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 1.7.0.3125Docker 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）
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
- 目录准备
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）
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。
- 进入我们准备好的AI目录
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…）
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） |
例如：用户问 “我的订单 #123 为什么延迟了？”
传统RAG流程：
结合了工作流、插件等能力的Coze RAG：
结合该案例对比下来：
- 从 被动检索 到 主动执行（API 调用 + 自动操作）从 静态回复 到 动态决策（实时状态 + 条件分支）从 信息交付 到 服务闭环（补偿发放 + 人工转接准备）
四、常见问题
- docker 启动若出现 no service selected提示：由于docker的不同版本可尝试使用以下命令
docker compose --profile "*" up -d2. docker compose up后，coze-server报错lark_sheet.yaml解析失败无法启动：
端口冲突无法启动：
可修改docker中对应无法启动的容器端口，例如MySQL的NAS映射端口从3306改为33060或其他端口
五、结尾：
- 目前Coze的开源版本仍在不断更新迭代升级中，遇到无法部署、更换模型等问题可私信给我。其中大模型对接部分，若不想使用线上豆包等模型，可以配置成本地大模型调用地址欢迎与我探讨更多AI+NAS的业务场景未来内容预告
- 绿联NAS+本地Coze+RAG 打造私有化工具利器绿联NAS+本地Coze进行公众号内容运营
