如何 3 分钟本地部署 self-hosted-ai-starter-kit从零跑通 AI 工作流的完整实操教程【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 是由 n8n 团队开源的模板用一份 Docker Compose 配置一键拉起本地 AI 环境包含 n8n、Ollama、Qdrant、PostgreSQL 四件套。适合在意数据隐私、想让 AI 工作流跑在自己机器上的开发者。它帮你省掉了什么数据不出本机模型、向量库、数据库全部本地运行公司文档和私有数据不经过任何云服务零配置编排n8n、Ollama、Qdrant、PostgreSQL 四个组件的镜像、网络、存储卷都已配好一条命令启动开箱有 Demo预置了演示 AI 工作流和本地 Ollama 凭证首次启动即自动导入跑起来就能看到效果前置条件与 self-hosted-ai-starter-kit 快速部署先确认环境已安装Docker 和 Docker Compose未安装可查 Docker 官方文档8GB 以上内存推荐 16GB20GB 以上磁盘镜像和模型文件都不小网络畅通。1. 获取代码克隆仓库并复制环境变量模板。所有密码和密钥都从.env读取改一下默认值即可。git clone https://gitcode.com/GitHub_Trending/se/self-hosted-ai-starter-kit cd self-hosted-ai-starter-kit cp .env.example .env2. 一键启动本地 AI 环境--profile cpu表示启动 CPU 版 Ollama如果你有 NVIDIA 显卡换成--profile gpu-nvidia可启用 GPU 推理AMD Linux 用户则用--profile gpu-amd。docker compose --profile cpu up3. 访问入口容器全部就绪后浏览器打开http://localhost:5678/进入 n8n按向导完成一次性的账号初始化。部署验证跑通之后先看什么打开http://localhost:5678/确认 n8n 编辑器正常加载。打开预置的演示工作流登录后访问/workflow/srOnR8PAY3u4RSwb点击画布下方的Chat按钮发送一条消息验证本地模型能正常推理。若首次响应很慢执行docker compose logs ollama-cpu查看日志——大概率是 Ollama 正在下载 llama3.2 模型只需等一次。目录与核心文件速览docker-compose.yml → 核心编排文件定义 n8n、Ollama、Qdrant、PostgreSQL 四个服务及镜像拉取、端口映射n8n/demo-data/workflows/ → 预置演示工作流首次启动由 n8n-import 服务自动导入你的自定义工作流 JSON 放这里同样会被导入n8n/demo-data/credentials/ → 本地 Ollama 服务凭证随工作流一起自动导入assets/ → 官方演示动图等素材进阶调优按硬件定制换更轻量的模型模板默认拉取 llama3.2。资源有限时可把 docker-compose.yml 中ollama pull llama3.2那一行改成更小的模型名也可在容器里直接ollama pull其他模型然后在 n8n 的 Ollama 凭证中保持一致的地址即可。给推理分配 GPUCPU 跑 3B 级模型体验尚可但换--profile gpu-nvidia启动后延迟会明显下降长对话、批处理场景收益更大。保持镜像更新组件更新后按下面两条命令拉新镜像并重建即可本地工作流和数据不会丢。docker compose --profile cpu pull docker compose create docker compose --profile cpu up高频问题速查避坑端口 5678 被占用 ⚠️现象n8n 容器起不来或反复重启。解法把 docker-compose.yml 中5678:5678的主机侧端口改成5679:5678随后用新端口访问。镜像或模型拉取超时现象up命令长时间停在下载阶段。解法给 Docker 配置镜像源模型文件较大用docker compose logs ollama-cpu确认下载仍在推进而非卡死。演示工作流没有回复现象点 Chat 后一直转圈无响应。解法九成是模型还没下完确认 llama3.2 下载完成再检查 Ollama 凭证里的 Base URL 指向http://ollama:11434/。写在最后self-hosted-ai-starter-kit 把本地部署、AI 工作流、向量数据库打包进了一份 Compose 文件从克隆到聊上第一句话不超过三分钟。现在就去把它跑起来替换成你自己的模型和工作流。【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