自托管 AI 入门套件

自托管 AI 入门套件 是一个开源的 Docker Compose 模板，旨在快速初始化一个全面的本地 AI 和低代码开发环境。

由 https://github.com/n8n-io 精心打造，它将自托管的 n8n 平台与精选的兼容 AI 产品和组件相结合，帮助您迅速开始构建自托管的 AI 工作流。

[!TIP] 阅读公告

包含的内容

✅ 自托管 n8n - 拥有超过 400 种集成和高级 AI 组件的低代码平台

✅ Ollama - 跨平台的 LLM 平台，用于安装和运行最新的本地 LLM

✅ Qdrant - 开源、高性能的向量数据库，提供全面的 API

✅ PostgreSQL - 数据工程领域的主力，安全地处理大量数据。

您可以构建的内容

⭐️ 用于安排预约的 AI 代理

⭐️ 安全地总结公司 PDF 文件，避免数据泄露

⭐️ 更智能的 Slack 机器人，提升公司沟通和 IT 运营效率

⭐️ 以最低成本进行私有金融文档分析

安装

克隆仓库

git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git
cd self-hosted-ai-starter-kit
cp .env.example .env # 您应更新其中的密钥和密码

使用 Docker Compose 运行 n8n

对于 NVIDIA GPU 用户

git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git
cd self-hosted-ai-starter-kit
cp .env.example .env # 您应更新其中的密钥和密码
docker compose --profile gpu-nvidia up

[!NOTE] 如果您之前从未在 Docker 中使用过 NVIDIA GPU，请遵循 Ollama 的 Docker 指南。

对于 Linux 上的 AMD GPU 用户

git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git
cd self-hosted-ai-starter-kit
cp .env.example .env # 您应更新其中的密钥和密码
docker compose --profile gpu-amd up

对于 Mac / Apple Silicon 用户

如果您使用的是搭载 M1 或更高版本处理器的 Mac，则很遗憾无法将您的 GPU 暴露给 Docker 容器。在这种情况下，有两种选择：

1. 完全在 CPU 上运行入门套件，如下面的“对于其他所有人”部分所述。
2. 在您的 Mac 上运行 Ollama 以获得更快的推理速度，并从 n8n 实例连接到它。

如果您希望在 Mac 上运行 Ollama，请查看 Ollama 官网 获取安装说明，然后按照以下步骤运行入门套件：

git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git
cd self-hosted-ai-starter-kit
cp .env.example .env # 您应更新其中的密钥和密码
docker compose up

对于在本地运行 OLLAMA 的 Mac 用户

如果您在本地（而非在 Docker 中）运行 OLLAMA，需要修改 OLLAMA_HOST 环境变量：

1. 将 .env 文件中的 OLLAMA_HOST 设置为 host.docker.internal:11434。

2. 此外，在看到“编辑器现在可通过以下地址访问：http://localhost:5678/”之后：

   1. 前往 http://localhost:5678/home/credentials
   2. 点击“Local Ollama service”
   3. 将基础 URL 更改为 “http://host.docker.internal:11434/”

对于其他所有人

git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git
cd self-hosted-ai-starter-kit
cp .env.example .env # 您应更新其中的密钥和密码
docker compose --profile cpu up

⚡️ 快速开始与使用

自托管 AI 入门套件的核心是一个预配置了网络和存储设置的 Docker Compose 文件，从而最大限度地减少了额外安装的需求。完成上述安装步骤后，只需按照以下步骤即可开始使用。

1. 在浏览器中打开 http://localhost:5678/ 来设置 n8n。您只需执行此操作一次。
2. 打开附带的工作流： http://localhost:5678/workflow/srOnR8PAY3u4RSwb
3. 点击画布底部的 Chat 按钮，开始运行工作流。
4. 如果这是您首次运行该工作流，可能需要等待 Ollama 完成下载 Llama3.2。您可以查看 Docker 控制台日志来跟踪进度。

要随时打开 n8n，请在浏览器中访问 http://localhost:5678/。

通过您的 n8n 实例，您将可以访问超过 400 种集成以及一系列基础和高级 AI 节点，例如 AI Agent、Text classifier 和 Information Extractor 节点。为了保持所有内容本地化，只需记住使用 Ollama 节点作为您的语言模型，并将 Qdrant 用作您的向量数据库。

[!NOTE] 本入门套件旨在帮助您快速上手自托管的 AI 工作流。虽然它并未完全针对生产环境进行优化，但其强大的组件能够很好地协同工作，适合概念验证项目。您可以根据自身需求对其进行定制。

升级

• 对于 NVIDIA GPU 配置：

docker compose --profile gpu-nvidia pull
docker compose create && docker compose --profile gpu-nvidia up

• 对于 Mac / Apple Silicon 用户

docker compose pull
docker compose create && docker compose up

• 对于非 GPU 配置：

docker compose --profile cpu pull
docker compose create && docker compose --profile cpu up

👓 推荐阅读

n8n 提供了大量有用的内容，帮助您快速掌握其 AI 概念和节点。如果您遇到任何问题，请前往 支持。

• 面向开发者的 AI 代理：从理论到实践，借助 n8n
• 教程：在 n8n 中构建 AI 工作流
• n8n 中的 Langchain 概念
• 代理与链之间关键区别的演示
• 什么是向量数据库？

🎥 视频教程

• 为 n8n 安装和使用本地 AI

🛍️ 更多 AI 模板

如需更多 AI 工作流创意，请访问 n8n 官方 AI 模板库。从每个工作流中，选择 Use workflow 按钮，即可自动将工作流导入您的本地 n8n 实例。

