NAS变AI私人工作站：群晖私有化DeepSeek与智能文档管理全攻略

概述

一、为什么要在NAS上私有化运行AI？

2026年，用AI处理个人文件依然有一个根本矛盾：要让AI读懂你的文件，通常就必须把文件上传到云端。

家庭照片、个人日记、公司合同、财务报表——这些内容，你真的愿意上传给OpenAI或任何一家你不了解的AI公司吗？

群晖NAS爱好者社区给出了另一条路：把AI模型直接跑在NAS上，数据永不出门。本文手把手介绍三套经过验证的方案：

1. Ollama + DeepSeek-R1：群晖本地运行大语言模型，私密问答 + 文件分析
2. Paperless-AI + Paperless-NGX：扫描文件AI自动识别、分类、打标签
3. MCP-SynoLink：让AI助手（Claude）直接操控群晖文件系统

二、方案一：Ollama + DeepSeek-R1 — 在群晖上运行本地大模型

2.1 为什么选DeepSeek + Ollama？

DeepSeek-R1（深度求索，2025年1月发布）：完全开源、可商用，推理能力与OpenAI o1相当，国内用户使用无网络障碍，是目前本地部署性价比最高的中文大模型。

Ollama：最易用的本地大模型运行框架，内置 REST API 服务（兼容 OpenAI 格式），天然适配群晖 Container Manager（Docker）环境，且可与群晖 AI Console 1.2 直接对接。

2.2 选择合适的模型版本

模型版本	存储空间	运行内存	响应速度	推荐机型
deepseek-r1:1.5b	~1GB	约3GB	15 tokens/秒	入门J4125机型
deepseek-r1:7b	~4.7GB	约8GB	8 tokens/秒	RS3626xs（默认 8GB ECC，2U 机架）
deepseek-r1:14b	~9GB	约16GB	较慢	高配x86机型
deepseek-r1:70b	~40GB	约48GB	2 tokens/秒	RS3626xs 升配 48GB ECC

中小企业用户推荐7b版本：8GB内存可流畅运行，中文对话准确率远高于1.5b。

2.3 【完整操作步骤 + Docker命令】

前提条件：

• DSM 7.x，已安装 Container Manager 套件
• SSH 已开启（DSM → 控制面板 → 终端机与SNMP → 开启SSH）

第一步：SSH登入群晖，创建目录

# 登入群晖（替换为你的NAS IP）
ssh admin@192.168.1.100 -p 22

# 创建 Ollama 数据目录
mkdir -p /volume1/docker/ollama/data
cd /volume1/docker/ollama

第二步：启动 Ollama 容器

docker run -d \
  --restart unless-stopped \
  --name ollama \
  -p 11434:11434 \
  -v /volume1/docker/ollama/data:/root/.ollama \
  ollama/ollama

参数说明：

• -p 11434:11434：映射API端口，局域网内其他设备可访问
• -v ...:/root/.ollama：将模型文件持久化存储到NAS硬盘
• --restart unless-stopped：NAS重启后自动恢复

第三步：进入容器，下载DeepSeek模型

# 进入 Ollama 容器
docker exec -it ollama /bin/bash

# 下载7b版本（推荐，约4.7GB）
ollama pull deepseek-r1:7b

# 或下载1.5b版本（入门机型）
ollama pull deepseek-r1:1.5b

# 同时下载文本向量模型（Paperless-AI需要）
ollama pull nomic-embed-text

# 退出容器
exit

下载时间取决于网速，7b模型国内通常需要15-40分钟。下载完成后模型文件持久化存储在 /volume1/docker/ollama/data，NAS重启后无需重新下载。

第四步：验证Ollama运行状态

# 在NAS上测试API（返回模型列表即成功）
curl http://localhost:11434/api/tags

# 快速测试对话
curl http://localhost:11434/api/generate -d '{
  "model": "deepseek-r1:7b",
  "prompt": "用一句话介绍群晖NAS",
  "stream": false
}'

