我很高兴向您展示我的最新项目：在 AWS EC2 上对 LibreChat 进行的完全自动化部署，这是一个开源解决方案，已发布在 GitLab。该项目展示了我在 DevOps 和 云工程 方面的能力，基于 Terraform 实现基础设施即代码（IaC）、一个以 Bash 编写的 User-Data 脚本、GitLab CI/CD 流水线，以及通过 AWS Systems Manager (SSM) 的集中化管理。结果：LibreChat 实例在不到 6 分钟内可运行，同时实现了成本优化、强化的安全性和最大化的可访问性。
该项目超越了单纯的技术部署：它体现了一种面向专家和初学者的高级自动化理念。以下是我如何设计该解决方案。
1. 优化且可复现的云架构
基础设施基于 Terraform，遵循 基础设施即代码 的原则，以实现无缝的可复现性和可扩展性。主要组件包括：
- AWS VPC：用于保护基础设施的隔离虚拟网络。
- 公有子网：三个子网以保证高可用性。
- EC2 实例 (t3a.small)：承载 LibreChat，可选择 Spot Instances 或 On-Demand。
- Internet 网关：允许通过 HTTPS 进行安全连接。
- AWS SSM：集中管理 API 密钥并跟踪部署。
EC2 上的部署通过一个 Bash 编写的 User-Data 脚本实现自动化，该脚本会：
- 安装依赖（Docker、Git、Node.js）并更新系统。
- 克隆 LibreChat（版本 0.7.7）并配置文件
.env和librechat.yaml。 - 以安全方式从 SSM 获取 API 密钥。
- 为 HTTPS 使用自签名证书配置 Nginx。
该脚本通过 Terraform 集成，包含错误处理（set -e、trap 'error_handler' ERR）以及在 /var/log/user-data.log 中的日志记录，确保过程可靠且可追溯。
2. 安全性与 API 密钥的集中管理
安全是首要任务。API 密钥（OpenAI、Mistral AI、Anthropic、Google）存储在 AWS SSM Parameter Store 中，动态检索，绝不硬编码。所采取的措施包括：
- 强制 HTTPS：自签名证书并将 80 重定向到 443。
- 错误处理：出现问题时停止脚本，并在 SSM 中更新状态。
- AWS Session Manager：无需 SSH 即可访问实例，提高安全性。
该方法保证了安全管理和实时监控。
3. 使用 Spot Instances 的成本优化
为降低成本，我集成了 AWS 的 Spot Instances，利用未使用的资源。一个 Terraform 变量 spot_enabled 允许在 Spot 与 On-Demand 之间切换，使该项目面向所有用户可用。一个 Python 脚本 check_spot.py 会在 variables.tf 中自动调整价格，以实现持续优化。
4. 使用 GitLab 的完整 CI/CD 管道
一个 GitLab CI/CD 流水线（在 gitlab-ci.yml 中定义）协调部署：
- Terraform：规划并应用基础设施更改。
- 实例管理：通过 SSM 启动、停止并检查状态。
- API 密钥：安全地添加或删除密钥。
- 注册：控制对 LibreChat 的访问。
脚本 export.sh 简化了命令操作，无论是本地还是通过 CI/CD，都提供了流畅且专业的体验。
5. 通过国际化实现全球可访问性
为了面向全球用户，README 已通过我的 AI 翻译脚本 翻译为六种语言（英语、德语、西班牙语、日语、韩语、中文）。这使项目更具包容性并适合所有用户。
6. 成功解决的技术挑战
将 LibreChat 0.7.6 进行适配需要精确的调整：
- Mistral 支持：更新
librechat.yaml以支持mistral-large-latest。 - Nginx：修正用于 HTTP/2 的 SSL 指令。
- Spot/On-Demand：通过 Terraform 实现灵活管理。
这些挑战通过严格测试和详细文档得以克服。
7. 为什么该项目与众不同
- 完全自动化：从基础设施到安装一切均已脚本化。
- 优化：降低成本并提升性能。
- 安全：集中管理并默认启用 HTTPS。
- 可访问性：多语言文档和简易选项。
它体现了我在 AWS 架构、DevOps、云 和 脚本编写 方面的技能，以及我对开源的热情。
探索并参与！
在 GitLab 上查看该项目，进行测试并分享您的反馈。无论您是专家还是新手，该项目都适合您。欢迎贡献使其不断成长！
联系方式： contact@jls42.org
关于我：我是 Julien LS，热衷于 AWS 云架构、DevOps、人工智能和自动化。该项目延续了我的其它工作，例如 BabelFish AI。在 GitLab 找到我。
本文件已使用 gpt-5-mini 模型从 fr 版本翻译为 zh 语言。有关翻译过程的更多信息，请参阅 https://gitlab.com/jls42/ai-powered-markdown-translator