来源

原文链接

正文

公众号名称：可爱的小 Cherry

作者名称：可爱的小 Cherry

发布时间：2026-06-07 23:12

你一定和我一样，经常会思考现如今的 NAS 到底还能怎么玩。虚拟机、docker、影音、相册，这些几年前风靡的东西，现在似乎都无让你提起精神来。

你的日常似乎只剩下 AI 资讯、NAS 自媒体，每天看看有什么新工具、新玩法，接着打开 NAS 操作页面随便点几下，盯会路由器网络监控。

最后索然无味，关掉浏览器？我懂，我也经历过。但我想说的是，并不是 NAS 不好玩了，而是你、我，都从小白变成了 NAS 高手，似乎已经没有什么东西能让你我看得上，去折腾了。

这几天，我跑了一些真实的 AI + NAS​ 的场景，包括有 知识库、本地模型、MCP、Agent 协作​ 等等， 竟发现 AI + NAS​ 的几个组合，可以创造出很有深度的用法。而且基本不调性能，哪怕是最常见的 N150 处理器也可以做到。

威联通 Qu605-N150-16G 就是这样一款 NAS 产品。它不仅拥有 Qts/Quts Hero 双系统，而且内置了很多 AI 应用，搭配 N150 处理器 和 16G DDR5 内存，可以完成很多 AI + NAS 的使用场景。

一。N150 轻松跑的本地 LLMs 和 RAG

经常有粉丝会问我，NAS 到底可以跑哪些本地模型，用来做向量检索和 LLMs 性能有几何。

我实际跑了一下。MiniCPM5-1b 小钢炮，内存占用不超过 2G。作为 ollama 本地模型接入 Cherry Studio 跑，首字时延 7430ms，每秒 16 tokens。

威联通 NAS 内置有一个 Container Station 容器工作站，专门用来跑 docker 应用。

部署方式很简单，本地跑一个 ollama 容器，然后将 MiniCPM5-1b 小钢炮 接入 ollama。除了文本 LLMs 之外，还可以加入一个 bge-m3-q4 的 Embedding 模型。

将下方的 docker-compose.yaml 文件填入 Container Station 的应用程序中部署。

services:
  ollama:
    image: docker.1ms.run/ollama/ollama
    container_name: ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama:/root/.ollama
      - /share/Container/ai/models:/models:ro
      - /share/Container/ai/Modelfiles:/Modelfiles:ro
    environment:
      - OLLAMA_KEEP_ALIVE=-1
    restart: unless-stopped

  chroma:
    image: docker.1ms.run/chromadb/chroma:1.5.10.dev92
    container_name: rag-chroma
    ports:
      - "18000:8000"
    volumes:
    - /share/Container/ai/chroma:/chroma/chroma
    environment:
      - IS_PERSISTENT=TRUE
      - PERSIST_DIRECTORY=/chroma/chroma
      - ANONYMIZED_TELEMETRY=FALSE
    restart: unless-stopped

volumes:
  ollama:

部署的时候，如果你想要限制 ollama 的 CPU/内存 使用量，那么点开下方的高级配置 - 资源里进行配置。

容器启动以后，通过 SSH 界面切换到 root 权限，然后分别执行下面指令来注册两个模型到 Ollama。

docker compose exec ollama ollama create minicpm5-1b-q8 -f /Modelfiles/Modelfile-minicpm5

docker compose exec ollama ollama create bge-m3-q4 -f /Modelfiles/Modelfile-bge-m3

回到 Cherry Studio 等第三方模型里，就可以通过部署在威联通的 Ollama 来执行两个模型了。

二。把 NAS 接入 WorkBuddy，NAS 又活了

说完了 N150 NAS 如何跑本地模型。再来说一说如何将 NAS 接入到 WorkBuddy 这个腾讯龙虾里。

大家都知道，Agent 有三大法宝：SKILL、MCP、CLI。

目前 CLI 是一切的基础，SKILL 是经验的总结，而 MCP 则是 Agent 联通万物的标准。

在 WorkBuddy 中，这个 MCP 被叫做连接器，支持自定义。

回到威联通 Qu605-N150-16G 这里来。威联通是目前唯一一个官方提供了 MCP 服务的 NAS 产品，叫做 MCP Assistant，它内部提供了 NAS状态、用户/组管理、共享文件夹管理、文件管理、Qsirch API 等数十个 MCP Tools，允许外部 Agent 直接操控 NAS 设备。

