n8n Self-Hosted AI Starter Kit是什么？
Self-hosted AI Starter Kit是一个Docker Compose模板，而不是一款全新的软件——它自己的GitHub简介也把它称为一个「开放的docker compose模板」，帮助你「快速初始化一套完整的本地AI与低代码开发环境」。它把四个各自独立维护的开源项目（n8n、Ollama、Qdrant和PostgreSQL）组合进一套预先接好线的配置中，让你无需手动逐一安装和组网就能拥有一套可用的本地AI技术栈。
- 核心功能：一份
docker-compose.yml及配套配置文件，把n8n、Ollama、Qdrant和PostgreSQL一起启动并预先组网，使它们能互相通信 - n8n：一个低代码工作流自动化平台，拥有400多个集成，以及用于构建智能体和自动化的专用AI／LangChain节点
- Ollama：在本地运行开放权重语言模型，并作为模型提供方暴露给n8n工作流使用
- Qdrant：开源向量数据库，用于在RAG风格的工作流中存储和检索嵌入向量
- PostgreSQL：支撑n8n自身工作流与凭据存储的关系型数据库
- 维护方：n8n工作流自动化平台背后的公司n8n
- 权威仓库：github.com/n8n-io/self-hosted-ai-starter-kit——本评测所用安装步骤和版本历史的出处
Starter Kit的项目历史与近期变更
该套件没有带版本号的发布；提交记录是唯一的变更历史。 GitHub仓库未发布release或tag，因此下面默认分支上带日期的提交就是可以核实的全部信息。
- 1四项服务的核心组合
Why it matters: compose文件把n8n、Ollama、Qdrant和PostgreSQL连接起来，首次启动时导入一个演示工作流和两个预制凭据（“Local Ollama service”和“Local QdrantApi database”），并自动拉取`llama3.2`模型。 - 2GPU Compose profile
Why it matters: 除默认的`cpu` profile外，还有独立的`gpu-nvidia`和`gpu-amd` profile，让Ollama可以使用受支持的GPU，而不是让所有模型都在CPU上运行。 - 32025年9月1日 — 演示工作流更新
Why it matters: 提交信息为“Use latest version of Basic LLM Chain, to avoid fallback model issues”。 - 42026年1月6日 — compose文件的最后一次修改
Why it matters: 提交“Skip demo import if workflows already exist”修改了`docker-compose.yml`，使重启时不会把演示重新导入已有工作流的n8n实例。 - 52026年7月23日 — 默认分支的最新提交
Why it matters: 提交“Fixed broken link in the readme. No significant changes”只改动了`README.md`。
用Starter Kit能做什么？
starter kit的价值在于打包的各项服务组合在一起能做什么，而不是它自身的新功能。以下是根据官方GitHub README，各部分实际能做的事。
- 本地工作流自动化——在n8n的可视化编辑器中构建并运行自动化，使用其400多个集成以及用于构建智能体的专用AI／LangChain节点
- 本地API服务器——每个内置的n8n实例都暴露n8n自身的REST API，可以从其他本地服务以编程方式触发或管理工作流，而不仅限于n8n界面
- 本地LLM推理 — Ollama在本地运行开放权重模型（Llama、Qwen、Gemma等），作为模型提供方供n8n工作流使用，无需外部API密钥；compose文件会在首次启动时自动拉取
llama3.2 - 面向RAG的本地向量存储 — Qdrant负责存储和检索嵌入，套件会在n8n中预先创建“Local QdrantApi database”凭据；随附的演示工作流并不使用它，RAG流水线需要你在自己的工作流中把Qdrant作为向量存储来搭建
- 持久化工作流与凭据存储——PostgreSQL支撑n8n自身的数据库，使工作流、凭据和执行历史在容器重启后依然保留
- GPU加速profile——独立的Compose profile（
cpu、gpu-nvidia、gpu-amd）让Ollama在受支持的场景下使用可用的GPU硬件进行更快的本地推理 - 共享文件访问 — 挂载的
/data/shared文件夹让n8n可以通过Read/Write Files from Disk、Local File Trigger和Execute Command等节点读写本地文件，适合文档摄取类工作流 - 预加载的演示工作流 — 套件在首次启动时导入一个工作流（“Demo workflow”：Chat Trigger、Basic LLM Chain，以及设置为
llama3.2:latest的Ollama Chat Model）；打开它并使用Chat按钮即可与本地模型对话
使用示例：Starter Kit的三种用法
