self-hosted-ai-starter-kit 部署教程10 分鐘跑通本地 AI 工作流環境【免費下載鏈接】self-hosted-ai-starter-kitThe Self-hosted AI Starter Kit is an open-source template that quickly sets up a local AI environment. Curated by n8n, it provides essential tools for creating secure, self-hosted AI workflows.項目地址: https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kitself-hosted-ai-starter-kit 部署并不復雜這是一個由 n8n 出品的 Docker Compose 模板一條命令即可拉起 n8n、Ollama、Qdrant 和 PostgreSQL數據全部留在你的機器上。按本文步驟操作你最終會在瀏覽器里和跑在本地模型對話得到一個能直接改、能擴展的自托管 AI 環境。它適合誰、什么時候需要它處理敏感文檔的人公司 PDF、財務資料不想傳給云端 API想用本地模型做摘要和分析又不想從零搭環境。低代碼自動化使用者想在 n8n 的 400 多種集成里接入本地大模型做 AI Agent、文檔問答這類自動化而不是手寫代碼。本地部署愛好者想完整體驗Ollama 跑模型 Qdrant 存向量 n8n 編排工作流這條鏈路做概念驗證POC。需要說明項目定位是幫你快速上手組件組合對原型驗證夠用并非為生產環境做深度優化。正式上生產前請自行評估加固。部署前 3 分鐘檢查清單Docker 與 Docker Compose 已安裝Compose 需支持--profile參數。內存建議至少 8GB16GB 以上體驗更好模型越大越吃內存。磁盤預留 20GB 以上要拉取多個鏡像首次還會自動下載 Llama 3.2 模型。首次啟動需要穩定網絡鏡像和模型都要從外網下載。端口空閑5678n8n、11434Ollama、6333Qdrant。倉庫里已提供 .env.example稍后要復制成.env并改掉默認口令。最短路徑跑通第一個可用版本克隆倉庫并生成環境配置文件共三條命令git clone https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit cd self-hosted-ai-starter-kit cp .env.example .env打開生成的.env把POSTGRES_PASSWORD、N8N_ENCRYPTION_KEY、N8N_USER_MANAGEMENT_JWT_SECRET改成自己的值模板里是占位默認值。啟動整套服務。--profile cpu表示用 CPU 跑 Ollama無 GPU 用戶選它即可docker compose --profile cpu up首次啟動會依次拉取 n8n、PostgreSQL、Qdrant、Ollama 等鏡像隨后自動下載 llama3.2 模型這一步耗時最長耐心等即可。跑通后如何確認它真的可用瀏覽器打開 http://localhost:5678/ 按提示完成 n8n 一次性初始化注冊管理員賬號。打開預置的示例工作流http://localhost:5678/workflow/srOnR8PAY3u4RSwb點畫布下方的Chat按鈕向模型發一句話。收到本地模型的回復說明鏈路全部打通。若 Chat 沒有響應多半是模型還在下載執行下面命令觀察進度docker compose logs ollama-pull-llama-cpu下載完成后再次點擊 Chat 即可無需重啟容器。關鍵配置與目錄入口想改什么去哪里找docker-compose.yml全部服務、端口、profilecpu / gpu-nvidia / gpu-amd都在這里定義。.env.example數據庫口令、n8n 密鑰、OLLAMA_HOST等環境變量模板復制成.env后按需修改。n8n/demo-data/workflows/ 與 n8n/demo-data/credentials/示例工作流和憑證首次啟動時 n8n 會自動導入這就是你打開 Chat 就能用的原因。README.md官方完整說明包括 GPU 配置和 Mac 用戶方案。另外項目會在 n8n 容器里掛載一個共享目錄容器內路徑/data/shared讓工作流能讀取你磁盤上的文件做文檔類工作流時會用到。按硬件/場景做輕量調優有 NVIDIA 顯卡把啟動命令里的 profile 換成--profile gpu-nvidia推理速度明顯提升Linux 上的 AMD 顯卡用戶用--profile gpu-amd。只有 CPU、內存偏低保持默認 llama3.2 即可起步追求速度時在 n8n 的 Ollama 節點里換成更小的模型。