Team AI Box auf NVIDIA DGX Spark installieren

Auf einem neuen DGX Spark installieren

Benötigt wird ein noch nicht eingerichteter DGX Spark mit Ubuntu 24.04 ARM64, funktionierendem Docker Engine/Compose v2, NVIDIA-Treibern und Container-Unterstützung, KVM, Git und Python 3.10+. Mehrere hundert GB temporären Platz für Modelle, Builds und Paket vorsehen. Keine Neuinstallation über vorhandene Geschäftsdaten ausführen.

git clone https://github.com/weerocksllc/teamaibox.git
cd teamaibox
sudo bash install/from-source.sh

Diese Befehle auf dem Spark ausführen. Das Skript lädt Modelle und Build-Eingaben, baut Images, erstellt ein vollständiges Offline-Paket und installiert es. Der erste Quellcode-Build braucht Internet und Zeit; Klonen allein installiert nichts. Docker/NVIDIA werden wiederverwendet.

Vorprüfung und Fortsetzen

--check prüft Voraussetzungen. Bei Unterbrechung /var/tmp/teamaibox-source-build behalten und denselben Befehl erneut ausführen; geprüfte Downloads und abgeschlossene Schritte werden genutzt. Cache nicht löschen, keine konkurrierenden Builds starten. Standard sind offizielle Quellen. Bei Netzproblemen nennt die Anleitung Alternativen oder den Transfer geprüfter Caches/Offline-Pakete; Spiegel sind nicht garantiert erreichbar. Geänderter Code braucht ein neues --work-dir, keine umgangenen Prüfpunkte.

sudo bash install/from-source.sh --check
sudo bash install/from-source.sh

Nach der Installation

https://<BOX_LAN_IP>/ mit der aktuellen LAN-Adresse öffnen und das lokal erzeugte HTTPS-Zertifikat dem eigenen Gerät zuordnen.
Mit admin / admin anmelden, Startpasswort ändern und normale Konten anlegen. Standardzugang nicht ins Internet stellen.
Warten Sie, bis die Anwendungen bereit sind, und wählen Sie Sprache und Design im Profil.
Eigene berechtigte Windows/Linux-ARM64-ISOs und Lizenzen verwenden. Für Offline-Ziele zuerst das vollständige Paket vorbereiten und die Paket-Anleitung nutzen. Quellcode-Vorbereitung ist online.

Lizenz und Grenzen

Eigener Code und Dokumentation sind MIT, nicht sämtliche installierten Binärdateien. Drittcode, Modelle, NVIDIA, Firmware, Google und Windows behalten ihre Bedingungen. Git enthält keine Gewichte, installierten Gastplatten, Anmeldespuren, ISOs oder Offline-Pakete. Google-Kompatibilität ist keine Play-Protect-Zertifizierung; Casting umfasst weder DRM noch Apple-Zertifizierung. Windows 10 ARM64 wird nicht als unterstützt beworben. Leistung und Parallelität hängen von Last und Hardware ab.

Gemeinsam weiterentwickeln

Fehlerberichte, Dokumentation, Übersetzungen, Barrierefreiheit, Integrationen und Code sind willkommen. Problem als Issue beschreiben, forken, einen fokussierten Branch erstellen und PR mit passenden Prüfungen und Bildern einreichen. Für Dokumentation oder isolierte Komponenten ist kein Spark nötig; Hardwareprüfungen ehrlich kennzeichnen. Keine Geheimnisse, persönlichen Dateien oder angemeldeten Geräte-Images hochladen. Sicherheitslücken privat nach SECURITY.md melden. Kein verpflichtendes CLA und keine kostenpflichtige Mitarbeitserlaubnis.

Mitwirken ↗

Kann ich Windows auf DGX Spark verwenden?

Team AI Box bietet virtuelle Windows- und Linux-Computer und ersetzt nicht das Host-Betriebssystem des Spark. Verwenden Sie eine kompatible Windows-11-ARM64- oder Linux-ARM64-ISO, installieren Sie über den virtuellen Bildschirm im Browser und stellen Sie die nötigen Betriebssystemlizenzen bereit. Prüfen Sie die Kompatibilität von Gastanwendungen und Treibern gesondert.

Ist die Installation nach dem Klonen abgeschlossen?

Nein. Führen Sie install/from-source.sh auf einem neuen, unterstützten DGX Spark aus. Die erste Online-Vorbereitung lädt Modelle und Abhängigkeiten, baut Container und erstellt das Installationspaket. Für ein Offline-Ziel bereiten Sie das vollständige Paket zuerst auf einem kompatiblen Rechner mit Internetzugang vor. Behalten Sie das Arbeitsverzeichnis, um unterbrochene Schritte fortzusetzen.

Lokale KI und Team-Apps auf DGX Spark