第五步：部署 Open WebUI（可视化对话界面）

docker run -d \
  --restart unless-stopped \
  --name open-webui \
  -p 3000:8080 \
  -e OLLAMA_BASE_URL=http://[NAS-IP]:11434 \
  -v /volume1/docker/open-webui:/app/backend/data \
  ghcr.io/open-webui/open-webui:main

部署完成后，浏览器访问 http://[NAS-IP]:3000，首次访问需注册管理员账号。登录后在界面中选择 deepseek-r1:7b 模型即可开始对话。

第六步（可选）：接入群晖AI Console

若已安装 AI Console 1.2，可将 Ollama 作为本地AI后端：

1. 打开 AI Console → AI Providers → Add
2. Provider 选择 Custom
3. API Base URL 填入：http://localhost:11434/v1
4. API Key：留空或填任意字符
5. Model Name：deepseek-r1:7b
6. Test Connection → Save

完成后，MailPlus 和 Office 的AI功能将调用本地 DeepSeek，数据完全不出局域网。

2.4 本地大模型能对NAS文件做什么？

在 Open WebUI 的对话框中，可以上传文件让 DeepSeek 分析：

• 上传PDF → "总结这份合同的主要条款和风险点"
• 上传Excel/CSV → "哪个月销售额最高？找出异常数据"
• 上传Word → "把这份中文报告翻译成英文，保留格式"
• 上传代码文件 → "解释这段Python代码的逻辑并找出潜在bug"

7b版本实测：中文文档摘要准确率约88-92%，基本满足日常使用需求。

三、方案二：Paperless-AI — AI自动消灭"扫描件堆"

3.1 场景：你是否有一堆叫 scan_001.pdf 的文件？

很多家庭和小企业用NAS存储大量扫描件：合同、发票、保单、医疗记录。这些文件往往以日期随机命名，查找时全靠记忆，完全无法按内容搜索。

Paperless-AI 是基于 Paperless-ngx 的AI增强方案，可将扫描件处理完全自动化：

纸质文件 → 扫描/拍照 → 上传指定文件夹
    → OCR识别文字 → AI分析内容
    → 自动打标签（发票/合同/保单）
    → 自动重命名（2024-03_招商银行_信用卡账单.pdf）
    → 归入对应文件夹 → 可全文搜索

3.2 技术原理

Paperless-AI的工作流程分三层：

① OCR层（文字识别） Paperless-ngx内置OCR引擎，自动识别扫描件中的文字内容，使PDF变为可搜索文件。

② AI分析层（理解与分类） AI模型（可接入本地Ollama运行的DeepSeek/Llama，也可对接OpenAI等云端服务）读取OCR结果，执行：文档类型识别（合同/发票/保单/医疗记录/收据等）、关键信息提取（日期、金额、当事人）、自动生成标签、建议归档文件夹。

③ 归档层（执行存储） 根据AI分析结果，自动将文件归入对应文件夹，按规范重命名，并写入可搜索的元数据。

3.3 【完整操作步骤 + Docker命令】

前提条件：

• 已部署 Ollama（方案一）或有可用的 OpenAI API Key
• 已安装 Container Manager
• 建议先备份文档，Paperless-AI 会修改文件元数据

第一步：在 File Station 创建目录

打开 DSM → File Station → docker 文件夹，新建文件夹：paperlessngxai（全小写）

第二步：部署 Paperless-NGX（核心系统）

在 /volume1/docker/paperlessngxai/ 目录下创建 docker-compose.yml：

version: "3.4"
services:
  broker:
    image: docker.io/library/redis:7
    restart: unless-stopped
    volumes:
      - /volume1/docker/paperlessngxai/redisdata:/data

  db:
    image: docker.io/library/postgres:15
    restart: unless-stopped
    volumes:
      - /volume1/docker/paperlessngxai/pgdata:/var/lib/postgresql/data
    environment:
      POSTGRES_DB: paperless
      POSTGRES_USER: paperless
      POSTGRES_PASSWORD: paperless

