Hoppa till huvudinnehåll

Installation

Denna guide hjälper dig att installera och konfigurera Kunskapsportal för både produktion och utveckling.

Innehållsförteckning​

Systemkrav​

Minsta krav (Docker)​

  • CPU: 2 kärnor
  • RAM: 2GB (4GB rekommenderat)
  • Disk: 5GB ledigt utrymme
  • OS: Linux, macOS eller Windows med WSL2
  • Docker: Version 20.10+
  • Docker Compose: Version 2.0+

Utvecklingsmiljö (Lokal)​

  • Node.js: Version 20.9.0 eller senare
  • pnpm: Version 9 eller 10
  • PostgreSQL: Version 15+
  • Qdrant: Lokal eller cloud-instans
  • LibreOffice: För dokumentkonvertering

API-nycklar (Obligatoriskt för AI-funktioner)​

Google Gemini API - Primär AI-motor

  • Används för: OCR-extrahering av dokument, AI-chatt, metadatagenerering
  • Kostnad: Gratis tier finns (15 requests/minut), sedan från $0.075/1M tokens
  • Dokumentation: https://ai.google.dev/docs

OpenAI API - Text embeddings

Mistral API (Valfritt alternativ)

  • Används för: OCR-extrahering som backup/alternativ till Gemini
  • Modell: Pixtral Large
  • Kostnad: $0.12/1M tokens
  • Dokumentation: https://docs.mistral.ai/

Qdrant Cloud (Om cloud istället för lokal)

  • Används för: Lagring av vektorembeddings för RAG-sökning
  • Kostnad: Gratis tier 1GB, sedan från $25/månad
  • Alternativ: Kör lokalt i Docker (gratis)
  • Dokumentation: https://qdrant.tech/documentation/cloud/

Teknologiöversikt​

Förstå vad varje del av systemet gör:

Payload CMS​

Vad: Headless CMS som utgör applikationens grund Varför: Hanterar alla dokument, användare och admin-gränssnitt Roll: Core-system som samordnar allt Dokumentation: https://payloadcms.com/docs

PostgreSQL​

Vad: Relationsdatabas Varför: Lagrar artiklar, metadata, användare Roll: Primär datakälla för all strukturerad data Dokumentation: https://www.postgresql.org/docs/15/

Qdrant​

Vad: Vektordatabas för similarity search Varför: Möjliggör semantisk sökning (mening, inte bara ord) Roll: Kritisk för AI-chattens förmåga att hitta relevant information Hur: Lagrar embeddings (vektorer) av dokumentinnehåll Dokumentation: https://qdrant.tech/documentation/

OpenAI Embeddings​

Vad: Text-to-vector API Varför: Konverterar text till numeriska vektorer Roll: Skapar embeddings som lagras i Qdrant Hur: text → [0.123, -0.456, ...] (1536 tal) Dokumentation: https://platform.openai.com/docs/guides/embeddings

Gemini​

Vad: Googles multimodal AI Varför: Läser dokument, chattar, genererar metadata Roll: Hjärnan som bearbetar och förstår innehåll Dokumentation: https://ai.google.dev/docs

LibreOffice​

Vad: Office-svit med headless-läge Varför: Konverterar Word/Excel/PowerPoint till PDF Roll: Pre-processing innan OCR Dokumentation: https://documentation.libreoffice.org/

Produktion med Docker​

Steg 1: Klona repositoryt​

# Via HTTPS
git clone https://github.com/Falkenbergs-kommun/kunskapsportal.git

# Eller via SSH
git clone git@github.com:Falkenbergs-kommun/kunskapsportal.git

# Gå in i mappen
cd kunskapsportal

Steg 2: Konfigurera miljövariabler​

# Kopiera exempel-filen
cp .env.example .env

# Redigera .env med din editor
nano .env

Viktiga inställningar att uppdatera:

# Databas (Generera starkt lösenord!)
DATABASE_URI=postgres://knowledge_user:DITT_STARKA_LÖSENORD@postgres:5432/knowledge_base
DB_PASSWORD=DITT_STARKA_LÖSENORD

# Payload CMS (Generera hemlig nyckel, minst 32 tecken!)
PAYLOAD_SECRET=din-mycket-hemliga-nyckel-minst-32-tecken-lång
PAYLOAD_URL=http://localhost:3000

# AI-tjänster (Obligatoriskt)
GEMINI_API_KEY=din-gemini-api-nyckel-här
OPENAI_API_KEY=sk-din-openai-api-nyckel-här

# Qdrant (Lokal Docker-instans)
QDRANT_URL=http://qdrant:6333
QDRANT_API_KEY=
QDRANT_ENABLED=true

# Valfria AI-tjänster
MISTRAL_API_KEY=din-mistral-api-nyckel-här
PDF_EXTRACTOR=mistral  # eller "gemini"

Säkerhetstips:

  • Använd aldrig samma lösenord i produktion som i exempel-filen
  • Generera starka slumpmässiga nycklar: openssl rand -base64 32
  • Spara .env ALDRIG i version control
  • Använd miljövariabler eller secrets management i produktion

Steg 3: Bygg och starta containrar​

# Bygg Docker-imagen
docker-compose build

# Starta alla tjänster
docker-compose up -d

# Följ loggarna (valfritt)
docker-compose logs -f app

Steg 4: Verifiera installation​

# Kontrollera status på alla containrar
docker-compose ps

# Bör visa:
# - app (port 3000) - Running
# - postgres (port 54321) - Healthy
# - qdrant (port 6333) - Running

# Testa hälsokontroll
curl http://localhost:3000/api/health

Förväntat resultat:

{
  "status": "healthy",
  "timestamp": "2025-10-07T12:00:00.000Z",
  "uptime": 123.456
}

Steg 5: Skapa första användaren​

  1. Öppna webbläsaren: http://localhost:3000/admin
  2. Klicka på "Create your first user"
  3. Fyll i:
    • Email: din@email.se
    • Password: (minst 8 tecken)
    • Confirm Password: (samma lösenord)
  4. Klicka "Create"

Grattis! Du är nu inloggad i Kunskapsportal! 🎉

Steg 6: Ladda upp första dokumentet​

  1. Gå till Media i sidomenyn
  2. Klicka "Create new"
  3. Ladda upp en PDF eller Office-fil
  4. Gå till Articles → "Create new"
  5. Välj din uppladdade fil under "Source Documents"
  6. Klicka "Generate with AI" för att extrahera innehåll
  7. Klicka "Generate Metadata" för att skapa metadata
  8. Klicka "Publish" för att publicera

Dokumentet är nu sökbart via AI-chatten på startsidan!

Lokal utvecklingsmiljö​

Steg 1: Installera förutsättningar​

macOS:

# Installera Homebrew om du inte har det
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# Installera Node.js, PostgreSQL, LibreOffice
brew install node@20 postgresql@15 libreoffice

# Installera pnpm
npm install -g pnpm

# Starta PostgreSQL
brew services start postgresql@15

# Starta Qdrant i Docker
docker run -d -p 6333:6333 -p 6334:6334 -v qdrant_storage:/qdrant/storage qdrant/qdrant

Ubuntu/Debian:

# Uppdatera paketlistan
sudo apt update

# Installera Node.js 20
curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash -
sudo apt install -y nodejs

# Installera pnpm
npm install -g pnpm

# Installera PostgreSQL
sudo apt install -y postgresql-15 postgresql-contrib

# Installera LibreOffice
sudo apt install -y libreoffice libreoffice-writer

# Starta PostgreSQL
sudo systemctl start postgresql
sudo systemctl enable postgresql

# Starta Qdrant i Docker
docker run -d -p 6333:6333 -p 6334:6334 -v qdrant_storage:/qdrant/storage qdrant/qdrant

Windows (via WSL2):