MacM 系列芯片Docker 無法直接調用 GPU推薦在 Mac 上單獨裝 Ollama然后用普通docker compose up啟動其余服務并在.env中把OLLAMA_HOST設為host.docker.internal:11434細節見 README。網絡慢不用反復重啟首次拉鏡像和下模型本來就慢看日志確認進度沒卡死即可。卡住時按順序排查看日志docker compose logs 服務名優先看n8n和ollama兩個服務。查端口確認 5678、11434、6333 沒被本機其他程序占用。查資源內存不足時容器可能反復重啟給 Docker 分配足夠內存。查拉取首次啟動卡在拉鏡像或下模型屬正常現象區分慢和斷。核對 .env確認已從.env.example復制出.env且口令、密鑰已修改compose 會強制要求該文件存在。下一步擴展、更新或接入工作流換模型在 n8n 里打開工作流把 Ollama 節點的模型改成你喜歡的任意本地模型向量檢索用 Qdrant 節點整條鏈路保持本地。導入自己的工作流在 n8n 界面里導入 JSON 即可示例數據只會在首次啟動、庫里還沒有工作流時自動導入之后以界面操作為準。更新到新版本拉新代碼后重建容器docker compose --profile cpu pull docker compose create docker compose --profile cpu up繼續學習README 末尾列了 n8n 官方的 AI Agent 教程和概念文章遇到具體問題可以先翻一遍。打開瀏覽器訪問 localhost:5678把你的第一條 AI 工作流跑起來。【免費下載鏈接】self-hosted-ai-starter-kitThe Self-hosted AI Starter Kit is an open-source template that quickly sets up a local AI environment. Curated by n8n, it provides essential tools for creating secure, self-hosted AI workflows.項目地址: https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 self-hosted-ai-starter-kit 部署教程：10 分鐘跑通本地 AI 工作流環境
self-hosted-ai-starter-kit 部署教程10 分鐘跑通本地 AI 工作流環境【免費下載鏈接】self-hosted-ai-starter-kitThe Self-hosted AI Starter Kit is an open-source template that quickly sets up a local AI environment. Curated by n8n, it provides essential tools for creating secure, self-hosted AI workflows.項目地址: https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kitself-hosted-ai-starter-kit 部署并不復雜這是一個由 n8n 出品的 Docker Compose 模板一條命令即可拉起 n8n、Ollama、Qdrant 和 PostgreSQL數據全部留在你的機器上。按本文步驟操作你最終會在瀏覽器里和跑在本地模型對話得到一個能直接改、能擴展的自托管 AI 環境。它適合誰、什么時候需要它處理敏感文檔的人公司 PDF、財務資料不想傳給云端 API想用本地模型做摘要和分析又不想從零搭環境。低代碼自動化使用者想在 n8n 的 400 多種集成里接入本地大模型做 AI Agent、文檔問答這類自動化而不是手寫代碼。本地部署愛好者想完整體驗Ollama 跑模型 Qdrant 存向量 n8n 編排工作流這條鏈路做概念驗證POC。需要說明項目定位是幫你快速上手組件組合對原型驗證夠用并非為生產環境做深度優化。正式上生產前請自行評估加固。部署前 3 分鐘檢查清單Docker 與 Docker Compose 已安裝Compose 需支持--profile參數。內存建議至少 8GB16GB 以上體驗更好模型越大越吃內存。磁盤預留 20GB 以上要拉取多個鏡像首次還會自動下載 Llama 3.2 模型。首次啟動需要穩定網絡鏡像和模型都要從外網下載。端口空閑5678n8n、11434Ollama、6333Qdrant。倉庫里已提供 .env.example稍后要復制成.env并改掉默認口令。