学习 AI 核心概念

• AI 代理聊天
• 与任意数据源进行 AI 聊天（使用 n8n 工作流）
• 通过添加记忆与 OpenAI 助手聊天
• 使用开源大模型（通过 Hugging Face）
• 使用 AI 与 PDF 文档聊天（引用来源）
• 能够抓取网页的 AI 代理

本地 AI 模板

• 税法代码助手
• 利用 MistralAI 和 Qdrant 将文档拆解为学习笔记
• 使用 Qdrant 和 Mistral.ai 的财务文档助手 Mistral.ai
• 使用 Qdrant 和 Mistral 提供建议食谱

小贴士与技巧

访问本地文件

自托管的 AI 入门套件会创建一个共享文件夹（默认位于同一目录下），该文件夹会被挂载到 n8n 容器中，从而使 n8n 能够访问磁盘上的文件。在 n8n 容器内，此文件夹的路径为 /data/shared —— 在与本地文件系统交互的节点中，您需要使用此路径。

与本地文件系统交互的节点

• 从磁盘读取/写入文件
• 本地文件触发器
• 执行命令

📜 许可证

本项目采用 Apache License 2.0 许可证授权——详情请参阅 LICENSE 文件。

💬 支持

加入 n8n 论坛 的讨论，您可以在其中：

• 分享您的作品：展示您使用 n8n 构建的内容，激励社区中的其他成员。
• 提问：无论您是初学者还是资深用户，社区和我们的团队都随时准备为您提供帮助，解决任何问题。
• 提出建议：如果您有功能或改进的想法，请告诉我们！我们始终期待听到您希望看到的新功能。

Self-hosted AI Starter Kit 快速上手指南

Self-hosted AI Starter Kit 是由 n8n 官方维护的开源项目，通过 Docker Compose 一键部署本地 AI 开发环境。它集成了低代码自动化平台 n8n、本地大模型运行器 Ollama、向量数据库 Qdrant 以及 PostgreSQL，帮助开发者快速构建隐私安全、低成本的本地 AI 工作流。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux、macOS (Intel/Apple Silicon) 或 Windows (需安装 WSL2)。
• 核心依赖：
  • Docker (建议最新版本)
  • Docker Compose (通常随 Docker 桌面版自带)
• 硬件建议：
  • Nvidia GPU 用户：需预先安装 Nvidia Container Toolkit 以支持容器调用显卡（详见 Ollama Docker 文档）。
  • 内存：建议至少 8GB RAM（运行本地大模型时推荐 16GB+）。
  • 磁盘：预留至少 20GB 空间用于下载模型镜像和数据存储。

注意：国内用户在拉取 Docker 镜像时若遇到网络超时，建议配置国内镜像加速器（如阿里云、腾讯云等）或在 docker compose 命令前设置代理。

安装步骤

1. 克隆项目并配置环境变量

打开终端，执行以下命令获取源码并初始化配置文件：

git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git
cd self-hosted-ai-starter-kit
cp .env.example .env

重要：请编辑 .env 文件，修改其中的默认密码和密钥以确保安全。

2. 启动服务

根据您的硬件环境选择对应的启动命令：

方案 A：Nvidia GPU 用户 (Linux/Windows WSL2)

如果您拥有 Nvidia 显卡且已配置好 Docker GPU 支持：

docker compose --profile gpu-nvidia up

方案 B：AMD GPU 用户 (Linux)

如果您使用支持 ROCm 的 AMD 显卡：

docker compose --profile gpu-amd up

方案 C：Mac (M1/M2/M3) 或 无独立显卡用户

• 纯 CPU 模式（兼容性最好，但推理速度较慢）：

  docker compose --profile cpu up
  

• Mac 混合模式（推荐）：在宿主机直接安装 Ollama 以获得更好性能，容器仅运行 n8n 和其他组件。
  1. 前往 Ollama 官网 下载并安装 Mac 版。
  2. 修改 .env 文件，设置 OLLAMA_HOST=host.docker.internal:11434。
  3. 启动容器：

     docker compose up
     

  4. 容器启动后，访问 n8n 界面，进入凭证设置，将 "Local Ollama service" 的 Base URL 修改为 http://host.docker.internal:11434/。

方案 D：通用 CPU 模式 (其他所有情况)

docker compose --profile cpu up

基本使用

服务启动成功后（首次运行需等待 Ollama 下载 Llama3.2 模型，可通过日志查看进度），即可开始体验。

1. 访问 n8n 工作台

在浏览器中打开： http://localhost:5678/

按照指引完成初始账户设置（仅需一次）。

2. 运行示例工作流

项目预置了一个演示工作流，用于测试本地 AI 能力：

1. 在浏览器地址栏直接访问示例工作流链接： http://localhost:5678/workflow/srOnR8PAY3u4RSwb
2. 点击画布底部的 Chat (聊天) 按钮。
3. 输入任意问题，系统将调用本地 Ollama 模型进行回答。

3. 构建自己的 AI 应用

现在您已拥有一个完整的本地 AI 栈：

• 逻辑编排：使用 n8n 的 400+ 集成节点和 AI 专用节点（如 AI Agent, Text Classifier）。
• 模型推理：在 n8n 中选择 Ollama 节点作为 LLM 提供者。
• 记忆存储：使用 Qdrant 节点作为向量数据库，实现文档问答等功能。
• 本地文件访问：n8n 容器已挂载共享文件夹，路径为 /data/shared，可用于读写本地文件。

提示：本工具包旨在快速验证概念 (PoC) 和本地开发。如需生产环境部署，请根据实际需求调整资源配置和安全策略。更多高级模板请访问 n8n 官方工作流库。