# Installera WSL2 och Ubuntu från Microsoft Store först
# Följ sedan Ubuntu-instruktionerna ovan

Steg 2: Konfigurera PostgreSQL​

# Skapa databas och användare
sudo -u postgres psql

# I PostgreSQL-prompten:
CREATE DATABASE knowledge_base;
CREATE USER knowledge_user WITH PASSWORD 'ditt_lösenord';
GRANT ALL PRIVILEGES ON DATABASE knowledge_base TO knowledge_user;
\q

Steg 3: Klona och installera​

# Klona repositoryt
git clone https://github.com/Falkenbergs-kommun/kunskapsportal.git
cd kunskapsportal

# Installera dependencies
pnpm install

Steg 4: Konfigurera .env.local​

# Kopiera exempel
cp .env.example .env.local

# Redigera för lokal utveckling
nano .env.local

Lokal konfiguration:

# Lokala tjänster
NODE_ENV=development
PAYLOAD_SECRET=dev_secret_minst_32_tecken_lång
PAYLOAD_URL=http://localhost:3000

# Lokal PostgreSQL
DATABASE_URI=postgres://knowledge_user:ditt_lösenord@localhost:5432/knowledge_base

# Lokal Qdrant
QDRANT_URL=http://localhost:6333
QDRANT_API_KEY=
QDRANT_ENABLED=true

# AI-tjänster
GEMINI_API_KEY=din-gemini-nyckel
OPENAI_API_KEY=sk-din-openai-nyckel
MISTRAL_API_KEY=din-mistral-nyckel
PDF_EXTRACTOR=mistral

# Utvecklingsinställningar
NEXT_TELEMETRY_DISABLED=1

Steg 5: Starta utvecklingsserver​

# Generera TypeScript-typer
pnpm generate:types

# Starta utvecklingsserver
pnpm dev

Servern startar på: http://localhost:3000

Hot reload aktiverat - Alla ändringar uppdateras automatiskt!

Konfiguration​

Databasinställningar​

PostgreSQL-optimering för produktion:

-- Kör i PostgreSQL som superuser
ALTER SYSTEM SET max_connections = 100;
ALTER SYSTEM SET shared_buffers = '256MB';
ALTER SYSTEM SET effective_cache_size = '1GB';
ALTER SYSTEM SET maintenance_work_mem = '64MB';
ALTER SYSTEM SET checkpoint_completion_target = 0.9;
ALTER SYSTEM SET wal_buffers = '16MB';
ALTER SYSTEM SET default_statistics_target = 100;
ALTER SYSTEM SET random_page_cost = 1.1;

-- Ladda om konfigurationen
SELECT pg_reload_conf();

Qdrant-konfiguration​

Lokal Qdrant med persistence:

docker run -d \
  --name qdrant \
  -p 6333:6333 \
  -p 6334:6334 \
  -v $(pwd)/qdrant_storage:/qdrant/storage \
  -e QDRANT__SERVICE__HTTP_PORT=6333 \
  qdrant/qdrant

Qdrant Cloud:

# I .env
QDRANT_URL=https://xyz-abc123.eu-central.aws.cloud.qdrant.io
QDRANT_API_KEY=din-cloud-api-nyckel

AI-tjänster konfiguration​

Välj PDF-extraktor:

# Använd Mistral (snabbare, billigare)
PDF_EXTRACTOR=mistral
MISTRAL_API_KEY=din-mistral-nyckel

# Eller använd Gemini (bättre precision)
PDF_EXTRACTOR=gemini
GEMINI_API_KEY=din-gemini-nyckel

Databas-initialisering​

Automatisk initialisering (Docker)​

Om du använder Docker och startar från scratch, initialiseras databasen automatiskt första gången Payload CMS startar.