我们先来给 WorkBuddy 创建一个授权，一般建议选择 Token 模式，并且勾选上对应的权限。

创建完成后，点选这个授权右侧的下载，可以获取一个 Configure MCP Host 的配置项，里面包含了威联通 NAS 的 IP、MCP 端口、密钥等等。

把这段内容直接复制到 WorkBuddy 的自定义 MCP 服务里保存。我们就可以通过网络永久操控这台 NAS。

可以粗粗看一下这些 Tools，一共是 24 个。这里最值得提的其实就是 Qsirch 应用的权限。

威联通不仅是第一个提供 MCP 协议的 NAS，更是第一个把自家应用通过 MCP 权限放出去的 NAS，这种开放程度，着实令人惊叹。

具体效果如何，我们回到 WorkBuddy 里构建一个对话。直接问：查询下威联通 NAS 里现在的文件夹有哪些。可以看到 WorkBuddy 几乎瞬间就通过 List 工具把共享文件夹的列表打印出来。

云端 API + 本地 Agent + 远端 NAS ，这一套基于 AI 的文件协作系统就这样搭建起来了。

下面再来一个更夸张的。我先是通过 MCP 创建了一个新的管理组账号，然后把账号密码提供个 WorkBuddy 作为局域网访问授权。

接着让它帮我干一件事儿：在我的威联通里搜索一下，有几份一年级的课本。都存在哪里？如果有数学的，想办法给我发一份，有些寸的比较深的，可以用 RAG 检索下看看。

好了，授权 sandbox 外运行。

看结果。WorkBuddy 把 NAS 里所有的一年级课本，一共五份的存储位置全部给了我。并且告诉我数学只有上册么有下册。

然后，然后！ 直接在 WorkBuddy 的客户端里，把这份我存在 NAS 里的《数学一年级下册.pdf》发送给了我！我直接就可以打开访问。

夸张吗？我觉得很夸张。

三。依托 NAS 的本地 AI 知识库

既然外部 Agent 都可以通过威联通 NAS 的 MCP 服务来访问资料。威联通本身是否也提供了相应的服务呢？

有的，包有的朋友，全新的 Qsirch 智能 AI 搜索应用。

但其实我觉得威联通取名取的并不好，因为粗一看你会觉得它就是一个搜索工具么，大不了加一个全文检索。

但其实，我认为它是一个 NAS 本地知识库，一个采集了 NAS 全部资料的超级个人知识库。

1️⃣ 先看表面上的，Qsirch 支持颜色搜索、图像语义搜索、OCR 文字搜索（多语言）。

内部又支持图片、影片、音乐、文件、PDF、电子邮件等多种类型的分类检索。类型+关键词+全文检索 的组合，让 Qsirch 一跃成为 Qnap 里最强大的应用之一。

我可以简单的搜索文字名称，来查看有哪些关键词资料。每一份资料你可以看到右侧的智能关键词，比如 教科书​、义务教育 等等，这些是威联通 NAS Qsirch 应用对其的资料定义。

