Pydantic Lod Test

🚀 自主托管 AI 启动套件指南

本启动套件旨在帮助用户轻松搭建并运行本地 AI 工作流环境，为开发者、数据科学家和技术爱好者提供灵活且高效的工具支持。

🚀 快速开始

安装步骤

1. 下载并安装 Docker：根据你的操作系统（Windows、Mac 或 Linux）从 Docker 官方网站 下载并安装 Docker。
2. 克隆启动套件仓库：

git clone https://github.com/your-repository.git
cd your-repository

3. 构建并启动容器：
   • 对于 Nvidia GPU 用户：

docker compose --profile gpu-nvidia up -d

- 对于 Mac / Apple Silicon 用户：

docker compose up -d

- 其他用户：

docker compose --profile cpu up -d

4. 访问 n8n 界面：打开浏览器，访问 http://localhost:5678 进入 n8n 的管理界面。

快速入门

• 创建新工作流：在 n8n 中点击“新建工作流”按钮，开始构建你的 AI 工作流。
• 添加节点：从左侧的节点库中拖放所需的节点（如 AI 代理、数据源等）到画布上。
• 连接节点：通过鼠标拖动的方式将节点连接起来，定义数据流动方向。
• 设置配置：为每个节点配置必要的参数，例如 API 密钥、输入字段等。
• 运行工作流：点击“运行”按钮，测试你的工作流是否正常运作。

📦 安装指南

适用于 Nvidia GPU 用户

docker compose --profile gpu-nvidia pull
docker compose create && docker compose --profile gpu-nvidia up

适用于 Mac / Apple Silicon 用户

docker compose pull
docker compose create && docker compose up

其他所有人

docker compose --profile cpu pull
docker compose create && docker compose --profile cpu up

📚 详细文档

优化建议

1. 使用共享文件夹：
   • 启动套件会在同一目录下创建一个共享文件夹，默认路径为 /data/shared。你可以通过此路径在 n8n 容器内访问本地文件系统。
   • 相关节点包括：
     • 读取/写入文件
     • 本地文件触发器
     • 执行命令
2. 配置 GPU 支持：
   • 如果你使用的是 Nvidia 显卡，确保 Docker 已正确配置为使用 GPU 加速。可以在 docker-compose.yml 文件中添加如下配置：

services:
  n8n:
    ...
    deploy:
      resources:
        limits:
          nvidia.com/gpu: 1

3. 调整性能参数：
   • 根据你的硬件配置，适当增加内存和 CPU 配额。例如，在 docker-compose.yml 中设置：

services:
  n8n:
    ...
    resources:
      limits:
        cpus: '2'
        memory: 4G

升级说明

1. 停止当前容器：

docker compose down

2. 拉取最新镜像：
   • 对于 Nvidia GPU 用户：

docker compose --profile gpu-nvidia pull

- 对于 Mac / Apple Silicon 用户：

docker compose pull

- 其他用户：

docker compose --profile cpu pull

3. 重新启动容器：

docker compose up -d

教程与资源

• 官方文档：n8n 官方文档
• 视频教程：n8n 入门指南
• 社区支持：加入 n8n 用户论坛，与全球用户交流经验。