Manuell initialisering (Utveckling)​

Om du kör lokal utveckling och behöver initiera/återställa databasen:

# Radera befintlig databas (VARNING: Raderar all data!)
psql -U postgres -c "DROP DATABASE IF EXISTS knowledge_base;"
psql -U postgres -c "CREATE DATABASE knowledge_base;"
psql -U postgres -c "GRANT ALL PRIVILEGES ON DATABASE knowledge_base TO knowledge_user;"

# Starta dev-server, Payload skapar tabeller automatiskt
pnpm dev

Synkronisera Qdrant​

Efter att du publicerat dokument, synkronisera till Qdrant:

# Synka alla aktiva dokument till vektordatabasen
pnpm sync:qdrant

Felsökning​

Problem: Docker-containern startar inte​

Kontrollera loggar:

docker-compose logs app

Vanliga orsaker:

  • Port 3000 redan upptagen: lsof -i :3000
  • Databasanslutning misslyckades: Kontrollera DATABASE_URI
  • Saknade API-nycklar: Kontrollera GEMINI_API_KEY och OPENAI_API_KEY

Lösning:

# Stoppa alla containrar
docker-compose down

# Ta bort gamla volymer (VARNING: Raderar data!)
docker-compose down -v

# Bygg om från scratch
docker-compose build --no-cache
docker-compose up -d

Problem: "relation does not exist" i databas​

Orsak: Databastabeller har inte skapats.

Lösning (Docker):

# Kör en lokal dev-server mot Docker-databasen för att skapa tabeller
DATABASE_URI=postgres://knowledge_user:password@localhost:54321/knowledge_base pnpm dev

# Tryck Ctrl+C efter att tabellerna skapats
# Starta om Docker-appen
docker-compose restart app

Problem: LibreOffice-konvertering fungerar inte​

Kontrollera installation:

# I Docker-container
docker-compose exec app libreoffice --version

# Lokalt
libreoffice --version

Lösning:

# macOS
brew reinstall libreoffice

# Ubuntu
sudo apt install --reinstall libreoffice libreoffice-writer

# Docker: Bygg om imagen
docker-compose build --no-cache app

Problem: Qdrant-anslutning misslyckades​

Kontrollera status:

# Lokal Qdrant
curl http://localhost:6333/health

# Cloud Qdrant
curl https://your-cluster.qdrant.io/health \
  -H "api-key: your-api-key"

Lösning:

# Starta om Qdrant
docker restart qdrant

# Eller starta ny container
docker run -d -p 6333:6333 -p 6334:6334 \
  -v qdrant_storage:/qdrant/storage \
  qdrant/qdrant

Problem: API-nycklar fungerar inte​

Testa direkt:

# Gemini
curl -X POST "https://generativelanguage.googleapis.com/v1beta/models/gemini-flash-latest:generateContent?key=YOUR_KEY" \
  -H 'Content-Type: application/json' \
  -d '{"contents":[{"parts":[{"text":"Hello"}]}]}'

# OpenAI
curl https://api.openai.com/v1/models \
  -H "Authorization: Bearer YOUR_KEY"

Problem: Minnesfel (Out of Memory)​

Lösning Docker:

# Öka Docker-minne i Docker Desktop → Settings → Resources

# Eller i docker-compose.yml:
services:
  app:
    deploy:
      resources:
        limits:
          memory: 4G

Lösning Node.js:

# I package.json scripts, öka --max-old-space-size
NODE_OPTIONS="--max-old-space-size=4096"

Nästa steg​

Nu när du har installerat Kunskapsportal:

  1. Användarguide - Lär dig använda systemet
  2. API-dokumentation - Integrera med andra system
  3. Utvecklingsguide - Bidra med kod
  4. Deployment-guide - Driftsätt i produktion

Support​

Problem? Öppna en issue på GitHub: https://github.com/Falkenbergs-kommun/kunskapsportal/issues

Säkerhetsproblem? Maila: utvecklingsavdelningen@falkenberg.se