self-hosted-ai-starter-kit 部署教程10 分钟跑通本地 AI 工作流环境【免费下载链接】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.项目地址: https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kitself-hosted-ai-starter-kit 部署并不复杂这是一个由 n8n 出品的 Docker Compose 模板一条命令即可拉起 n8n、Ollama、Qdrant 和 PostgreSQL数据全部留在你的机器上。按本文步骤操作你最终会在浏览器里和跑在本地模型对话得到一个能直接改、能扩展的自托管 AI 环境。它适合谁、什么时候需要它处理敏感文档的人公司 PDF、财务资料不想传给云端 API想用本地模型做摘要和分析又不想从零搭环境。低代码自动化使用者想在 n8n 的 400 多种集成里接入本地大模型做 AI Agent、文档问答这类自动化而不是手写代码。本地部署爱好者想完整体验Ollama 跑模型 Qdrant 存向量 n8n 编排工作流这条链路做概念验证POC。需要说明项目定位是帮你快速上手组件组合对原型验证够用并非为生产环境做深度优化。正式上生产前请自行评估加固。部署前 3 分钟检查清单Docker 与 Docker Compose 已安装Compose 需支持--profile参数。内存建议至少 8GB16GB 以上体验更好模型越大越吃内存。磁盘预留 20GB 以上要拉取多个镜像首次还会自动下载 Llama 3.2 模型。首次启动需要稳定网络镜像和模型都要从外网下载。端口空闲5678n8n、11434Ollama、6333Qdrant。仓库里已提供 .env.example稍后要复制成.env并改掉默认口令。最短路径跑通第一个可用版本克隆仓库并生成环境配置文件共三条命令git clone https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit cd self-hosted-ai-starter-kit cp .env.example .env打开生成的.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认值。启动整套服务。--profile cpu表示用 CPU 跑 Ollama无 GPU 用户选它即可docker compose --profile cpu up首次启动会依次拉取 n8n、PostgreSQL、Qdrant、Ollama 等镜像随后自动下载 llama3.2 模型这一步耗时最长耐心等即可。跑通后如何确认它真的可用浏览器打开 http://localhost:5678/ 按提示完成 n8n 一次性初始化注册管理员账号。打开预置的示例工作流http://localhost:5678/workflow/srOnR8PAY3u4RSwb点画布下方的Chat按钮向模型发一句话。收到本地模型的回复说明链路全部打通。若 Chat 没有响应多半是模型还在下载执行下面命令观察进度docker compose logs ollama-pull-llama-cpu下载完成后再次点击 Chat 即可无需重启容器。关键配置与目录入口想改什么去哪里找docker-compose.yml全部服务、端口、profilecpu / gpu-nvidia / gpu-amd都在这里定义。.env.example数据库口令、n8n 密钥、OLLAMA_HOST等环境变量模板复制成.env后按需修改。n8n/demo-data/workflows/ 与 n8n/demo-data/credentials/示例工作流和凭证首次启动时 n8n 会自动导入这就是你打开 Chat 就能用的原因。README.md官方完整说明包括 GPU 配置和 Mac 用户方案。另外项目会在 n8n 容器里挂载一个共享目录容器内路径/data/shared让工作流能读取你磁盘上的文件做文档类工作流时会用到。按硬件/场景做轻量调优有 NVIDIA 显卡把启动命令里的 profile 换成--profile gpu-nvidia推理速度明显提升Linux 上的 AMD 显卡用户用--profile gpu-amd。只有 CPU、内存偏低保持默认 llama3.2 即可起步追求速度时在 n8n 的 Ollama 节点里换成更小的模型。MacM 系列芯片Docker 无法直接调用 GPU推荐在 Mac 上单独装 Ollama然后用普通docker compose up启动其余服务并在.env中把OLLAMA_HOST设为host.docker.internal:11434细节见 README。网络慢不用反复重启首次拉镜像和下模型本来就慢看日志确认进度没卡死即可。卡住时按顺序排查看日志docker compose logs 服务名优先看n8n和ollama两个服务。查端口确认 5678、11434、6333 没被本机其他程序占用。查资源内存不足时容器可能反复重启给 Docker 分配足够内存。查拉取首次启动卡在拉镜像或下模型属正常现象区分慢和断。核对 .env确认已从.env.example复制出.env且口令、密钥已修改compose 会强制要求该文件存在。下一步扩展、更新或接入工作流换模型在 n8n 里打开工作流把 Ollama 节点的模型改成你喜欢的任意本地模型向量检索用 Qdrant 节点整条链路保持本地。导入自己的工作流在 n8n 界面里导入 JSON 即可示例数据只会在首次启动、库里还没有工作流时自动导入之后以界面操作为准。更新到新版本拉新代码后重建容器docker compose --profile cpu pull docker compose create docker compose --profile cpu up继续学习README 末尾列了 n8n 官方的 AI Agent 教程和概念文章遇到具体问题可以先翻一遍。打开浏览器访问 localhost:5678把你的第一条 AI 工作流跑起来。【免费下载链接】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.项目地址: https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 self-hosted-ai-starter-kit 部署教程：10 分钟跑通本地 AI 工作流环境
