从零散硬件到NAS和AI部署

从一堆零散硬件到跑通第一个服务，NAS和AI本地部署的门槛没你想的那么高。我这次的起点是一台从朋友那里淘来的旧笔记本，配置是Intel Core i5-6200U、8GB内存、一块128GB的SSD，外加我自己翻出来的一块500GB机械硬盘。预算几乎为零，目标很简单：把这堆东西变成一台能用的NAS，顺便跑一个本地的AI模型。

最开始选主板和系统时，我没有太多纠结。旧笔记本的主板集成度高，省去了选CPU、内存的麻烦，但接口有限，只有一个SATA口和一个M.2插槽。我把SSD装系统，机械硬盘存数据。系统方面，我选了Ubuntu Server 24.04 LTS，因为它对老硬件支持好，社区资源丰富，遇到问题容易搜到答案。安装过程平淡无奇，但网络配置让我卡了一整天。笔记本只有一个有线网口，无线网卡信号不稳定，我不得不翻出USB转以太网适配器，把有线网口留给NAS服务，USB网卡单独管理外网访问。折腾到凌晨三点，才在/etc/netplan/目录下写对YAML配置文件，让两个网口各司其职。

Docker是我部署服务的核心工具。我安装了Portainer作为管理界面，方便观察容器状态。第一个跑通的服务是Samba，用于文件共享，配置时在权限上踩了坑，匿名访问和写入权限需要同时设置。第二个是Jellyfin，用于媒体服务器，硬件转码在旧CPU上几乎无效，只能靠软件解码，播放1080P视频时CPU占用飙到90%，但至少能用了。

最折磨人的是外网访问。我用的是DDNS加端口转发，家里的公网IP不是固定的，需要定时更新。我写了一个简单的脚本，每五分钟检查一次IP，若变化则自动更新到阿里云的DNS记录。写脚本时漏了判断条件，导致无限循环刷屏，直到系统日志塞满磁盘才发觉。清理日志、修正脚本后，终于能在公司用手机访问家里的NAS，看到Jellyfin的登录页面时，那种感觉不是兴奋，而是如释重负。

最后我尝试部署Ollama跑离线大模型。旧笔记本的CPU没有AVX2指令集，部分模型无法运行，我选择了一个轻量级的Qwen2-0.5B模型。推理速度慢得让人想砸键盘，但确实跑通了。整个过程告诉我：只要敢动手，零散的硬件和免费的软件就能拼出可用的系统。