🐧 BigLinux AI Setup Manager

Desktop-App für KI/ML Tools Management auf BigLinux und Manjaro

📥 Download • 📖 Dokumentation • 🤝 Mitwirken • 📞 Support

---

🚀 Features

📦 Umfassende Toolsammlung

• 635+ AI/ML Tools - Die größte Sammlung für Linux
• 33 Kategorien - Perfekt organisiert für einfache Navigation
• RTX 4070 optimiert - Spezielle Konfigurationen für 12GB VRAM

🖥️ Desktop-App

• Native Linux-App - Electron-basiert für beste Performance
• System-Tray Integration - Schnellzugriff aus der Taskleiste
• Offline-fähig - Funktioniert ohne Internetverbindung

🛠️ Installation

• Automatische Skripte - One-Click Installation
• Docker Compose - Container-basierte Deployment-Option
• Pacman-Support - Native Arch/Manjaro Integration

---

💻 Systemanforderungen

Unterstützte Systeme

Distribution	Status
BigLinux	✅ Primär unterstützt
Manjaro	✅ Vollständig unterstützt
Arch Linux	✅ Kompatibel
CachyOS	✅ Kompatibel
EndeavourOS	✅ Kompatibel

Hardware-Empfehlung

Komponente	Minimum	Empfohlen
CPU	4 Kerne	6+ Kerne (i5-12400F)
RAM	16 GB	32 GB
GPU	Optional	RTX 4070 (12GB VRAM)
Storage	100 GB SSD	500 GB NVMe

---

📥 Installation

Option 1: Desktop-App (Empfohlen)

# Download von GitHub Releases
wget https://github.com/batko15/biglinux-ai-setup-manager/releases/latest/download/biglinux-ai-setup-manager.AppImage

# Ausführbar machen
chmod +x biglinux-ai-setup-manager.AppImage

# Starten
./biglinux-ai-setup-manager.AppImage

Option 2: Pacman (Arch/Manjaro)

# Download und Installation
wget https://github.com/batko15/biglinux-ai-setup-manager/releases/latest/download/biglinux-ai-setup-manager.pkg.tar.zst
sudo pacman -U biglinux-ai-setup-manager.pkg.tar.zst

Option 3: Aus Source erstellen

# Repository klonen
git clone https://github.com/batko15/biglinux-ai-setup-manager.git
cd biglinux-ai-setup-manager

# Abhängigkeiten installieren
sudo pacman -S --needed bun nodejs npm

# Entwicklungsversion starten
bun install
bun run dev

# Desktop-App erstellen
bun run electron:build:linux

---

📦 Tool-Kategorien

🧠 KI-Inferenz (20+ Tools)

Tool	Beschreibung	VRAM
Ollama	Lokale LLM-Ausführung	4-12GB
vLLM	Hochleistungs-Inferenz	8-12GB
LocalAI	OpenAI-kompatible API	4-8GB
llama.cpp	C/C++ Inferenz	2-8GB

🦙 Lokale Modelle (25+)

• Llama 3.1/3.2 - Meta's Open-Source LLM
• Mistral 7B - Effizientes 7B-Modell
• DeepSeek R1/V3 - Reasoning-fokussiert
• Qwen 2.5 Coder - Multilingual Coding
• Phi-3/Phi-4 - Microsoft's kompakte Modelle

🗄️ Vector Databases (15+)

• Milvus - Enterprise Vektor-DB
• Qdrant - Hochperformante Suche
• ChromaDB - AI-native Embeddings
• FAISS - Facebook AI Search

🤖 RAG & Agents (20+)

• LangChain - LLM Framework
• LlamaIndex - Data Framework
• CrewAI - Multi-Agent Orchestration
• AutoGen - Microsoft Agents

---

🎯 RTX 4070 Empfohlene Modelle

Modell	Parameter	VRAM	Use Case
Llama 3.1 8B	8B	~5GB	Allgemein
Mistral 7B	7B	~4GB	Effizient
DeepSeek R1 8B	8B	~5GB	Reasoning
Qwen 2.5 Coder 7B	7B	~4GB	Coding
Codestral 22B	22B	~12GB	Coding (Maximum)
LLaVA 1.6 7B	7B	~6GB	Vision

---

🛠️ Docker Services

Die App enthält vorkonfigurierte Docker-Compose Setups:

Services:
  ├── Ollama (LLM Inference)
  ├── Open WebUI (Chat Interface)
  ├── Qdrant (Vector DB)
  ├── ChromaDB (Embeddings)
  ├── LocalAI (OpenAI API)
  ├── Whisper (Speech-to-Text)
  ├── Stable Diffusion (Image Gen)
  ├── LangFlow (Visual Builder)
  ├── Flowise (Visual Builder)
  ├── Text Gen WebUI (oobabooga)
  ├── Jupyter (Notebooks)
  ├── Redis (Cache)
  └── Nginx (Proxy)

---

📁 Projektstruktur

biglinux-ai-setup-manager/
├── electron/                 # Desktop-App
│   ├── main.js              # Electron Main Process
│   ├── preload.js           # Preload Scripts
│   └── assets/              # Icons & Bilder
├── src/
│   ├── app/                 # Next.js App
│   ├── components/          # UI Komponenten
│   └── lib/                 # Daten & Utils
├── configs/
│   ├── mcp/                 # MCP Server
│   ├── ollama/              # Ollama Configs
│   └── system/              # System Configs
├── scripts/
│   └── setup-rtx4070.sh     # Setup Script
├── docker-compose.yml       # Docker Stack
└── prisma/                  # Database Schema

---

🚀 Schnellstart

1. Desktop-App starten

./biglinux-ai-setup-manager.AppImage

2. Tools auswählen

• Klicken Sie auf Tools zur Auswahl
• Nutzen Sie die Kategorien zur Navigation
• Durchsuchen Sie mit der Suche

3. Installation generieren

• Klicken Sie auf "Skript generieren"
• Oder "Docker Compose generieren"

4. Ausführen

# Bash Script
chmod +x install.sh
./install.sh

# Oder Docker
docker-compose up -d

---

🔧 MCP Server

Vorkonfigurierte Model Context Protocol Server:

Server	Beschreibung	Status
filesystem	Dateisystem-Zugriff	✅
github	GitHub API	✅
memory	Persistenter Speicher	✅
sequential-thinking	Reasoning	✅

---

🤝 Beitragen

Beiträge sind willkommen! So können Sie helfen:

1. Fork erstellen
2. Feature Branch: git checkout -b feature/neues-feature
3. Commits: git commit -m 'Feature hinzugefügt'
4. Push: git push origin feature/neues-feature
5. Pull Request erstellen

---

📄 Lizenz

MIT License - siehe LICENSE

---

🙏 Danksagung

• BigLinux - Brazilian Linux Distribution
• Manjaro - User-friendly Arch
• Ollama - Local LLM Runtime
• vLLM - High-performance Inference
• Hugging Face - Model Hub
• NVIDIA - CUDA & GPU Tools

---

📞 Support

• Issues: GitHub Issues
• Repository: https://github.com/batko15/biglinux-ai-setup-manager
• Releases: https://github.com/batko15/biglinux-ai-setup-manager/releases

---

Made with ❤️ for the BigLinux AI Community