Local AI Packaged
coleam00/local-ai-packagedAI 已审核
RepoPicks Radar 检查于
Local AI Packaged 是什么?
Self-hosted AI Package 是一套现成的 Docker Compose 配置,一次性启动整套本地 AI 工具:用于在自己电脑上运行模型的 Ollama、用于和模型聊天的 Open WebUI、带示例智能体工作流的低代码自动化工具 n8n、作为数据库的 Supabase、用于搜索和图谱的 Qdrant 与 Neo4j、用于网页搜索的 SearXNG、用于监控的 Langfuse,以及用于 HTTPS 的 Caddy。你需要安装 Docker、Python 和 Git,填写一个很长的密码文件,然后运行一个脚本。显卡能让模型可用;也有一个较慢、只用处理器的选项。
Local AI Packaged 免费开源(Apache-2.0),可以替代 ChatGPT、n8n Cloud和Zapier。
Local AI Packaged 安装有多容易?
D · 终端、多个工具或特定显卡 · Windows
- Windows D
- macOS D
- Linux D
Windows、Mac 和 Linux 的易用度评级都是 D,也没有可下载的发行版。在每个系统上,你都要安装 Docker、Python 和 Git,克隆仓库,把 `.env.example` 复制为 `.env`,手动生成大约十五个密码和密钥,然后运行 `python start_services.py --profile gpu-nvidia`(或 `cpu`、`gpu-amd`、`none`)。搭载 Apple 芯片的 Mac 无法把显卡传给 Docker,所以只能用处理器运行,或者指向一个安装在 Docker 之外的 Ollama。
即将推出:用 RepoPicks 应用一键安装。
Local AI Packaged 的 GitHub 数据
- 星标
- 3,7902026年11月10日
- 下载量
- —所有发布版本
- 增长
- —上次读取时无增长
星标变化
事实
- 可运行于
- Windows, macOS, Linux
- 需要安装
- Docker, Python, NVIDIA 显卡
- 从源码编译需要
- Docker, NVIDIA 显卡
- 磁盘空间
- 未确定
- 账号或密钥
- OpenAI (only for Supabase's SQL editor helper), Google sign-in for Supabase (optional)
- 费用
- 免费 · 每个组件都是运行在你自己电脑上的开源软件,因此不需要付费。同样这些工具(n8n、Supabase、Langfuse、Flowise)也出售托管版本,而这个软件包可以替代它们。
- 许可证
- Apache-2.0 (宽松型)
- 可以替代
- ChatGPT Plus, Cloud, Zapier
- GitHub 上的最近改动
- 2026年2月26日
Local AI Packaged 的风险信号 (9)
- 注意看起来已经可以直接用的示例密码
`.env.example` 自带的值原样就能用:`DASHBOARD_PASSWORD=this_password_is_insecure_and_should_be_updated`、`NEO4J_AUTH=neo4j/password`、`N8N_ENCRYPTION_KEY=super-secret-key`、一个已经填好的 `SECRET_KEY_BASE=UpNVntn3cDxHJpq99YMc1T1AQgQpc8kfYTuRgBiYa15BLrx8etQoXz3gZv1/u2oq`,以及 Supabase 公开演示令牌 `ANON_KEY` 和 `SERVICE_ROLE_KEY`。README 在 2026 年 2 月的说明甚至让大家都复制同一个 `S3_PROTOCOL_ACCESS_KEY_SECRET=850181e4652dd023b7a98c58ae0d2d34bd487ee0cc3254aed6eda37307425907`。谁跳过了 "YOU MUST CHANGE THESE" 这一步,运行的数据库就是人人都能用这些密钥打开的。
AI 审核
- 注意Docker 控制接口毫无防护地暴露出去
故障排查部分写道:"If using Docker Desktop: Go into the Docker settings and make sure 'Expose daemon on tcp://localhost:2375 without TLS' is turned on"。这个设置会把 Docker 的完全控制权,也就是整台机器的控制权,交给一个没有密码、没有加密的网络端口。
AI 审核
- 注意防火墙没有覆盖到的端口
云端部署部分带有作者自己的警告:"ufw does not shield ports published by docker, because the iptables rules configured by docker are analyzed before those configured by ufw",`.env.example` 还补充说 "you might not want to expose Ollama or SearXNG since they aren't secured by default"。在租用的服务器上,即使设置了防火墙,这些服务也可能最终让任何人都能访问到。
AI 审核
- 注意容器总是拉取最新版本
镜像都没有固定版本:`n8nio/n8n:latest`、`ollama/ollama:latest`、`neo4j:latest`、`flowiseai/flowise`、`qdrant/qdrant`、`ghcr.io/open-webui/open-webui:main`。你机器上运行的就是这些项目最新发布的内容,README 自己列出的破坏性变更(6 月和 2026 年 2 月新增的 Supabase 变量)就说明了这会带来什么。
AI 审核
- 信息启动时从另一个项目拉取代码
`docker-compose.yml` 开头是 `include: - ./supabase/docker/docker-compose.yml`,这个文件夹并不在本仓库里:运行 `start_services.py` 时它会下载 Supabase 自己的仓库,故障排查说明也证实了这一点("you had a 'bad' pull of the Supabase GitHub repository when you ran the start_services.py script")。
AI 审核
- 信息一个软件包用掉太多电脑资源
一条命令就能启动大约二十个容器——n8n、Ollama、Open WebUI、Flowise、Qdrant、Neo4j、SearXNG、Caddy、带 ClickHouse、MinIO 和 Redis 的 Langfuse,再加上整套 Supabase(Postgres、Kong、Studio、storage、analytics、pooler)——首次启动时 Ollama 还会自己下载两个模型(`ollama pull qwen2.5:7b-instruct-q4_K_M; ollama pull nomic-embed-text`)。仓库没有给出任何磁盘或内存的数字。
AI 审核
- 信息工作流可以在机器上执行命令
README 解释了如何打开新版本默认关闭的 n8n 节点:"Starting with n8n v2+, the `Local File Trigger` and `Execute Command` nodes are disabled by default for security reasons",只需取消 `NODES_EXCLUDE=[]` 的注释。打开之后,你导入的任何工作流都可以在容器里执行命令,并读取从你硬盘挂载进来的共享文件夹。
AI 审核
- 信息监控组件会把使用数据发出去
Langfuse 启动时带着 `TELEMETRY_ENABLED: ${TELEMETRY_ENABLED:-true}`,所以默认情况下,这个监控容器会把使用情况报告给它的开发者——而这是一个主打本地运行的软件包。相比之下,n8n 自己的 `N8N_DIAGNOSTICS_ENABLED=false` 是关闭的。
AI 审核
- 信息作者自己说还没准备好用于正式场景
README 的说明:"While it's not fully optimized for production environments, it combines robust components that work well together for proof-of-concept projects"。最后一次提交是在 2026-02-26,距本次检查 252 天,还有 61 个未解决的 issue。
AI 审核
证据以原始语言显示。
Radar 无法验证的 Local AI Packaged 相关内容
- 二十多个容器加上两个下载的模型,实际占用多少磁盘和内存
- 整套系统今天是否还能正常启动,因为每个镜像都跟随会变化的 `latest` 标签,而 Supabase 一直在增加必需的变量
- 导入后 n8n 的示例工作流是否能用,因为每个都需要手动创建凭据
- `start_services.py` 脚本做了什么,因为这里没有读过它的代码
- 在 `cpu` 配置下,没有显卡时模型表现如何