本地 AI 基礎設施建置指南：從 0 到 vLLM + ComfyUI 完整部署

為什麼要建置本地 AI 基礎設施？

2026 年，AI 工具已經成為數位創作者、開發者和企業的基礎設施。但大多數人仍然依賴雲端 API — 每次呼叫花錢、每次傳輸冒隱私風險、每次被速率限制卡住脖子。

本地 AI 基礎設施給你三樣東西：完全的控制權、無限制的用量、零边际成本。

一旦建置完成，你可以：

無限制使用 LLM，不用擔心 API 費用
處理敏感資料，不用離開你的機器
同時運行多個服務，沒有速率限制
與 Cowork MCP 等框架整合，打造真正的 AI 代理團隊

這份指南假設你已經有一台帶有 GPU 的機器（推薦 DGX GB10、RTX 4090 或更好）。我會從零開始，一步步帶你建置完整的本地 AI 環境。

你今天會學到：

安裝和配置本地 LLM 服務（vLLM）
部署 ComfyUI 圖像生成管道
管理 GPU 記憶體和服務啟動順序
自動化服務管理（systemd）
與 Cowork MCP 整合，打造多 Agent 系統

我們開始吧。

前置需求

開始之前，請確認你已準備好：

項目	版本需求	檢查指令
Linux	Ubuntu 22.04+ 或 Arch	`uname -a`
GPU	NVIDIA RTX 3090+/4090/GB10	`nvidia-smi`
CUDA	≥ 12.4	`nvcc --version`
Docker	≥ 24.0	`docker --version`
Node.js	≥ 20	`node --version`
Python	≥ 3.10	`python3 --version`

如果你的 GPU 記憶體不足 24GB，建議關閉不必要的圖形介面或服務再開始。

步驟 1：安裝 Docker 和 NVIDIA Container Toolkit

Docker 是部署本地 AI 服務的推薦方式，因為它能隔離依賴、版本衝突和系統污染。

# 安裝 Docker
sudo apt update
sudo apt install -y docker.io docker-compose-v2

# 安裝 NVIDIA Container Toolkit（讓 Docker 可以使用 GPU）
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt update
sudo apt install -y nvidia-container-toolkit
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

驗證 GPU 可用性：

docker run --rm --gpus all nvidia/cuda:12.4.0-base-ubuntu22.04 nvidia-smi

如果看到 GPU 資訊和記憶體使用率，就代表環境設定正確。

步驟 2：部署 vLLM 本地語言模型

vLLM 是當前最高效的本地 LLM 推理框架，支援多種模型格式（GGUF、GPTQ、AWQ）。

2.1 使用 Docker 部署

docker run -d \
  --name vllm-server \
  --gpus all \
  -p 8000:8000 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  vllm/vllm-openai:latest \
  --model "nvidia/Llama-3.1-Nemotron-70B-Instruct" \
  --gpu-memory-utilization 0.9 \
  --max-model-len 8192

引數說明：

--model: 要部署的模型（可替換為任何 HuggingFace 模型）
--gpu-memory-utilization: 使用 GPU 記憶體的比例（0.9 表示 90%）
--max-model-len: 最大上下文長度

注意： 如果你的 GPU 記憶體小於 80GB，建議從較小的模型開始（7B 或 13B），然後再嘗試更大的模型。

2.2 測試 API 端點

curl -X POST http://localhost:8000/v1/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nvidia/Llama-3.1-Nemotron-70B-Instruct",
    "prompt": "解釋什麼是多 Agent AI 系統",
    "max_tokens": 200
  }'

如果收到回應，vLLM 已經成功部署。

2.3 設定為系統服務（自動啟動）

創建 systemd 服務檔案：

sudo tee /etc/systemd/system/vllm.service << 'EOF'
[Unit]
Description=vLLM Local LLM Server
After=docker.service
Requires=docker.service

[Service]
Type=oneshot
RemainAfterExit=yes
ExecStart=/usr/bin/docker start vllm-server
ExecStop=/usr/bin/docker stop vllm-server

[Install]
WantedBy=multi-user.target
EOF

啟用並啟動服務：

sudo systemctl daemon-reload
sudo systemctl enable vllm.service
sudo systemctl start vllm.service

步驟 3：部署 ComfyUI 圖像生成

ComfyUI 是當前最強大的本地圖像生成工具，支援 Flux、Stable Diffusion、LTX 等各種模型。

3.1 使用 Docker 部署

docker run -d \
  --name comfyui \
  --gpus all \
  -p 8188:8188 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  -v ~/comfyui-output:/output \
  ghcr.io/ai-forest/comfyui:latest

這會在 http://localhost:8188 啟動 ComfyUI。

3.2 手動安裝（進階選項）

如果你需要更多控制，可以選擇手動安裝：

# 複製 ComfyUI 倉庫
cd ~/comfyui
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 安裝依賴
pip install -r requirements.txt

# 安裝自訂節點（可選）
git clone https://github.com/Fannovel16/ComfyUI-Frame-Interpolation.git custom_nodes/
git clone https://github.com/laksjdjoy/deforum-comfy.git custom_nodes/

# 啟動服務
python main.py --listen 0.0.0.0 --port 8188

3.3 常用模型下載

# 使用 HuggingFace CLI 下載模型
pip install huggingface_hub
huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 --local-dir ~/models/sdxl
huggingface-cli download stabilityai/stable-diffusion-3.5-large --local-dir ~/models/sd3.5