最短路徑跑通第一個可用版本克隆倉庫并生成環境配置文件共三條命令git clone https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit cd self-hosted-ai-starter-kit cp .env.example .env打開生成的.env把POSTGRES_PASSWORD、N8N_ENCRYPTION_KEY、N8N_USER_MANAGEMENT_JWT_SECRET改成自己的值模板里是占位默認值。啟動整套服務。--profile cpu表示用 CPU 跑 Ollama無 GPU 用戶選它即可docker compose --profile cpu up首次啟動會依次拉取 n8n、PostgreSQL、Qdrant、Ollama 等鏡像隨后自動下載 llama3.2 模型這一步耗時最長耐心等即可。跑通后如何確認它真的可用瀏覽器打開 http://localhost:5678/ 按提示完成 n8n 一次性初始化注冊管理員賬號。打開預置的示例工作流http://localhost:5678/workflow/srOnR8PAY3u4RSwb點畫布下方的Chat按鈕向模型發一句話。收到本地模型的回復說明鏈路全部打通。若 Chat 沒有響應多半是模型還在下載執行下面命令觀察進度docker compose logs ollama-pull-llama-cpu下載完成后再次點擊 Chat 即可無需重啟容器。關鍵配置與目錄入口想改什么去哪里找docker-compose.yml全部服務、端口、profilecpu / gpu-nvidia / gpu-amd都在這里定義。.env.example數據庫口令、n8n 密鑰、OLLAMA_HOST等環境變量模板復制成.env后按需修改。n8n/demo-data/workflows/ 與 n8n/demo-data/credentials/示例工作流和憑證首次啟動時 n8n 會自動導入這就是你打開 Chat 就能用的原因。README.md官方完整說明包括 GPU 配置和 Mac 用戶方案。另外項目會在 n8n 容器里掛載一個共享目錄容器內路徑/data/shared讓工作流能讀取你磁盤上的文件做文檔類工作流時會用到。按硬件/場景做輕量調優有 NVIDIA 顯卡把啟動命令里的 profile 換成--profile gpu-nvidia推理速度明顯提升Linux 上的 AMD 顯卡用戶用--profile gpu-amd。只有 CPU、內存偏低保持默認 llama3.2 即可起步追求速度時在 n8n 的 Ollama 節點里換成更小的模型。MacM 系列芯片Docker 無法直接調用 GPU推薦在 Mac 上單獨裝 Ollama然后用普通docker compose up啟動其余服務并在.env中把OLLAMA_HOST設為host.docker.internal:11434細節見 README。網絡慢不用反復重啟首次拉鏡像和下模型本來就慢看日志確認進度沒卡死即可。卡住時按順序排查看日志docker compose logs 服務名優先看n8n和ollama兩個服務。查端口確認 5678、11434、6333 沒被本機其他程序占用。查資源內存不足時容器可能反復重啟給 Docker 分配足夠內存。查拉取首次啟動卡在拉鏡像或下模型屬正常現象區分慢和斷。核對 .env確認已從.env.example復制出.env且口令、密鑰已修改compose 會強制要求該文件存在。下一步擴展、更新或接入工作流換模型在 n8n 里打開工作流把 Ollama 節點的模型改成你喜歡的任意本地模型向量檢索用 Qdrant 節點整條鏈路保持本地。導入自己的工作流在 n8n 界面里導入 JSON 即可示例數據只會在首次啟動、庫里還沒有工作流時自動導入之后以界面操作為準。更新到新版本拉新代碼后重建容器docker compose --profile cpu pull docker compose create docker compose --profile cpu up繼續學習README 末尾列了 n8n 官方的 AI Agent 教程和概念文章遇到具體問題可以先翻一遍。打開瀏覽器訪問 localhost:5678把你的第一條 AI 工作流跑起來。【免費下載鏈接】self-hosted-ai-starter-kitThe Self-hosted AI Starter Kit is an open-source template that quickly sets up a local AI environment. Curated by n8n, it provides essential tools for creating secure, self-hosted AI workflows.項目地址: https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考