Skip to main content
凡是能运行 Python 或 Docker 的地方都能运行 Mirobody：笔记本、本地服务器或云主机。引擎以 Apache 2.0 许可开源，仓库是 thetahealth/mirobody，它保存的数据留在你自己运维的 Postgres 里。Mirobody 是什么，以及自部署与 Mirobody Cloud 的区别，见概览。

​
运行方式

按你的目的选一行即可，三者是互相替代的选择，不是先后步骤。 Docker 栈由三个容器组成：带 pgvector 的 Postgres、服务端与后台 worker。自带的 Web 客户端运行在 。

​
第一次在本地运行

安装 Git 和 Docker Compose 后，启动本地演示环境并检查预置读数。模型功能需要在 .env 中设置受支持的密钥；查看样例读数无需密钥。
1

启动演示环境

检出引擎并启动服务。脚本会拉取应用镜像、创建演示账号、写入样例读数，随后持续显示服务日志。
2

检查服务状态

脚本显示 Up 后，让该终端保持运行。在引擎仓库目录另开一个终端，执行：
mirobody 服务应变为 healthy，健康检查会返回 version 和 agent。最后一条命令在容器内检查模型功能。启动后才在 .env 中添加密钥时，请运行 docker compose up -d；docker compose restart 不会重新读取 .env。
3

查看样例读数

打开 ，使用 you@mirobody.ai 和验证码 111111 登录，再打开 Data。页面应显示预置读数。快速开始也介绍了演示上传文件和其他运行方式。
保存真实记录前，请在首次启动前按照在服务器上部署设置。已经运行过演示环境时，请按已有演示环境路径使用全新数据卷。 自部署的记录保存在你运维的 Postgres 和文件存储中。文件提取与智能体回答会把数据发送给你配置的模型服务商；启用这些功能前，请确认该服务商对健康数据的处理方式。

​
三个阶段所在的位置

代码包与本文档按同样的三个阶段组织。
收集、转译、智能体：从左到右的三个阶段收集、转译、智能体：从左到右的三个阶段

一条读数依次经过收集、转译，并供智能体使用。

一条读数如何依次经过这三个阶段，见数据管线；目录结构见仓库结构。

​
部署对外提供的入口

自部署的引擎不提供 Cloud 的 /v1 接口。那一套接口在云端标签页中说明，上表列出的是引擎自身的路由。

​
下一步

快速开始

安装库、启动整套服务，或运行源码检出。

配置

模型密钥、配置文件，以及部署时需要修改的设置。

HTTP API

获取本地令牌、写入一条读数并读取确认。

完整演示

用四个场景走完运行中的整套系统，使用演示数据。

在服务器上部署

生产模式、密钥、HTTPS 与部署验证。

升级部署

备份、核对版本、升级并验证运行中的服务。

核验与恢复备份

演练恢复，或恢复 Postgres 与本地上传文件。
部署无法正常启动时，排错列出了常见原因与处理方法。

​
参与贡献

最有价值的贡献是修正解析器解析错的术语。运行 mirobody resolve "<术语>"，如果结果错误或为空，可以提交 issue，或者在 中加一行，并在 中加一个用例。覆盖率得分就是评审标准。 开发环境安装测试依赖后，运行测试套件与导入约束检查：
完整的贡献流程见 ，测试的组织方式见 。 benchmarks/ 目录下的两个公开基准可以在克隆下来的仓库里直接运行，不需要任何私有数据：python -m unittest benchmarks.health_records.test_cases（13 条合成读数与 26 句主诉短语，覆盖五种语言，核对各自的 LOINC/UCUM 与 ICPC-3 结果）以及 python -m unittest discover -s benchmarks/genomics -p 'test_*.py'（13 个公开的 1000 Genomes 位点调用，覆盖十种文件形态）。参见 与 。

GitHub 仓库

源码、issue 与 pull request。

报告问题

解析出错的化验单是很有价值的 issue，请附上去除个人信息后的样本。
安全问题请通过私密安全通告提交，不要公开提 issue，见 。