步驟 4：GPU 記憶體管理策略

在本地部署 AI 服務時，GPU 記憶體是最大的瓶頸。以下是幾個實戰經驗：

4.1 檢查可用記憶體

free -h
nvidia-smi --query-gpu=memory.used,memory.free --format=csv

4.2 服務啟動順序建議

先啟動 vLLM（語言模型通常記憶體需求較固定）
後啟動 ComfyUI（圖像生成可以動態調整記憶體使用）
關閉不必要的圖形應用（瀏覽器、Discord 等）

4.3 記憶體監控腳本

創建一個簡單的監控腳本：

#!/bin/bash
# monitor-gpu.sh
while true; do
    echo "=== $(date) ==="
    nvidia-smi --query-gpu=memory.used,memory.free,temperature.gpu --format=csv
    docker ps --filter "name=vllm\|name=comfyui" --format "table {{.Names}}\t{{.Status}}"
    sleep 30
done

步驟 5：整合 Cowork MCP 多 Agent 框架

一旦本地 AI 基礎設施就緒，就可以連接 Cowork MCP 打造多 Agent 系統。

5.1 註冊 vLLM 作為大腦

# 如果使用 Hermes Agent
hermes register-cowork

# 或者手動設定 MCP 端點
# 在你的 Agent 設定檔中添加：
{
  "mcpServers": {
    "cowork": {
      "url": "http://localhost:6868/mcp",
      "transport": "streamable-http"
    },
    "vllm": {
      "url": "http://localhost:8000/v1",
      "transport": "streamable-http"
    }
  }
}

5.2 實際應用：本地 AI 內容製作管道

本地 vLLM (內容生成) → ComfyUI (圖像生成) → ffmpeg (後處理)

這個管道的每一個步驟都可以由不同的 AI 代理協調：

研究代理：使用 vLLM 生內容內容大綱
寫作代理：使用 vLLM 擴充為完整文章
圖像代理：使用 ComfyUI 生成對應插圖
整合代理：將內容和圖像組合成最終輸出

步驟 6：自動化與備份

6.1 容器備份

# 備份 ComfyUI 容器狀態
docker commit comfyui comfyui-backup:$(date +%Y%m%d)

# 匯出映像
docker save comfyui:latest | gzip > ~/backups/comfyui-$(date +%Y%m%d).tar.gz

6.2 模型備份

# 定期備份 HuggingFace 快取
rsync -avh ~/.cache/huggingface ~/backups/huggingface-cache/

# 或使用 rclone 備份到雲端
rclone sync ~/.cache/huggingface remote:backup-huggingface --progress

6.3 健康檢查腳本

創建健康檢查 cron job：

# 每 5 分鐘檢查一次服務狀態
*/5 * * * * curl -f http://localhost:8000/v1/models || echo "vLLM is down at $(date)" | mail -s "vLLM Alert" admin@example.com

常見問題排查

Q1: Docker 無法使用 GPU

# 檢查 NVIDIA Container Toolkit 是否安裝
nvidia-ctk runtime verify

# 重啟 Docker 服務
sudo systemctl restart docker

Q2: GPU 記憶體不足

# 降低 vLLM 記憶體使用率
# 在 docker run 指令中加入：
--gpu-memory-utilization 0.7

# 或關閉不必要的服務
sudo systemctl stop bluetooth

Q3: ComfyUI 啟動失敗

# 檢查 Docker 日誌
docker logs comfyui

# 嘗試重新啟動
docker restart comfyui

Q4: 模型下載太慢

# 使用 HuggingFace 鏡像站（中国大陆用戶）
export HF_ENDPOINT=https://hf-mirror.com

下一步

你現在擁有一套完整的本地 AI 基礎設施：

今天：

確認 vLLM 和 ComfyUI 都能正常運作
測試 API 端點，確認可以生成內容和圖像

本週：

設定 systemd 服務確保開機自動啟動
建立備份和監控機制
連接至少一個 LLM 後端到 Cowork MCP

本月：

探索 Cowork MCP 框架，打造更多 AI 代理團隊
嘗試不同的模型，找出最適合你需求的配置
建立自己的 AI 內容製作管道

常見問答

Q：我需要什麼等級的 GPU 才能运行這些服務？ A：建議至少 24GB 記憶體（RTX 3090/4090）。如果記憶體較小，可以運行較小的模型（7B-13B）或使用 Docker 的記憶體限制。

Q：可以在沒有 GPU 的機器上運行嗎？ A：可以，但速度會很慢。CPU 推理是可行的，但對於大型模型（70B+）不實際。

Q：如何更新模型？ A：使用 HuggingFace CLI：huggingface-cli download <model-name> --local-dir <path>。Docker 容器會自動使用更新的本地模型。

Q：vLLM 和 Ollama 有什麼不同？ A：vLLM 是針對高吞吐量推理優化的框架，支援更多模型格式和進階功能。Ollama 更輕量、易於使用，但功能較少。對於本地 AI 基礎設施，建議使用 vLLM。

Q：ComfyUI 和 Automatic1111 有什麼區別？ A：ComfyUI 採用節點式工作流程，更靈活、更高效。Automatic1111 有圖形介面，對初學者更友好。兩個都可以很好地工作，但 ComfyUI 在生產環境中更受歡迎。

閱讀時間：約 15 分鐘 | 發布日期：2026-07-27

覺得這份指南有幫助？探索 Slashman Tools 上的更多指南。如果你想快速部署 AI 基礎設施，查看我們的 AI 工具鏈模板庫獲取即拿即用的設定檔。

[- 返回首頁]