绿联NAS+Coze实现私有AI Agent+RAG自由，打造本地化智能知识引擎

还在担心 Coze 云端服务的隐私问题？羡慕别人有专属 AI 助手，却不知道怎么部署整套服务？不确定自己为何需要一台 NAS？

今天不仅教会你如何利用手边的绿联 NAS通过 Docker 轻松部署完全属于你的私有 Coze 平台，也会在结尾探讨 绿联 NAS + 本地 Coze 的广阔应用场景！

一、准备工作：磨刀不误砍柴工

硬件要求：

设备型号：兼容Docker的主流型号，如DXP系列等，本文章使用设备DXP4800 Plus
内存大小：NAS内存 >= 8GB (16GB或以上更佳，流畅运行)
存储空间：>=10GB(Coze涉及第三方工具和框架使用)

本文章所使用设备

软件要求：

NAS系统版本：本篇设备版本号 1.7.0.3125
Docker 服务：确保已在绿联NAS应用中心安装并启用Docker应用并更新至最新版

文本编辑器：主要用于源码下载后的修改

SSH 访问：开启绿联NAS的SSH功能，通过官方的docker部署文件其实也可不开启部署，但本篇文章为了更灵活的部署，采用SSH方式
SSH工具：本篇主要使用XTerminal工具（也可用其他，Mac用户可用自带终端程序）

二、核心实战：绿联NAS Docker部署Coze（真正手把手，步步有截图）

使用SSH登录绿联NAS（需确认已开启SSH功能）

css 复制代码

ssh -p 22 用户名@IP地址

-p：NAS开启SSH的端口号用户名：NAS设备中的用户名称 IP地址：NAS的局域网IP地址

使用SSH登录NAS设备的SSH命令格式

输入对应的用户名密码

注：密码输入时不会显示，只需要按照实际登录的用户密码输入后回车即可

登录成功后，可使用"ls"确认命令是否正常

例如这里可以看到我有一个名为AI的文件夹

为了操作方便并与本文的操作保持一致，可按照本文的"个人文件夹"下的目录级别进行准备：个人文件夹>AI

确认必要环境

当前用户需要是管理员角色用户
使用git -v命令看是否能看到对应版本号

若不能看到，需要使用以下步骤进行安装:

首先，需要切换到root权限，切换时需要输入密码

sudo su

其次，使用命令更新包内容（该过程速度取决于网速和外部网络连接情况，网上有很多优化、加速办法，这里不过多讲述）

sql 复制代码

apt update

更新完可看到Done等内容

再次，使用命令安装git（也有其他方式安装，这里只讲述apt方式）

apt install git

本文设备已安装过git，所以是以上截图示例，正常流程安装过程无报错、安装结束后可以使用git -v命令确认是否正常看到版本号即可。

bash 复制代码

cd AI

下载Coze官方代码（此过程需要去github获取源码，开源地址：github.com/coze-dev/co...）

bash 复制代码

git clone https://github.com/coze-dev/coze-studio.git

修改基础配置（在绿联NAS页面操作即可）

将"个人文件夹>AI>coze-studio>backend>conf>model>template"文件夹中的"model_template_ark_doubao-seed-1.6.yaml"文件复制到"个人文件夹>AI>coze-studio>backend>conf>model"目录中，并重命名为"ark_doubao-seed-1.6.yaml"

双击编辑"ark_doubao-seed-1.6.yaml"文件，主要修改3处：id、api_key、model

id可以从1开始，方便以后更多大模型的增加

火山引擎-方舟大模型平台的API KEY获取地址：console.volcengine.com/ark/region:...

运行coze

首先我们回到SSH工具页面，并进入到"个人文件夹>AI>coze-studio>docker"目录中

执行启动命令并等待命令运行结束（设备的配置、网络环境决定此步骤整体速度）

docker compose up -d

若过程中出现以上错误提示，可以重新再次执行该命令

启动后，访问"NAS的IP地址:8888"即可

让我们创建一个应用和工作流试试是否能正常运行

选择创建应用

随便填一下应用名称和介绍

创建一个简单的工作流

在工作流中插入一个大模型节点

将开始、大模型、结束三个节点连接到一起

修改大模型节点相关配置

修改结束节点相关配置

试运行，看看是否正常

试运行后，Coze工作流开始工作

运行结束，看到大模型正常输出内容

三、释放私有AI的无限可能

先说一句话结论：私有文档不再只被'读懂' ，而数据锁在绿联NAS里的Coze 工作流是真正让私有化AI为你干活。

使用Coze官方提供的插件

在这里，Coze官方在开源版本中提供了一部分大模型插件(FuncationCall)，例如：什么值得买，就可以通过大模型进行今日服装穿搭推荐等

自行开发更多插件实现各场景、业务的串联

例如：自动生成公众号文章（后续将会专门写一篇自动化运营公众号文章教程）

私有化RAG知识库搭建

由于Coze提供了工作流、插件等等能力于一体，当 RAG 知识库被嵌入工作流（Workflow）后系统升级为 "感知-决策-执行"的自主智能体：

知识库检索 → 理解问题背景
工作流逻辑判断 → 决定后续动作
调用工具/API → 执行复杂任务

有了工作流的RAG可以说是开启了RAG 的"超级模式"，在此，本文也列出一些对比：

能力	传统 RAG 知识库	Coze 知识库 + 工作流
动态决策	❌ 仅生成答案	✅ 根据检索结果触发不同工作流分支
多工具协同	❌ 无	✅ 可调用 API/数据库/插件
自动化闭环	❌ 问答即结束	✅ 自动执行后续任务（如发邮件/工单）
复杂任务处理	❌ 仅限单轮问答	✅ 支持多步骤长流程任务
实时数据整合	❌ 依赖静态知识	✅ 可融合实时数据（如天气/股价）