完全明白你的意思了。是我之前啰嗦太多，没有完全按照你提供的原题结构来排版。

现在，我严格按照你图片中的《三、AI部署》原始题目，逐题对应给出精准答案。结合你的真实环境（Fedora 44、纯内网离线、IP假定为 192.168.200.147，你需要根据自己的实际IP修改），这份格式最适合你用来复习和背诵。

三、AI 部署

说明：

  • Linux 相关软件和文档存放在 /soft 目录；每个软件包存放在与其同名的子目录中。
  • Linux 系统 root 用户密码为 Admin@234。
  • 考试结束后，执行下面的命令，提交答案（答案文件 /opt/ai.txt）。
    chmod +x /soft/ai.sh
    /soft/ai.sh

(一) 安装桌面

1. 在 Fedora server 中安装 kde-desktop 桌面环境，并将系统默认启动目标设置为图形界面。

答案：

cd /soft/kde-desktop/packages
dnf install *.rpm -y --disablerepo=* --nogpgcheck
# 若报依赖错误：rpm -ivh *.rpm --nodeps --force
systemctl set-default graphical.target

2. 重启系统后完成桌面环境初始化，语言设置为 American English，键盘布局设置为 English (US)。创建普通用户 xiao，密码设置为 Admin@234。将主机名称设置为 ai。时区设置为 Asia/Shanghai。

答案：

# (图形界面向导操作：语言、键盘、创建用户xiao及密码、时区)
# 以xiao登录桌面后，打开终端，su - root 切换为root
hostnamectl set-hostname ai
timedatectl set-timezone Asia/Shanghai

3. 以 xiao 用户登录桌面系统，下面所有命令行操作都以 root 用户身份进行。

答案：

su - root
# 输入密码 Admin@234

4. 扩展 LV 大小为整个 VG。

答案： (你的环境为 XFS 文件系统，且路径为 /dev/mapper/fedora-root)

vgs && lvs && df -hT  # 先确认信息
lvextend -l +100%FREE /dev/mapper/fedora-root
xfs_growfs /          # ⚠️注意是XFS，不能用resize2fs
df -hT                # 验证扩容结果

(二) python 虚拟环境搭建

1. 安装 python3-pip 和 uv。

答案：

cd /soft/python3-pip/packages
dnf install *.rpm -y --disablerepo=* --nogpgcheck

cd /soft/uv/packages
dnf install *.rpm -y --disablerepo=* --nogpgcheck

2. 使用 python venv 在 /opt/uv_venv 创建虚拟环境，并激活该环境。

答案：

python3 -m venv /opt/uv_venv
source /opt/uv_venv/bin/activate

3. 使用 torch 和 numpy 目录中的本地软件包，通过 uv 在该虚拟环境中离线安装 torch 和 numpy 及其运行依赖。

答案：

uv pip install --no-index --find-links=/soft/torch torch
uv pip install --no-index --find-links=/soft/numpy numpy

4. 退出虚拟环境。

答案：

deactivate

(三) conda 虚拟环境搭建

1. 使用 Miniconda3-latest-Linux-x86_64.sh 将 Miniconda 安装到 /opt/miniconda3。

答案： (注意 Linux 的 L 是大写，建议用 Tab 补全)

bash /soft/Miniconda3-latest-Linux-x86_64.sh -b -p /opt/miniconda3

2. 完成 conda 初始化，并激活 base 环境。

答案：

/opt/miniconda3/bin/conda init
source ~/.bashrc
conda activate base

3. 在 base 环境中安装 conda-completion，并使自动补全功能生效。

答案：

cd /soft/conda-completion
conda install --offline *.conda -y
# 若报错：conda install --offline --use-local /soft/conda-completion/* -y
# 自动补全生效通常需要重新 source ~/.bashrc 或重新打开终端

4. 配置 conda，使新打开的 Shell 不自动激活 base 环境，退出 base 虚拟环境。

答案：

conda config --set auto_activate_base false
conda deactivate

5. 创建名为 conda_env 的 conda 虚拟环境，使用系统的 python 版本。

答案： (你的系统 Python 版本为 3.14，必须严格匹配)

conda create -n conda_env python=3.14 -y

6. 激活 conda_env 环境，使用 conda-pytorch-cpu 目录中的本地软件包，在 conda_env 环境中离线安装 pytorch 及其运行依赖。

答案：

conda activate conda_env
cd /soft/conda-pytorch-cpu
conda install --offline *.conda *.tar.bz2 -y
# 若报错：conda install --offline --use-local /soft/conda-pytorch-cpu/* -y

7. 退出 conda 虚拟环境。

答案：

conda deactivate

(四) ollama 部署

1. 安装 docker-compose，并启动 docker.socket，同时设置为开机自启，不要手动启动 docker.service。

答案：

cd /soft/docker_compose/packages
dnf install *.rpm -y --disablerepo=* --nogpgcheck
systemctl enable --now docker.socket  # ⚠️ 绝对不要敲 systemctl start docker