第一个示例是套件自带的演示工作流。另外两个是你用随附组件自行搭建的模式，使用的是README提到的节点——套件并不以现成工作流的形式提供它们。
运行预加载的演示聊天工作流
执行docker compose --profile cpu up后，在http://localhost:5678打开n8n并完成一次性的n8n设置。打开随附的工作流，点击画布底部的Chat并发送消息。首次运行时请等待Ollama下载完llama3.2；Docker日志会显示进度。全程不涉及云API密钥。
利用共享文件夹搭建文档摄取流水线
把文件放入挂载的/data/shared文件夹，然后搭建一个监视该文件夹的n8n工作流（例如使用Local File Trigger节点），用本地Ollama嵌入模型为新文档生成嵌入，并索引到Qdrant以便日后检索。这条流水线由你自己组装；套件提供的是服务和凭据，而不是工作流。
用n8n的400多个集成扩展基础工作流
从预加载的演示聊天工作流出发，添加你已在使用的服务的节点（邮件、Slack、CRM或自定义webhook），让本地模型生成的回复可以在别处触发操作——在套件的本地AI基础上使用n8n更广泛的集成目录。
安装Self-Hosted AI Starter Kit
starter kit通过git clone和Docker Compose安装——没有单独可下载的应用程序。 以下步骤来自官方GitHub README——请始终以该页面为准进行核对，因为具体命令可能随更新而变化。
步骤 | 命令／链接 |
|---|---|
| 1. 克隆仓库 | git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git |
| 2. 进入目录 | cd self-hosted-ai-starter-kit |
| 3. 复制环境变量文件 | cp .env.example .env（然后修改占位的密码和密钥） |
| 4a. 启动（纯CPU） | docker compose --profile cpu up |
| 4b. 启动（Nvidia GPU） | docker compose --profile gpu-nvidia up |
| 4c. 启动（AMD GPU，Linux） | docker compose --profile gpu-amd up |
| 4d. 启动（Mac／Apple Silicon） | docker compose up（Ollama在Mac上运行，见说明） |
| 源代码 | github.com/n8n-io/self-hosted-ai-starter-kit |
服务栈启动后，n8n可通过http://localhost:5678访问。硬件需求取决于你在Ollama中运行的模型——小模型在普通的纯CPU机器上即可运行，较大的模型则适合使用Nvidia或AMD GPU profile；下载前请在Ollama模型库中确认模型大小。在搭载Apple Silicon的Mac上，Docker无法使用GPU：README给出的方案是纯CPU运行，或直接在Mac上安装Ollama，在.env中设置OLLAMA_HOST=host.docker.internal:11434，把n8n中的“Local Ollama service”凭据指向http://host.docker.internal:11434/，并在不带profile的情况下运行docker compose up。.env.example中带有占位密钥（数据库密码为password），README要求修改。需要安装Docker和Docker Compose；套件本身没有针对特定操作系统的构建。
定价与许可
starter kit本身免费、开源，采用Apache-2.0许可证。 由于它打包了其他开源项目，也值得了解每个组件自身的许可和成本模式。
Self-hosted AI Starter Kit（本模板）
- 许可证:
- 根据仓库LICENSE文件，采用Apache-2.0
- 费用:
- 免费
n8n（打包）
- 许可证:
- 面向自托管使用的Sustainable Use License（源码可见，非OSI批准）；完整许可细节见n8n评测
- 费用:
- 在n8n许可条款下自托管使用免费
Ollama（打包）
- 许可证:
- MIT
- 费用:
- 免费
Qdrant（打包）
- 许可证:
- Apache-2.0
- 费用:
- 免费
PostgreSQL（打包）
- 许可证:
- PostgreSQL License（宽松型）
- 费用:
- 免费
运行完整技术栈在软件许可上不花一分钱——唯一的真实成本是你自己的基础设施（算力、存储，以及可选的GPU）。如果你扩展预加载的n8n工作流去调用付费云LLM API或付费第三方集成，就要按该提供方自身的定价付费；starter kit本身不会加价或收取订阅费。
Self-Hosted AI Starter Kit vs. 原生n8n
starter kit并不是n8n的替代品——它是在n8n之上加了一套预先接好线的本地AI技术栈。 理解两者区别最清晰的方式，是对比开箱即得的内容和需要你自己配置的内容。
需要安装的内容
- Self-Hosted AI Starter Kit:
- n8n + Ollama + Qdrant + PostgreSQL，预先在一个docker-compose.yml中组网
- 原生自托管n8n:
- 仅n8n——其自身的安装步骤见n8n评测
本地LLM推理
- Self-Hosted AI Starter Kit:
- 默认包含打包的Ollama
- 原生自托管n8n:
- 不包含；需要你手动接入自己的模型提供方（本地或云端）
RAG向量数据库
- Self-Hosted AI Starter Kit:
- 默认包含打包的Qdrant
- 原生自托管n8n:
- 不包含；需要你自己添加并组网一个向量数据库
示例工作流
- Self-Hosted AI Starter Kit:
- 一个演示聊天工作流（Chat Trigger、Basic LLM Chain、Ollama），外加预制的Ollama和Qdrant凭据
- 原生自托管n8n:
- 从空白画布开始；模板可单独从n8n的模板库获取
最适合谁
- Self-Hosted AI Starter Kit:
- 希望在几分钟内跑起一套完全本地化的AI工作流环境，而不用手动把各服务接起来
- 原生自托管n8n:
- 已经自己运行模型或向量基础设施、只需要自动化层的团队
如果你的基础设施中已经在别处运行着Ollama或向量数据库，安装原生n8n并连接现有服务，可能比采用starter kit打包的版本更简单。如果你是从零开始，starter kit能省去这部分集成工作。
谁适合使用Starter Kit？
starter kit是否合适，取决于你想要的是一套现成的本地AI工作流环境，还是自己组装相同的组件。
以下情况适合使用Self-Hosted AI Starter Kit
- 想试用本地的、具备智能体能力的AI工作流（RAG、模型驱动的自动化），而不想分别手动安装并组网一个工作流工具、一个模型运行器和一个向量数据库
- 已经对n8n感兴趣，希望有一个以AI为核心的起点，而不是一个空白的工作流画布
- 你想要一个能运行的本地Ollama聊天工作流来学习和修改，而不是从空白开始
- 需要技术栈的每一部分都在自己的基础设施上运行，起步阶段不需要任何云API密钥
- 拥有GPU（Nvidia或Linux上的AMD），希望有一个预配置好的Compose profile来利用它进行本地推理
以下情况建议观望或考虑其他方案
- 已经在独立运行n8n、Ollama或向量数据库，不希望starter kit打包的版本与现有配置重复或冲突
- 需要一个比工作流自动化工具更深入的专用RAG框架，拥有更强的文档处理能力——可参考更专用的替代方案RAGFlow评测或Haystack评测
- 希望每个打包组件的许可都是普通的宽松型开源许可，而不是n8n自托管所用的许可条款（源码可见的Sustainable Use License，非OSI批准）——如果这一区别对你的组织很重要，请直接阅读n8n自身的许可
- 你需要企业级支持或生产级部署——支持渠道是n8n论坛，而且n8n文档称该套件“仅供测试”
Starter Kit vs. 其他本地AI工作流工具
Self-hosted AI Starter Kit处于工作流自动化与RAG框架这一领域，与其他几款可自托管的方案并存。以下是它与相邻工具的对比——完整目录见本地LLM软件目录，最接近的对比可参考上方专门的Starter Kit vs. 原生n8n对比。
- n8n——本套件所构建的底层工作流自动化平台；参见上方专门的对比小节，以及涵盖其独立安装与许可细节的完整n8n评测。
- LangChain-Chatchat——一款带有内置UI的自托管RAG与知识库应用，而非通用的工作流自动化画布；如果一个专门的文档对话应用比工作流构建器更适合你，可参见LangChain-Chatchat评测。
- RAGFlow——一款专注于深度文档理解的RAG引擎，在解析复杂文档（表格、版式）方面比通用工作流工具更彻底；参见RAGFlow评测。
- Haystack——一个以Python为核心的RAG框架，适合想直接编写流水线代码而非使用可视化工作流构建器的开发者；参见Haystack评测。
评估Starter Kit时的常见误区
关于Self-hosted AI Starter Kit的大多数困惑，都来自把它当成一个独立应用来看待、误解它实际打包了什么，或者选错了Compose profile。
误区1：把它当成与n8n分开的独立应用
starter kit本身并不是一个独立产品——它是一个Docker Compose模板，负责安装n8n并把它和Ollama、Qdrant、PostgreSQL组网连接起来。针对n8n本身的评测（功能、许可、发布节奏）同样适用于这个套件内运行的n8n实例；详情见n8n评测。
误区2：以为它包含云LLM提供方
starter kit默认打包的模型提供方是Ollama，模型完全在本地运行。它不包含也不需要任何云LLM API密钥——如果想接入云端提供方，需要在n8n工作流内单独配置。
误区3：在配备强力GPU的机器上仍运行默认的cpuprofile
Compose文件提供三个profile——cpu、gpu-nvidia和gpu-amd——如果不在命令行指定，默认一个都不启用。在有Nvidia或AMD GPU的机器上运行docker compose --profile cpu up会浪费可用的加速能力；应改用对应的GPU profile。在Apple Silicon的Mac上，没有任何profile能让Docker访问GPU；README建议直接在Mac上运行Ollama。