  webserver:
    image: ghcr.io/paperless-ngx/paperless-ngx:latest
    restart: unless-stopped
    depends_on:
      - db
      - broker
    ports:
      - "8777:8000"
    volumes:
      - /volume1/docker/paperlessngxai/data:/usr/src/paperless/data
      - /volume1/docker/paperlessngxai/media:/usr/src/paperless/media
      - /volume1/docker/paperlessngxai/export:/usr/src/paperless/export
      - /volume1/docker/paperlessngxai/consume:/usr/src/paperless/consume
    environment:
      PAPERLESS_REDIS: redis://broker:6379
      PAPERLESS_DBHOST: db
      PAPERLESS_OCR_LANGUAGE: chi_sim+eng
      PAPERLESS_SECRET_KEY: 替换为随机字符串
      PAPERLESS_TIME_ZONE: Asia/Shanghai
      PAPERLESS_OCR_MODE: skip_noarchive
      USERMAP_UID: "1026"
      USERMAP_GID: "100"

在 Container Manager 中选择 项目 → 新建 → 从compose文件创建，粘贴上述内容后启动。

部署完成后访问 http://[NAS-IP]:8777，创建管理员账号。

第三步：获取 Paperless-NGX API Token

1. 登录 Paperless-NGX → 右上角头像 → 我的个人资料
2. 找到 API Auth Token 区域
3. 点击刷新图标生成 Token，复制备用

第四步：部署 Paperless-AI 容器

docker run -d \
  --restart unless-stopped \
  --name paperless-ai \
  -p 3747:3000 \
  clusterzx/paperless-ai

第五步：配置 Paperless-AI

浏览器访问 http://[NAS-IP]:3747/setup，填写以下配置：

# 用户设置
Username: 你的管理员用户名
Password: 你的密码

# Paperless-NGX 连接
Paperless-ngx API URL: http://[NAS-IP]:8777    ← 末尾不加斜杠
API Token: （第三步复制的Token）

# AI配置（使用本地Ollama）
AI Provider: Ollama（Local LLM）
Ollama API URL: http://[NAS-IP]:11434          ← 末尾不加斜杠
Ollama Model: deepseek-r1:7b

# 标签设置
AI-Processed Tag: ai-processed

填写完成后点击 Save Configuration，等待服务重启（约30秒）。

第六步：使用 Paperless-AI 处理文档

1. 将扫描文件放入 /volume1/docker/paperlessngxai/consume 文件夹（Paperless-NGX 自动检测并导入）
2. 打开 http://[NAS-IP]:3747/dashboard
3. 选择 Manual → 在文件列表中勾选需要AI处理的文件
4. 点击 Analyze → AI将自动分析内容、建议标签、建议标题
5. 确认或修改建议后点击 Apply

也可开启全自动模式：新导入的文件自动触发AI分析，无需手动操作。

四、方案三：MCP-SynoLink — 让AI助手直接接管群晖文件操作

4.1 什么是MCP协议？

2024年11月，Anthropic发布了MCP（Model Context Protocol），核心思想是：让AI助手不再只是"对话"，而是能直接调用外部工具执行实际操作。截至2025年，社区已创建超过1000个MCP服务器。

MCP-SynoLink 是专为群晖DSM设计的MCP服务器，让 Claude Desktop 等AI助手可以直接操控群晖文件系统——搜索文件、上传下载、创建文件夹、生成分享链接等，支持DSM 6.0+。

4.2 MCP-SynoLink 可执行的操作

操作类别	具体功能
文件浏览	列出文件夹内容、递归搜索文件
文件操作	上传、下载、创建文件夹、删除、重命名/移动
分享管理	创建分享链接、列出现有分享
系统信息	查看存储配额、服务器状态
认证	登录/登出群晖DSM账号

4.3 【完整操作步骤 + 配置命令】

前提条件：

• 本地电脑已安装 Node.js 18+ 或 Docker
• 已安装 Claude Desktop（Anthropic官方桌面应用）
• 群晖DSM 6.0+

