简介
Self-hosted AI Starter Kit是由n8n团队开发的开源Docker Compose模板，旨在帮助开发者快速搭建完整的本地AI开发环境。该项目整合了自托管的n8n低代码平台、Ollama本地大语言模型运行环境、Qdrant向量数据库和PostgreSQL数据库等核心组件，让用户能够在本地环境中构建安全、可控的AI工作流，无需依赖云端服务。
核心价值：
数据安全：所有数据处理在本地进行，避免敏感数据上传到云端
完全免费：开源工具，零月费订阅，支持商业使用
快速上手：通过拖拽界面即可构建复杂AI工作流，无需编写代码
隐私保护：敏感数据始终在用户控制范围内，符合企业合规要求
主要功能
1. 核心组件集成
n8n低代码平台：提供400+集成和高级AI组件，通过可视化界面构建自动化工作流，支持拖拽式操作，无需编写复杂代码。
Ollama本地LLM：跨平台大语言模型运行环境，支持Llama、Mistral等主流开源模型的一键部署和运行，可在本地完成AI推理任务。
Qdrant向量数据库：高性能开源向量存储，提供全面的API接口，支持语义向量存储和相似性搜索，为AI应用提供高效的检索能力。
PostgreSQL数据库：企业级关系型数据库，保障大规模数据的安全、可靠存储，支持复杂查询和事务处理。
2. 功能特性
可视化工作流编排：通过图形化界面连接各个节点，构建从数据采集、处理到AI生成的全链路自动化流程。
本地模型运行：支持在本地运行大语言模型，避免网络延迟和数据泄露风险，推理速度更快。
向量检索能力：集成Qdrant向量数据库，实现文档的语义化存储和智能检索，支持相似度搜索和知识库构建。
多格式数据处理：支持PDF、文本、图像等多种格式的文件处理，自动提取内容并进行AI分析。
安装与配置
环境要求
硬件配置：
CPU：最低4核，推荐8核或更多
内存：最低8GB，推荐16GB+（运行LLM需要）
存储：最低20GB，推荐50GB+（存放模型和数据）
GPU：可选，NVIDIA GPU用户可启用GPU加速
软件依赖：
Git 2.30+
Docker & Docker Compose v2+
稳定的网络连接（首次启动需下载镜像，总量约5GB）
安装步骤
第一步：克隆项目仓库
git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git cd self-hosted-ai-starter-kit cp .env.example .env第二步：配置环境变量
编辑.env文件，修改数据库密码等敏感信息，建议使用强密码（8个字符以上，包含字母、数字、符号）。
第三步：选择启动方式
根据硬件环境选择对应的启动命令：
NVIDIA GPU用户：
docker compose --profile gpu-nvidia upAMD GPU用户（Linux）：
docker compose --profile gpu-amd upMac/Apple Silicon用户：
docker compose up普通CPU用户：
docker compose --profile cpu up
第四步：等待启动完成
首次运行需要下载镜像和模型文件（可能需要5-20分钟），当看到"Editor is now accessible via: http://localhost:5678/"时，说明安装完成。
验证安装
打开浏览器访问 http://localhost:5678/，如果看到n8n的欢迎界面，说明部署成功。首次使用需要完成初始设置，按照提示配置即可。
如何使用
基础使用
访问n8n界面：在浏览器中打开 http://localhost:5678/，进入n8n可视化工作流编辑器。
创建第一个工作流：
点击右上角"创建工作流"按钮
添加"Manual Trigger"节点作为触发器
添加"Set"节点，配置字段和值
点击"Execute Workflow"按钮测试运行
使用示例工作流：访问 http://localhost:5678/workflow/srOnR8PAY3u4RSwb，加载内置的PDF分析示例工作流，点击"Chat"按钮即可体验本地AI文档分析功能。
核心节点功能
AI节点：通过Ollama节点调用本地大语言模型，支持文本生成、文档总结、问答对话等功能。
文件处理节点：支持PDF、文本、图像等格式的文件读取和处理，自动提取内容供AI分析。
向量存储节点：使用Qdrant节点存储和检索文档向量，实现知识库管理和语义搜索。
数据转换节点：提供Set、Function等节点，支持数据格式转换、字段映射、条件判断等操作。
本地文件访问
项目创建了共享文件夹（默认位于同目录），挂载到n8n容器中，路径为/data/shared。可以在以下节点中使用这个路径：
读写磁盘文件
本地文件触发器
执行命令
系统升级维护
NVIDIA GPU环境升级：
docker compose --profile gpu-nvidia pull docker compose create && docker compose --profile gpu-nvidia up非GPU环境升级：
docker compose --profile cpu pull docker compose create && docker compose --profile cpu up应用场景实例
