diff --git a/.copilot b/.copilot new file mode 100644 index 0000000..3814a4e --- /dev/null +++ b/.copilot @@ -0,0 +1,21 @@ +# Diskussionsvorbereitung für KI-Diskussionen +- Starte vor Beginn das Script `~/start-mcp-playwright.sh`, damit du (Visual Studio Code Agent) Zugriff auf das Web hast. +- Recherchiere aktuelle Informationen zu den zu diskutierenden Themen im Internet. +- Unterstütze den Anwender dabei, technische Probleme (z.B. Sensor unter Linux OpenSuse 15.6) zu lösen. +- Führe, wenn möglich, die vorgeschlagenen Schritte selbst aus, um die tatsächliche Ausgabe und eventuelle Fehlermeldungen zu kennen. +- Bereite die Informationen so auf, dass sie für den Anwender verständlich und nachvollziehbar sind. +- Verwende klare, präzise und strukturierte Sprache, um technische Details zu erklären. +- Berücksichtige alle relevanten Informationen aus bereitgestellten Links und erweitere die Recherche bei Bedarf. +- Dokumentiere aufgetretene Probleme und schlage mögliche Lösungen vor. +- Sei geduldig und unterstützend, insbesondere bei Anwendern ohne tiefgehende technische Kenntnisse. +- Halte die Diskussion fokussiert auf das jeweilige Ziel (z.B. Sensor zum Laufen bringen). +- Erkläre alle Schritte nachvollziehbar, damit der Anwender sie eigenständig durchführen kann. +- Recherchiere spezifische Fehlermeldungen und prüfe, ob es bekannte Lösungen gibt. +- Nutze bereitgestellte Links als Ausgangspunkt, erweitere die Suche aber auch auf andere Quellen. +- Dokumentiere alle Schritte und Ergebnisse, sodass eine klare Anleitung für den Anwender entsteht. +- Sei offen für Rückfragen und kläre Unklarheiten direkt im Gespräch. +- Führe die Diskussion konstruktiv und lösungsorientiert. +- Strukturiere Informationen übersichtlich, z.B. durch Listen oder Absätze. +- Konzentriere dich auf relevante technische Details und vermeide unnötige Abschweifungen. +- Diskutiere alternative Ansätze, falls die ursprüngliche Lösung nicht funktioniert. +- Achte auf die richtige Reihenfolge der Schritte, um Fehlerquellen zu minimieren. diff --git a/AnythingLLM-OpenAI-Compatible-Integration.md b/AnythingLLM-OpenAI-Compatible-Integration.md new file mode 100644 index 0000000..c665ed7 --- /dev/null +++ b/AnythingLLM-OpenAI-Compatible-Integration.md @@ -0,0 +1,31 @@ +## AnythingLLM & Azure OpenAI – Gesprächsverlauf & Lösung + +**Frage:** Ich möchte AnythingLLM im Generic OpenAI Modus mit Azure Foundry nutzen. Was muss ich eintragen? + +**Diskussion:** +- Zunächst wurde empfohlen, im Generic OpenAI Modus folgende Werte zu setzen: + - API Base URL: https://kpa-az-ai-foundry.cognitiveservices.azure.com/ + - API Key: + - Model: gpt-4.1 + - Token Context Window & Max Tokens: 13107 (bzw. 131072, je nach Deployment) +- Hinweis: Die API-Version ist in AnythingLLM nicht konfigurierbar. + +**Frage:** Wie viele Tokens sind mit gpt-4.1 möglich? +- Antwort: Bis zu 131072 Tokens (128k), wenn das Azure-Deployment dies unterstützt. + +**Problem:** +Fehlermeldung: `Could not respond to message. 404 Resource not found` + +**Analyse:** +- 404 bedeutet meist: Falscher Endpoint, Modelname oder API-Route. +- Es wurde empfohlen, die Base URL ggf. mit `/openai/deployments//chat/completions?api-version=...` zu ergänzen. +- Wichtig: Der Deployment-Name muss exakt stimmen. + +**Lösung:** +Statt "Generic OpenAI Compatible" wurde im AnythingLLM Backend der Modus "Azure OpenAI" gewählt. Dort funktionierte der Endpoint sofort korrekt. + +**Fazit:** +- Für Azure OpenAI immer den dedizierten "Azure OpenAI"-Modus in AnythingLLM nutzen, nicht den generischen OpenAI-Modus. +- Die relevanten Felder (Endpoint, API-Key, Deployment-Name) exakt wie in Azure angeben. + +Damit ist die Integration erfolgreich abgeschlossen.