2. 关闭系统防火墙；将 SELinux 运行模式设置为 permissive，并保证重启后配置仍然有效。

答案：

systemctl stop firewalld && systemctl disable firewalld
setenforce 0
sed -i 's/SELINUX=enforcing/SELINUX=permissive/g' /etc/selinux/config

3. 导入 Ollama Docker 镜像，确认本地镜像可用。

答案：

docker load -i /soft/docker.io_ollama_ollama-0.40.1.tar
docker images | grep ollama

4. 创建 /opt/ollama 目录，并将 qwen2.5_0.5b.tar.zst 中的模型数据解压到该目录。

答案： (系统已预装 zstd)

mkdir -p /opt/ollama
tar -I zstd -xvf /soft/qwen2.5_0.5b.tar.zst -C /opt/ollama

5. 使用 Ollama 镜像创建名为 ollama 的容器，容器应监听 0.0.0.0:11434，并将宿主机 /opt/ollama 挂载到容器内 /root/.ollama，容器应在主机重启后自动启动。

答案：

docker run -d \
  --name ollama \
  --restart always \
  -p 11434:11434 \
  -v /opt/ollama:/root/.ollama \
  ollama/ollama

(五) Dify 部署与聊天助手配置

1. 使用 Docker 镜像离线包，导入 Dify 部署所需的镜像，并检查导入结果。

答案：

docker load -i /soft/dify-images.tar
docker images | grep dify

2. 将 /soft/dify-1.17.1.tar.gz 解压至 /opt 目录，进入 /opt/dify-1.17.1/docker/，以 .env.example 为模板创建 .env 文件，并完成以下配置：修改两处：FORCE_VERIFYING_SIGNATURE=false, PLUGIN_MAX_PACKAGE_SIZE=524288000。在文件最后加上：PLUGIN_IGNORE_UV_LOCK=true。

答案：

tar -zxvf /soft/dify-1.17.1.tar.gz -C /opt/
cd /opt/dify-1.17.1/docker/
cp .env.example .env
sed -i 's/FORCE_VERIFYING_SIGNATURE=true/FORCE_VERIFYING_SIGNATURE=false/g' .env
sed -i 's/PLUGIN_MAX_PACKAGE_SIZE=.*/PLUGIN_MAX_PACKAGE_SIZE=524288000/g' .env
echo "PLUGIN_IGNORE_UV_LOCK=true" >> .env

3. 启动 Dify 服务。在 /opt/dify-1.17.1/docker/ 目录下，使用 Docker Compose 创建并以后台方式启动 Dify 服务。

答案：

docker compose up -d
# 如果提示没有 compose 命令，请用 docker-compose up -d

4. 安装 Firefox 浏览器。启动浏览器，进入 dify 页面，设置 dify 页面语言为“简体中文”。初始化管理员账户，信息如下：邮箱: admin@example.com，用户名: admin，密码: Admin@234。初始化完成后，使用该账户登录 Dify。

答案：

# 命令行安装 Firefox
cd /soft/firefox/packages
dnf install *.rpm -y --disablerepo=* --nogpgcheck

[图形界面操作]：打开 Firefox，访问 http://localhost，设置语言为“简体中文”，初始化管理员账户（admin@example.com / admin / Admin@234），登录 Dify。

5. 安装 Ollama 插件并添加模型。通过 Dify 的插件管理页面，使用本地安装包方式安装 langgenius-ollama_1.0.2-offline-fixed.difypkg。安装完成后，添加 Ollama 模型，配置如下：模型名称: qwen2.5:0.5b，模型类型: LLM，基础 URL: http://:11434，默认模型设置为: qwen2.5:0.5b。其中， 应替换为运行 Ollama 服务的服务器实际 IP 地址。

答案：
[图形界面操作]：

  1. 进入 Dify -> 插件 -> 本地安装，上传 /soft/langgenius-ollama_1.0.2-offline-fixed.difypkg。

  2. 添加 Ollama 模型：

    • 模型名称：qwen2.5:0.5b
    • 模型类型：LLM
    • 基础 URL：http://192.168.200.147:11434（⚠️必须换成你当前机器的实际IP）
    • 默认模型：qwen2.5:0.5b

6. 创建聊天助手并验证。创建一个聊天助手，完成以下设置：应用类型: 聊天助手，应用名称: ChatAssistant，使用模型: qwen2.5:0.5b。在应用调试页面输入测试问题：Hello, please introduce yourself in one sentence.

答案：
[图形界面操作]：

  1. 创建应用 -> 选择“聊天助手” -> 应用名称 ChatAssistant -> 选择模型 qwen2.5:0.5b。
  2. 在调试与预览页面，输入：Hello, please introduce yourself in one sentence. 验证是否有回复。

最后一步（交卷）：

chmod +x /soft/ai.sh
/soft/ai.sh