实例1：企业文档智能分析系统
场景描述：某科技公司需要处理大量内部技术文档和财务报告，要求系统能够自动提取关键信息、生成摘要，且所有数据必须在本地处理，不得上传云端。
解决方案：使用Self-hosted AI Starter Kit构建本地文档分析系统。通过n8n工作流接收PDF文件，使用Ollama节点调用本地大语言模型分析文档内容，提取关键要点和摘要，结果存储到PostgreSQL数据库。Qdrant向量数据库用于存储文档向量，支持语义检索和相似文档推荐。
实施效果：
文档处理效率提升80%，从手动处理转为自动化流程
数据安全性得到保障，敏感文档始终在本地处理
支持批量处理，单次可处理数百份文档
降低人力成本，减少人工审核工作量
实例2：智能客服机器人
场景描述：某电商平台需要为内部员工提供IT支持服务，要求构建智能客服机器人，能够自动回答常见问题、处理工单分类，且支持7×24小时服务。
解决方案：基于Self-hosted AI Starter Kit搭建智能客服系统。n8n工作流接收用户问题，通过Ollama节点进行意图识别和分类，Qdrant向量数据库存储知识库文档，实现智能问答。对于复杂问题，自动转人工处理并记录处理结果，持续优化知识库。
实施效果：
客服响应时间从平均5分钟缩短至10秒以内
常见问题自动回复率超过85%
降低人工客服成本60%
支持多轮对话和上下文理解
实例3：财务数据自动化处理
场景描述：某金融机构需要定期处理发票、合同等财务文档，要求系统能够自动识别文档类型、提取关键字段、生成报表，且所有数据必须在本地处理。
解决方案：使用Self-hosted AI Starter Kit构建财务自动化系统。n8n工作流定时扫描指定文件夹，自动识别文档类型（发票、合同、对账单），通过Ollama节点提取关键信息（金额、日期、供应商等），生成结构化数据并存储到PostgreSQL数据库，最后自动生成财务报表和统计图表。
实施效果：
财务处理效率提升90%，从数小时缩短至数分钟
数据准确性提升至99%以上，减少人为错误
支持多格式文档处理（PDF、图片、扫描件）
符合金融行业数据安全要求
实例4：企业内部知识库管理
场景描述：某大型企业需要构建内部知识库系统，要求员工能够快速检索技术文档、培训材料、政策文件，且所有数据必须在企业内部网络处理。
解决方案：基于Self-hosted AI Starter Kit搭建知识库管理系统。n8n工作流定时采集内部文档（Confluence、SharePoint、本地文件），使用Ollama节点生成文档摘要和关键词，Qdrant向量数据库存储文档向量，实现语义检索和智能问答。员工可以通过自然语言查询快速找到相关文档。
实施效果：
知识检索效率提升70%，从平均3分钟缩短至30秒
支持多维度检索（关键词、语义、文档类型）
知识库更新自动化，减少人工维护成本
保障企业内部数据安全
实例5：智能会议助手
场景描述：某咨询公司需要为会议提供智能支持，要求系统能够自动记录会议内容、生成会议纪要、提取行动项，且所有数据必须在本地处理。
解决方案：使用Self-hosted AI Starter Kit构建会议助手系统。n8n工作流接收会议录音或文字记录，通过Ollama节点进行语音转文字（可选）、内容摘要、行动项提取，自动生成会议纪要和待办事项，通过邮件或Slack通知相关人员。
实施效果：
会议纪要生成时间从1小时缩短至5分钟
行动项提取准确率超过95%
支持多语言会议记录
保障会议内容隐私安全
实例6：智能内容创作助手
场景描述：某内容创作团队需要辅助工具，要求系统能够根据主题自动生成文章大纲、内容草稿、社交媒体文案，且所有创作内容必须在本地处理。
解决方案：基于Self-hosted AI Starter Kit搭建内容创作助手。n8n工作流接收创作主题和关键词，通过Ollama节点生成文章大纲、段落内容、标题建议，Qdrant向量数据库存储历史创作内容，避免重复生成。支持多种内容格式（博客文章、社交媒体文案、产品介绍）。
实施效果：
内容创作效率提升50%，从数小时缩短至数十分钟
支持多风格内容生成（正式、轻松、专业）
保障创作内容版权，避免数据泄露
支持批量内容生成，提升团队协作效率
GitHub地址
项目地址：https://github.com/n8n-io/self-hosted-ai-starter-kit
相关资源：
官方文档：https://docs.n8n.io/
社区支持：https://community.n8n.io/
在线演示：http://localhost:5678/（本地部署后访问）
项目信息：
⭐ Stars：持续增长中
📄 许可证：开源协议
💻 主要语言：Docker Compose、JavaScript
📅 最近更新：持续维护
快速开始：
访问GitHub仓库，给项目点个Star支持
按照README文档完成环境配置
启动服务，访问http://localhost:5678/
加载示例工作流，体验本地AI功能
注意事项：
首次使用需要下载模型文件，建议使用稳定网络
生产环境部署建议进行性能测试和参数调优
定期备份重要工作流和数据
使用AI技术需遵守相关法律法规和伦理准则
