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-编程实验室

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-kit

self-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 16GB），20GB 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 .env

2. 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 up

3. 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 GPU

CPU 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。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

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