如何部署 self-hosted-ai-starter-kit一键搭好本地 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 是 n8n 维护的开源模板用一条 docker compose 命令就能把 n8n、Ollama、Qdrant、PostgreSQL 四个组件全部跑在本机让你搭建数据不出内网的自托管 AI 工作流。下面按“核对环境 → 三步部署 → 验证 → 优化”的顺序带新手从零走通本地 AI 环境部署。一、一分钟看懂这个套件的定位与适用人群它把低代码平台n8n400 多个集成和成套 AI 节点、本地大模型平台Ollama、向量数据库Qdrant和PostgreSQL打包进一个 docker-compose.yml省去逐个组件安装和联通配置的麻烦。适合想做本地 AI 工作流、又不想数据上传云端的个人和团队按官方说明它主要面向概念验证和开发场景并非面向生产环境的完全优化版本。二、动手前 1 分钟核对运行环境整套部署只依赖 Docker开工前对照下表确认即可任何一项不满足先补齐。检查项要求检查方式Docker Compose已安装且守护进程运行中执行docker version、docker compose version均应返回版本号内存8GB 起步跑较大模型建议 16GB查看系统资源管理器磁盘空间20GB 以上空闲镜像 Llama3.2 模型执行df -h .看 Available 一列网络能访问公网拉取镜像和模型首次启动会下载数 GB 资源确认网络畅通三、⚡ 三步完成部署从克隆到看见界面第 1 步克隆仓库并生成配置文件git clone https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit cd self-hosted-ai-starter-kit cp .env.example .env执行后当前目录应出现新生成的.env文件里面预置了数据库账号密码和密钥建议改掉默认值再启动。第 2 步一条命令拉起全部组件docker compose --profile cpu up首次运行需要几分钟拉取 n8n、ollama、postgres、qdrant 镜像并预下载 Llama3.2 模型成功后控制台会打印 “Editor is now accessible via: http://localhost:5678/”。有 NVIDIA / AMD 显卡的用户可改用--profile gpu-nvidia或--profile gpu-amd以仓库 README 说明为准。第 3 步浏览器一次性初始化打开http://localhost:5678/完成 n8n 的账号注册。完成后你会进入 n8n 工作台此时 工作流配置目录 里的示例工作流和凭证已由 n8n-import 服务自动导入无需手动操作。四、验证本地 AI 环境已就绪docker compose ps执行后应能看到 n8n、postgres、ollama、qdrant 等服务的状态均为 Up。再对照这份清单确认✅ 浏览器可正常打开http://localhost:5678/的 n8n 界面✅ 访问http://localhost:5678/workflow/srOnR8PAY3u4RSwb能看到预置的示例 AI 工作流✅ 各容器无 Restarting、Exited 等异常状态五、跑起来之后值得做的三件事先跑通内置 Demo。打开示例工作流点击画布底部的Chat按钮即可运行。第一次运行若响应慢多半是 Ollama 还在下载 Llama3.2用docker compose logs查看控制台日志能看到下载进度完成后再点击即可。自建工作流时保持全本地链路。创建自己的工作流时语言模型选用Ollama 节点、向量存储选用Qdrant其余如 AI Agent、文本分类器、信息提取器等 AI 节点均可直接使用这样整条数据链路都不离开本机。用共享目录接入本地文件。项目会在启动时创建shared/目录并挂载进 n8n 容器把要处理的文档放进去然后在读写文件类节点中统一使用容器内路径/data/shared工作流即可访问你的本地文件。六、 卡住了按症状快速排查症状首次点击 Chat 后长时间无响应。原因Ollama 正在后台下载 Llama3.2 模型属于正常现象。 解决执行docker compose logs ollama-pull-llama-cpu观察下载进度下载完成后重新点击 Chat。症状浏览器打不开 5678或容器反复重启。原因端口 5678 或 11434 被其他程序占用或内存不足。 解决先用docker compose ps定位异常服务停掉占用端口的进程或为 Docker 分配更多内存后重试。症状Mac 用户想用本机 Ollama 加速推理。原因Apple Silicon 的 GPU 无法直接暴露给 Docker 容器。 解决在 Mac 上直接安装 Ollama把 .env 中OLLAMA_HOST改为host.docker.internal:11434再进入 n8n 的凭证页面将 “Local Ollama service” 的 base URL 同步修改。这个 starter kit 的价值在于用最少的配置帮你跑通一条本地 AI 工作流。跑完内置 Demo 后建议继续对照 README.md 中的推荐文章学习 AI 节点的高级用法把示例工作流逐步改造成你自己的。【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