向 DevOps 场景的 AI 助手，它可以充分利用 AI 大语言模型的能力让用户直接输入自然语言即可实现应用管理、环境管理、故障诊断、混合基础设施编排等功能。
使用前提
-
获取可访问 gpt-4 模型的 OpenAI API 密钥。
-
安装 python3 和 make。
-
安装 kubectl 和 helm。
-
拥有一个正在运行的 Kubernetes 集群。
安装 Appilot
克隆版本库：
git clone https://github.com/seal-io/appilot && cd appilot
运行以下命令获取envfile envfile。
cp .env.example .env
编辑.env文件并填入OPENAI_API_KEY 。运行以下命令进行安装。它将创建一个填写venvb并且安装所需的依赖项。
make install
使用 Walrus 后台
Appilot 也可以使用 Kubernetes 等项目作为后端，本文以 Walrus 作为后端为例。要启用 Walrus 后台，首先需要安装 Walrus 并编辑envfile ：
-
设置
TOOLKITS=walrus -
填写
OPENAI_API_KEY、WALRUS_URL和WALRUS_API_KEY
以下是有关配置的更多信息，Appilot 可通过环境变量或envfile进行配置：
然后，您就可以运行 Appilot 了：
make run
像聊天一样在 AWS 上部署 Llama2
在这篇文章中，我们使用了 Appilot 和 Walrus 来开启探索 Llama2 部署的旅程，并见证了这些强大的工具如何简化复杂的部署过程。您可以通过访问项目的 GitHub 地址下载和安装 Walrus 和 Appilot:
Walrus: https://github.com/seal-io/walrus
Appilot: https://github.com/seal-io/appilot