没激活码？「Manus」类应用本地部署，用NAS打造一人企业工作流！

大家好，这里是Cherry，喜爱折腾、玩数码，热衷于分享数码玩耍经验~

前言

这几天，继DeepSeek-R1、QwQ-32B之后，又一款通用性AI代理工具——Manus，火了。

这款基于多智能体的架构（Multiple Agent）的AI代理工具，据称可以自动操作电脑执行多种任务，并输出数个高效的成品。

但实际情况如何？Manus到底行不行，实际体验如何？是真真切切的AI应用集成，还是只是币圈的又一轮诈骗？这些咱们都说不上，毕竟没机会体验到，也没有那好几万去买个所谓的邀请码。

不过既然左脚已经迈入了AI时代，如果不接触和尝试一下AI Agent带来的便利，那多少会有点被时代所抛弃的感觉。

相比较于Manus，市面上还有三款非常成熟的Agent框架——Dify、Coze和FastGPT。

前两者是基于AI的零代码开发平台，后者是基于LLM的知识库问答系统，三者均经受过国内外广大网友考验，比起Manus来更真实，也更接地气。

今天，我们围绕如何本地化部署Dify，并发布一个属于自己的AI应用，来体验一下“一人公司”的乐趣。

关于部署机

本次我们部署的设备为铁威马F6-424 MAX。作为铁威马最新的一代NAS产品，铁威马F6-424 MAX采用了i5-1235U处理器，拥有10核12线程的超强处理能力，最大支持64GB DDR5内存，可以轻松实现存储、docker、虚拟机等生产能力。

F6-424 Max拥有6个机械盘位和2个M.2固态硬盘，最大可扩容至132T存储，足以满足小型企业的存储需求。在接口方面，提供了双10Gbps网口，以及10Gbps速率的 Type Ax2，Type-Cx1，无论是通过网络还是数据线，都可以享受高速的数据传输质量。

关于Dify

Dify 是一个开源的大语言模型（LLM）应用开发平台，它致力于为开发者提供一站式、低代码甚至无代码的 AI 应用开发体验。

通过容器化部署，我们可将AI代理完整下沉至NAS设备，既避免了隐私数据上云的风险，又降低了30%以上的运营成本。

一、铁威马配置Docker Manager

1、初始Docker Manager

首先我们在铁威马NAS里安装Docker Manger，该应用是基于Docker Engine的compose管理工具。

Docker Engine是原来的Docker应用，路径在/Volume1/@apps/DockerEngine下面，后续我们修改daemon.json也需要到这目录下操作，原来的/etc/docker/daemon.json是无效的。

2、配置网络加速

目前要使用Docker，必须配置网络镜像，或者添加镜像加速库，在铁威马中目前有两种方法来实现。

1️⃣添加网络代理（推荐）

系统会自动让docker引用系统代理。

2️⃣配置镜像加速库（加速库要自己找）

正如刚才所说，我们必须修改daemon文件，因此需要先打开铁威马的SSH功能，默认的是9222端口。为了大家的网络安全，建议同时勾选仅允许本地网络内的SSH访问。

接着，我们通过ssh工具访问铁威马，输入指令cd /Volume1/@apps/DockerEngine/conf进入配置文件目录。

输入指令vim daemon.json进入编辑页面，整体的格式如下，可以修改registry-mirrors下的镜像加速地址来实现镜像下载加速。

{

"registry-mirrors": [

"https://docker.ketches.cn/",

"https://docker.1panel.live/",

"https://dockerpeoxy.net",

"https://docker.kejilion.pro"

]

}

修改完成以后，需要回去铁威马应用中心里，重启Docker Engine和Docker Manager两个应用。

二、修改dify配置文件

由于铁威马没有内置git，所以我直接把dify的配置文件放在网盘里，大家下载网盘下载exe格式的文件后解压缩，然后传到铁威马的目录下就可以。

阿里云盘：https://www.alipan.com/s/k6eP55pnKAG

夸克网盘：https://pan.quark.cn/s/b55aaa287d11

🔻参照下图

里面的配置文件和环境变量我都修改好了，可以直接启用。如果需要修改的话，一般修改这两个地方。

🔻修改数据库透出端口，docker-compose.yaml文件第509行，左侧的25432可以修改为自己想要的。

🔻修改前端访问地址，修改.env文件第911行，18080是http的访问端口，18443是https的访问端口。

三、dify的部署和使用

1、部署dify

打开铁威马的Docker Manager，选择项目-新建。按照下图填写内容，并且将项目路径定位到/Volume1/path/dify-main/docker，在配置文件里选择目录下的docker-compose.yaml文件。

接着点击验证YAML和应用。如果配置好网络的，只要等一等，系统就会自动部署完成。

系统部署完成以后，回到浏览器，打开网址http://铁威马IP:18080就可以进入dify首页了。根据系统要求，配置个管理员账号密码进入。

2、dify配置插件和AI模型

进入系统后，选择插件一栏，在这里我们可以下载dify库中各式各样的插件。

点击右上角头像，选择设置进入模型设置。

在这里可以安装数十个AI模型供应商的API 工具。我们比较推荐的是硅基流动、火山方舟这两个。

硅基流动免费的AI模型比较多，包括嵌入式的，在做知识库的时候很有用，唯一的缺点就是需要科学。而火山方舟目前是deepseek-R1最稳定的，自身的豆包也很强大，而且邀新各种送优惠券，基本等于白嫖。

3、注册火山并开通模型库

点击右上角头像，选择API访问密钥生成一个API KEY备用。

接着选择左侧的模型库，在里面选择如deepseek-r1，doubao-embedding等体验。

新界面选择API接入。

在右侧选择需要开通的API KEY，然后确认开通模型即可。很多人调用不了火山，就是这一步没操作。

回到导航栏左侧，选择模型推理—在线推理，这里每一个我们开通的模型都有Model ID，这个一会要填入dify中。

4、配置dify的AI 模型

回到dify，在安装好模型供应商以后，选择添加模型（硅基、ds、通义等只要配置API就行了，模型系统自带了）。

还是以火山为例，模型名称自定义；鉴权方式选择API KEY，并在下方填入；Endpoint ID填入模型名称；基础模型选择模型名称对应的内置模型名字，然后保存。

文本向量模型也是一样，建议选择doubao-embedding-large这一款，主要用作知识库内的文本向量分析。

配置完成以后，点击系统模型设置，在这里配置默认的模型种类。

5、使用dify

配置完成，我们就可以正式使用dify了，这里支持创建聊天助手、智能体（agent）、文本生成应用、工作流、Chatflow等。所有的应用都是无代码可视化搭建的。

创建完成以后，我们就可以分享自己的agent给外部使用，实现了AI驱动的工作流。

最后

在AI越来越便利的现在，NAS作为我们的家庭存储中心，除了存储这个本质工作外，也可以逐步向应用服务中心转变。

铁威马F6-424 MAX拥有强大的处理器性能，结合AI工作流工具Dify可以轻松实现强大的服务透出，帮助极客、初创团队搭建各式各样的AI工具，并且保持稳定、高质量的服务，从而实现一台设备，多种用途。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～