第一步：下载并构建 MCP-SynoLink

# 克隆项目到本地电脑（非NAS）
git clone https://github.com/Do-Boo/MCP-SynoLink.git
cd MCP-SynoLink

# 安装依赖并构建
npm install
npm run build

第二步：在群晖创建专用DSM账号

安全最佳实践：不要使用 admin 账号，创建权限最小的专用账号。

1. DSM → 控制面板 → 用户与群组 → 新增用户
2. 用户名：mcp-agent（或任意名称）
3. 只开放需要操作的共享文件夹权限（按需分配读写权限）
4. 不勾选管理员权限

第三步：配置 Claude Desktop

找到 Claude Desktop 配置文件：

• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows： %APPDATA%\Claude\claude_desktop_config.json

方案A：Node.js 方式（推荐）

{
  "mcpServers": {
    "synolink": {
      "command": "node",
      "args": [
        "/你的路径/MCP-SynoLink/dist/index.js",
        "http://192.168.1.100:5000",
        "mcp-agent",
        "你的密码"
      ]
    }
  }
}

方案B：Docker 方式

# 先构建镜像（一次性操作）
cd MCP-SynoLink
docker build -t mcp/synolink .

在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "synolink": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "mcp/synolink",
        "http://192.168.1.100:5000",
        "mcp-agent",
        "你的密码"
      ]
    }
  }
}

保存配置文件后，重启 Claude Desktop。

第四步：在 Claude 中使用

重启后，直接在 Claude Desktop 对话框中下达文件操作指令：

示例一：文件查找与摘要
"帮我在NAS的Documents文件夹里找所有2024年的PDF文件，列出文件名"

示例二：批量整理
"把 /Documents/合同/ 里文件名包含'已签'的文件，移动到 /Documents/归档/2024/"

示例三：生成分享链接
"为 /共享/项目提案.pptx 生成一个7天有效期的分享链接"

每次执行操作前，Claude会显示将要执行的具体动作并请求确认，不会自动执行破坏性操作。

4.4 安全注意事项

• 密码安全： 上述配置示例中密码为明文，建议待项目更新更安全的认证方式后再用于生产环境
• 最小权限： MCP账号只开放必要文件夹的访问权限
• 局域网使用： MCP-SynoLink 设计为局域网内使用，不建议暴露至公网

五、三套方案对比与选择建议

	Ollama + DeepSeek	Paperless-AI	MCP-SynoLink
核心用途	本地AI问答与文件分析	扫描件自动识别归档	AI主动执行文件操作
部署难度	⭐⭐（中等）	⭐⭐⭐（较复杂）	⭐⭐（中等）
最低内存要求	8GB（7b模型）	4GB	无特殊要求
隐私等级	极高（完全本地）	可配置为完全本地	高（局域网内）
适合人群	需要AI对话分析文件者	大量纸质文件/扫描件用户	进阶自动化 + Claude用户
可组合使用	✅ 可作为其他方案的AI后端	✅ 可调用Ollama作后端	✅ 可结合所有方案

推荐上手路径：

1. 第一次接触 → 从 Ollama + DeepSeek 开始，30分钟内可跑起来
2. 有大量纸质文件 → 加装 Paperless-AI（用Ollama作后端，零额外AI成本）
3. 想要AI全面接管 → 最后配置 MCP-SynoLink，三套方案叠加使用

六、结语

2025-2026年，群晖NAS社区正在经历一场自下而上的AI革命。不依赖厂商推送，通过Docker、开源工具和新兴AI协议，家庭用户已经可以在自己的NAS上实现：

• 本地大模型私密问答和文件分析：数据不出局域网
• 文档AI自动归档：扫描件秒变可搜索、已分类的智能档案库
• AI助手主动管理文件：用对话语言完成复杂文件操作

这些方案已在实际使用中经过验证，对于愿意投入一个下午部署调试的用户，回报是一套完全属于自己、不依赖任何外部服务的私人AI基础设施。数据在你手里，AI也在你手里。

如果需求从个人 AI 工作站延伸至多人协同与跨站点同步，可进一步参阅群晖 企事业文件共享 解决方案。