误区4：期望starter kit自身有独立的版本发布节奏
由于它是配置模板而不是拥有自己代码库的应用，所以不发布release或tag。不要指望得到固定版本的服务栈：n8nio/n8n、ollama/ollama和qdrant/qdrant按latest拉取，版本随拉取日期而变；只有PostgreSQL被固定（postgres:16-alpine）。
误区5：把演示配置当作可直接用于生产
n8n文档将该套件标注为“仅供测试”，README也说它没有针对生产环境充分优化。随附的.env.example使用占位密钥，compose文件会在主机上开放5678、11434和6333端口；在让服务栈可被你自己的机器之外访问之前，请修改密钥并检查已开放的端口。
常见问题
什么是n8n Self-hosted AI Starter Kit？
它是一个开源Docker Compose模板，由n8n维护，发布在github.com/n8n-io/self-hosted-ai-starter-kit，用一条命令把n8n、Ollama、Qdrant和PostgreSQL打包在一起，用于构建不依赖云的本地AI工作流。搜索时人们常称它为“n8n AI starter kit”。
Self-hosted AI Starter Kit免费吗？
是的。该模板本身采用Apache-2.0许可证，运行不收取任何费用。它打包的组件（n8n、Ollama、Qdrant、PostgreSQL）各自在自身许可下也都可以免费自托管使用——详见上方的定价表。
Self-hosted AI Starter Kit实际打包了什么？
四个各自独立维护的开源项目：n8n（工作流自动化，400多个集成）、Ollama（本地LLM推理）、Qdrant（向量数据库）、PostgreSQL（支撑n8n自身数据的关系型数据库）。它是一个docker-compose配置，而不是新软件。
Self-hosted AI Starter Kit需要云账号或API密钥吗？
不需要。所有随附服务默认都在本地运行，演示工作流只使用随附的Ollama模型（llama3.2）。之后如有需要，可以在n8n工作流中自行添加云服务商的API密钥。
如何安装Self-hosted AI Starter Kit？
克隆仓库（git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git），复制环境变量文件（cp .env.example .env），然后运行docker compose --profile cpu up（如需GPU加速则用gpu-nvidia或gpu-amd）。完整步骤见上方的安装表。
它支持GPU加速吗？
支持，通过独立的Docker Compose profile实现：Nvidia GPU用gpu-nvidia，Linux上的AMD GPU用gpu-amd，此外还有用于纯CPU推理的默认cpuprofile。
这和n8n是同一个东西吗？
不是。n8n是四个打包组件之一。starter kit是一个预配置好的环境，会把n8n和Ollama、Qdrant、PostgreSQL一起安装——具体差异见上方的Self-Hosted AI Starter Kit vs. 原生n8n对比。
这个套件里的n8n本身用的是什么许可证？
n8n以其自身的Sustainable Use License源码可见形式提供，面向自托管使用，未获OSI批准——这与覆盖本starter kit模板本身的Apache-2.0许可证不同。完整许可细节见n8n评测。
Self-hosted AI Starter Kit可以用于生产环境吗？
不可以，按n8n的说法：其文档将该套件标注为“仅供测试”，README也说它没有针对生产环境充分优化。请把它当作概念验证的基础：在投入生产前，修改.env中的占位密钥，检查已开放的端口，并固定镜像版本。
Self-hosted AI Starter Kit由谁维护？
它由n8n工作流自动化平台背后的公司n8n整理维护，作为展示如何用n8n的AI和LangChain节点构建本地AI工作流的配套资源。
Self-hosted AI Starter Kit还在维护吗？
默认分支的最新提交是2026年7月23日，只修复了一个README链接；compose文件最后一次修改是在2026年1月6日。该仓库未发布release或tag，n8n文档也没有提到停用。依赖它之前，请先查看仓库。
Self-hosted AI Starter Kit能在Apple Silicon的Mac上运行吗？
可以，但Docker无法使用Mac的GPU。README提供两种方案：让整个套件在CPU上运行（docker compose --profile cpu up），或在Mac上安装Ollama，在.env中设置OLLAMA_HOST=host.docker.internal:11434，把n8n中的“Local Ollama service”凭据指向http://host.docker.internal:11434/，再运行docker compose up。