获取部署脚本。
从openEuler Intelligence的官方Git仓库euler-copilot-framework下载最新的部署仓库。

如果您正在使用K8s，则不需要安装K8s工具。

下载目录以“/home”为例：

cd /home
git clone https://atomgit.com/openeuler/euler-copilot-framework.git -b release-0.10.0

预先准备模型服务并在values.yaml中配置模型。

vim euler-copilot-framework/deploy/chart/euler-copilot/values.yaml
models:
  # 用于问答的大语言模型；需要OpenAI兼容的API
  answer:
    # [必需] API端点URL（请根据API提供商文档确认是否包含"v1"后缀）
    endpoint: https://$ip:$port/v1
    # [必需] API密钥；默认为空
    key: sk-123456
    # [必需] 模型名称
    name: qwen3-32b
    # [必需] 模型最大上下文长度；推荐>=8192
    ctxLength: 8192
    # 模型最大输出长度，推荐>=2048
    maxTokens: 8192
  # 用于函数调用的模型；推荐使用特定的推理框架
  functionCall:
    # 推理框架类型，默认为ollama
    # 可用框架类型：["vllm", "sglang", "ollama", "openai"]
    backend: openai
    # [必需] 模型端点；请根据API提供商文档确认是否包含"v1"后缀
    # 留空则使用与问答模型相同的配置
    endpoint: https://$ip:$port/v1
    # API密钥；留空则使用与问答模型相同的配置
    key: sk-123456
    # 模型名称；留空则使用与问答模型相同的配置
    name: qwen3-32b
    # 模型最大上下文长度；留空则使用与问答模型相同的配置
    ctxLength: 8192
    # 模型最大输出长度；留空则使用与问答模型相同的配置
    maxTokens: 8192
  # 用于数据嵌入的模型
  embedding:
    # 推理框架类型，默认为openai
    # [必需] Embedding API类型：["openai", "mindie"]
    type: openai
    # [必需] Embedding URL（需要包含"v1"后缀）
    endpoint: https://$ip:$port/v1
    # [必需] Embedding模型API密钥
    key: sk-123456
    # [必需] Embedding模型名称
    name: BAAI/bge-m3

执行主部署脚本（需要root权限）。

cd euler-copilot-framework/deploy/scripts
./deploy.sh

输入菜单进行部署。

==============================
主部署菜单
==============================
0) 一键自动部署
1) 手动分步部署
2) 卸载所有组件并清除数据
3) 退出程序
==============================
请输入选项编号（0～3）: 1

==============================
       手动分步部署菜单
==============================
1) 执行环境检查脚本
2) 安装k3s和helm
3) 安装Ollama - 跳过
4) 部署Deepseek模型 - 跳过
5) 部署Embedding模型 - 跳过
6) 安装数据库
7) 安装AuthHub
8) 安装openEuler Intelligence
9) 返回主菜单
==============================
请输入选项编号（1～9）:

注意：
- 已有模型服务：选择1手动分步部署（须跳过模型部署步骤3、4、5），并预先配置values.yaml文件
- 新手用户或试用环境：选择0一键自动部署（会自动部署ollama、deepseek、embeddings）

方案三：搭建openEuler Intelligence平台