self-hosted-ai-starter-kit 部署教程10 分钟跑通本地 AI 工作流环境【免费下载链接】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.项目地址: https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kitself-hosted-ai-starter-kit 部署并不复杂这是一个由 n8n 出品的 Docker Compose 模板一条命令即可拉起 n8n、Ollama、Qdrant 和 PostgreSQL数据全部留在你的机器上。按本文步骤操作你最终会在浏览器里和跑在本地模型对话得到一个能直接改、能扩展的自托管 AI 环境。它适合谁、什么时候需要它处理敏感文档的人公司 PDF、财务资料不想传给云端 API想用本地模型做摘要和分析又不想从零搭环境。低代码自动化使用者想在 n8n 的 400 多种集成里接入本地大模型做 AI Agent、文档问答这类自动化而不是手写代码。本地部署爱好者想完整体验Ollama 跑模型 Qdrant 存向量 n8n 编排工作流这条链路做概念验证POC。需要说明项目定位是帮你快速上手组件组合对原型验证够用并非为生产环境做深度优化。正式上生产前请自行评估加固。部署前 3 分钟检查清单Docker 与 Docker Compose 已安装Compose 需支持--profile参数。内存建议至少 8GB16GB 以上体验更好模型越大越吃内存。磁盘预留 20GB 以上要拉取多个镜像首次还会自动下载 Llama 3.2 模型。首次启动需要稳定网络镜像和模型都要从外网下载。端口空闲5678n8n、11434Ollama、6333Qdrant。仓库里已提供 .env.example稍后要复制成.env并改掉默认口令。最短路径跑通第一个可用版本克隆仓库并生成环境配置文件共三条命令git clone https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit cd self-hosted-ai-starter-kit cp .env.example .env打开生成的.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认值。启动整套服务。--profile cpu表示用 CPU 跑 Ollama无 GPU 用户选它即可docker compose --profile cpu up首次启动会依次拉取 n8n、PostgreSQL、Qdrant、Ollama 等镜像随后自动下载 llama3.2 模型这一步耗时最长耐心等即可。跑通后如何确认它真的可用浏览器打开 http://localhost:5678/ 按提示完成 n8n 一次性初始化注册管理员账号。打开预置的示例工作流http://localhost:5678/workflow/srOnR8PAY3u4RSwb点画布下方的Chat按钮向模型发一句话。收到本地模型的回复说明链路全部打通。若 Chat 没有响应多半是模型还在下载执行下面命令观察进度docker compose logs ollama-pull-llama-cpu下载完成后再次点击 Chat 即可无需重启容器。关键配置与目录入口想改什么去哪里找docker-compose.yml全部服务、端口、profilecpu / gpu-nvidia / gpu-amd都在这里定义。.env.example数据库口令、n8n 密钥、OLLAMA_HOST等环境变量模板复制成.env后按需修改。n8n/demo-data/workflows/ 与 n8n/demo-data/credentials/示例工作流和凭证首次启动时 n8n 会自动导入这就是你打开 Chat 就能用的原因。README.md官方完整说明包括 GPU 配置和 Mac 用户方案。另外项目会在 n8n 容器里挂载一个共享目录容器内路径/data/shared让工作流能读取你磁盘上的文件做文档类工作流时会用到。按硬件/场景做轻量调优有 NVIDIA 显卡把启动命令里的 profile 换成--profile gpu-nvidia推理速度明显提升Linux 上的 AMD 显卡用户用--profile gpu-amd。只有 CPU、内存偏低保持默认 llama3.2 即可起步追求速度时在 n8n 的 Ollama 节点里换成更小的模型。MacM 系列芯片Docker 无法直接调用 GPU推荐在 Mac 上单独装 Ollama然后用普通docker compose up启动其余服务并在.env中把OLLAMA_HOST设为host.docker.internal:11434细节见 README。网络慢不用反复重启首次拉镜像和下模型本来就慢看日志确认进度没卡死即可。卡住时按顺序排查看日志docker compose logs 服务名优先看n8n和ollama两个服务。查端口确认 5678、11434、6333 没被本机其他程序占用。查资源内存不足时容器可能反复重启给 Docker 分配足够内存。查拉取首次启动卡在拉镜像或下模型属正常现象区分慢和断。核对 .env确认已从.env.example复制出.env且口令、密钥已修改compose 会强制要求该文件存在。下一步扩展、更新或接入工作流换模型在 n8n 里打开工作流把 Ollama 节点的模型改成你喜欢的任意本地模型向量检索用 Qdrant 节点整条链路保持本地。导入自己的工作流在 n8n 界面里导入 JSON 即可示例数据只会在首次启动、库里还没有工作流时自动导入之后以界面操作为准。更新到新版本拉新代码后重建容器docker compose --profile cpu pull docker compose create docker compose --profile cpu up继续学习README 末尾列了 n8n 官方的 AI Agent 教程和概念文章遇到具体问题可以先翻一遍。打开浏览器访问 localhost:5678把你的第一条 AI 工作流跑起来。【免费下载链接】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.项目地址: https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考