Deleterr 使用教程

Deleterr 使用教程

deleterr Deleterr is a Python script designed to help you manage available disk space in your Plex media server. deleterr 项目地址: https://gitcode.com/gh_mirrors/de/deleterr

1. 项目介绍

Deleterr 是一个使用 Python 编写的脚本,旨在帮助用户管理 Plex 媒体服务器上的可用磁盘空间。它通过整合 Radarr、Sonarr 和 Tautulli 等工具,根据用户指定的标准来识别和删除媒体文件。Deleterr 允许用户为不同的库和 Sonarr/Radarr 实例定制元数据规则,自动化地删除满足特定条件的媒体文件,从而保持媒体库的整洁,无需手动管理以释放空间。

注意事项:不要将此脚本用于无法承受丢失的媒体内容。如果需要,请在 Sonarr/Radarr 设置中开启回收站功能以恢复已删除文件(不推荐用于远程挂载)。

2. 项目快速启动

以下是快速启动 Deleterr 的步骤:

首先,确保已经安装了 Docker。然后,创建一个名为 docker-compose.yml 的文件,并添加以下内容以在每周运行 Deleterr:

version: '3.9'

services:
  deleterr:
    image: 'ghcr.io/rfsbraz/deleterr:latest'
    container_name: 'deleterr'
    environment:
      LOG_LEVEL: 'INFO'
    volumes:
      - './config:/config'
      - './logs:/config/logs'
    restart: 'no'

  scheduler:
    image: 'mcuadros/ofelia:latest'
    container_name: 'scheduler'
    depends_on:
      - deleterr
    command: 'daemon --docker'
    volumes:
      - '/var/run/docker.sock:/var/run/docker.sock:ro'
    restart: 'unless-stopped'
    labels:
      ofelia.job-run.deleterr.schedule: '@weekly'
      ofelia.job-run.deleterr.container: 'deleterr'

以上配置将在后台以守护进程的形式运行 Deleterr,并且每周自动执行一次。

如果您不使用 Docker,可以直接运行以下命令:

docker run -v ./config:/config -v ./logs:/config/logs ghcr.io/rfsbraz/deleterr:latest -e LOG_LEVEL=DEBUG

确保在 config/settings.yaml 中设置了您的配置文件。

3. 应用案例和最佳实践

应用案例

  • 自动化清理:设置 Deleterr 自动清理过时的媒体文件,以保持存储空间充足。
  • 规则定制:根据特定的元数据规则,如评分、观看次数等,来删除不符合标准的媒体文件。

最佳实践

  • 定期执行:将 Deleterr 加入定时任务,定期清理不必要的文件。
  • 备份:在执行删除操作前,确保重要数据已经备份。

4. 典型生态项目

Deleterr 通常与以下项目配合使用,以形成一个完整的媒体管理生态系统:

  • Radarr:用于跟踪和自动下载电影。
  • Sonarr:用于跟踪和自动下载电视剧。
  • Tautulli:用于监控 Plex 媒体服务器上的活动。
  • Overseerr:一个用于请求和审批媒体内容的 Plex 前端。

通过整合这些项目,可以构建一个自动化且高效的个人媒体服务器。

deleterr Deleterr is a Python script designed to help you manage available disk space in your Plex media server. deleterr 项目地址: https://gitcode.com/gh_mirrors/de/deleterr

### RAGFlowDeepSeek集成与配置指南 #### DeepSeek概述 DeepSeek是一个基于Dify构建的本地知识库解决方案,支持通过Ollama来安装和管理文本嵌入模型。这使得用户能够在私有环境中部署先进的自然语言处理能力[^1]。 #### FastGPT/RagFlow简介 FastGPT/RagFlow专为企业级用户提供了一个高度可定制化的平台,它不仅拥有强大的检索增强生成(Retrieval-Augmented Generation, RAG)引擎,还具备工作流编排(Workflow Orchestration)功能,可以满足复杂的数据处理和服务调用需求[^2]。 #### 集成方案设计 为了实现RagFlowDeepSeek的有效结合,建议采取如下架构: - **数据层**: 利用DeepSeek作为底层的知识存储仓库; - **索引服务**: 借助于Ollama提供的向量数据库技术创建高效的语义索引; - **应用逻辑层**: RagFlow负责定义具体的查询流程以及如何组合多个API请求完成特定任务; #### 安装准备事项 确保已经按照官方指导完成了以下准备工作: - Ollama环境设置完毕并能正常运行; - 已经获取到了所需的预训练模型文件; - 成功克隆了RagFlow项目源码至开发机器上; #### 实现步骤说明 ##### 创建新的Pipeline 在`pipelines/`目录下新建Python脚本用于描述整个pipeline的工作方式: ```python from ragflow.pipelines import PipelineBuilder from ragflow.nodes.retriever.deepseek_retriever import DeepSeekRetrieverNode from ragflow.nodes.generator.text_generator_node import TextGeneratorNode def create_pipeline(): builder = PipelineBuilder() retriever_config = { "host": "<your_deepseek_host>", "port": 8090, "index_name": "example_index" } generator_config = {"model_path": "./models/pretrained_model"} pipeline = ( builder.add_node( node=DeepSeekRetrieverNode(**retriever_config), name="Retrieve Documents", ) .add_node(node=TextGeneratorNode(**generator_config), name="Generate Response") .build() ) return pipeline ``` 此处展示了怎样连接到远程主机上的DeepSeek实例,并指定要使用的索引名称。同时也指定了用来生成回复的具体模型路径。 ##### 运行测试样例 编写简单的命令行界面来进行交互式的问答会话模拟: ```python if __name__ == "__main__": from ragflow.utils.logger import setup_logger logger = setup_logger(__file__) pipe = create_pipeline() while True: query = input("Ask anything (or type 'exit' to quit): ") if query.lower() == 'exit': break try: result = pipe.run(query=query) print(f"\nAnswer:\n{result['response']}\n") except Exception as e: logger.error(e) ``` 这段代码实现了基本的人机对话循环,在其中每次输入一个问题都会触发一次完整的pipeline执行过程,最终返回由AI合成的回答内容给用户查看。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

咎竹峻Karen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值