我也可以通过 图片+自然语言 检索的方式，来搜索所有相关的照片、图片。这些图片支持按日期、大小、实物类型来进一步细化检索。

还有全文关键词检索，Qnap 利用内置的 RAG ，对每一份文档都建立了索引。所以整个检索过程非常的快，基本是秒级就完成了。

2️⃣ 再来看里子

Qsirch 应用的 RAG 搜索，支持导入云端、本地 LLMs 服务。这里我们选择 OpenAI 兼容的 Provider，就可以自由配置模型种类。

可以选择刚才本地搭建的 Ollama 来提供 LLMs。

也可以选择将云端更强大的 DeepSeek-V4 连接到 NAS 里来，一切都由你做主。

但是比较可惜的是，嵌入式模型还不支持自定义，因此不考虑云端的话，只能使用 Qnap 内置的向量模型。

正戏开始。点击搜索框边上的 RAG 搜索进入里模式 —— NAS 超级个人知识库。

RAG 搜索，其实本质上是一个基于 RAG 数据的智能回答系统，也可以认为是知识库回答系统。

你 NAS 里的资料都被 RAG 检索成了知识信息，存在本地，安全系数满分。然后 LLMs 对话模型，通过 RAG 的索引，来回答你的各种问题。

比如我问：小学语文一年级下册第一单元的教学内容。这是一个对全文内容的深度理解。

LLMs 很快就回答了上来，和教程题纲分毫不差。

而且在知识库的回答最后，还增加了来源展示，提供了具体的信息来源。这就很棒了，你可以知道这些答案究竟是 LLMs 的幻觉，还是的确是从你本地的资料里搜索出来的。

搭建什么本地知识库？NAS 自带的 RAG 检索 + 云端 API 组建的超级知识库，不必第三方的更强大？！

不仅于简单的对话。Qsirch RAG 搜索还提供了一个工作区的概念，很类似我们日常在用的 Agent WorkSpace 。

在这里我们可以导入特定的文件内容，之后所有的问答都会基于这些工作区内的文件资料来回答，不会串内容。

如果 NAS 是共享的、团队的。根据不同项目组、不同项目进度分配不同的工作区，你的团队知识库又有了。

四。老生常谈的 AI Core

在见识了威联通 Qu605-N150-16G 本身的 Ollama LLMs 能力、MCP Assistant 服务、Qsirch 超级知识库。

对日常更常用的 AI 相册我反而觉得不那么稀奇了。在 AI 影视方面，威联通提供了一个 AI Core 的应用，就是原来的 Multimedia Console。

在这里，可以配置生产 AI 图像识别，也可以配置 Qsrich 的可检索范围等等。

系统会基于默认的规则来生成缩略图、建立索引，提供格式转换功能。

所有的图片、视频，我们都可以在 QuMagie 这个全新的 AI 相册应用里查看。不仅支持图片，还支持视频的人脸识别、地点、实物检索等等。

写在最后

NAS 作为我们 7*24 小时不间断开机的设备，是最最最最适合 AI 在本地落地，以及提供服务的产品。

关于 AI+ NAS 的玩法有很多。最早 DeepSeek 刚出的时候就是跑本地模型嘛，拿 NAS 当成 tokens 输出机器。但是随着云端 API 越来越强，本地模型越来越弱，这种用有限的性能跑有限的能力，似乎意义并不大。

再后来，云端 API + NAS 本地资料整理的方式又出现了。把 NAS 挂载的 Windows 或者 Linux 上，然后通过 OpenClaw / Hermes 等直连 SSH、读取、操作。方便，但不安全。

而现在，威联通提出了全新的 AI + NAS 用法。NAS 负责存储数据，小型本地隐私模型服务，搭建本地知识库，提供 MCP 服务；外部 Agent 和云端 API 负责在权限内的文件读写、整理；这种将安全和便捷整合起来的模式，似乎更适合我们这些因为数据隐私才选择 NAS 的人。

但不管如何，AI + NAS 这个课题，我认为才刚刚起步。未来一定会有形态各异的 NAS 来提供数不胜数的服务。

往期推荐：

NAS 教程：

1️⃣ NAS 硬盘价格越涨越高，这个工具给你增加 30% 空间！极空间部署 Unmanic

2️⃣ 终于搞定微信公众号订阅、下载、RSS，让 Agent 替我刷公众号，消息不再错过

3️⃣ NAS+ 微信 +Hermes+Obisdian，网页自动变知识库，打造极空间 AI 知识库

4️⃣ 我在 NAS 里玩“诛仙”，可联机的 AI 修仙游戏，铁威马部署「仙途」

5️⃣ 我在 NAS 里养了一只「白虎」，平替青龙面板！海康存储部署 baihu-panel

AI 玩法：

1️⃣ 完败！ 2 大国产 Agent 工具，MiniMax Code v.s Kimi Work，谁更合适

2️⃣ 实测这 5 个大厂 Claw，一文说清，普通人到底应该装哪个

3️⃣ 小龙虾做不到的事，我找到这个 Agent 全干了

4️⃣ 让 AI 住进你的电脑，每天多摸鱼 2 小时

5️⃣ “素人”抖音 3 个月赚 100 万，AI 带货杀疯了

内容效果不满意？点此反馈