群晖NAS部署Ollama！折腾三天打通外网AI访问踩坑复盘

#NAS+AI部署实战

手里的群晖入门款NAS原本只用来存放家庭影像资料，近期本地离线AI需求提升，计划直接在群晖内通过Docker部署Ollama大模型，实现内网随时调用AI处理文档、总结笔记。原本以为半天就能完工，结果从环境适配到外网访问，整整耗费三天才彻底调试完毕，踩过的坑全部整理出来。

最开始直接在群晖套件中心安装Docker，拉取官方Ollama镜像后直接运行，很快发现入门款NAS的CPU算力孱弱，直接运行7B原版模型加载耗时超过40分钟，回复文字延迟高达十几秒。我查阅大量玩家方案，更换轻量化量化模型，并且在容器内限制CPU使用率与内存占用，禁止后台自动模型更新，初次在内网成功流畅调用本地AI。

内网使用一切正常后，我着手配置外网随时随地访问AI服务，这也是整个项目翻车最多的环节。最先尝试群晖自带DDNS搭配端口转发，完成路由器设置后，外网依旧无法访问，反复检查防火墙、端口规则，才发现运营商封禁了常用服务端口，直接端口映射完全行不通。

随后我更换FRP内网穿透方案，在云服务器搭建服务端，NAS本地部署客户端，成功建立通道后，又遭遇跨域访问报错，网页端AI界面可以打开，但是无法发送提问指令。我翻阅日志文件，手动修改容器配置文件，放开跨域访问权限，同时设置账号密码登录验证，杜绝公网裸奔带来的安全风险。

全部配置完成后，我设置定时任务，每天凌晨自动备份AI对话记录与重要文档。目前不管是外出工作，还是居家办公，都可以随时接入本地大模型，无需上传隐私文件到公有AI平台，数据私密性大幅提升。

这次部署让我意识到，成品NAS部署AI不能照搬通用教程，不同机型硬件算力差距极大，外网访问优先规避公网端口转发，优先选择穿透方案。看似简单的部署操作，每一处报错都是优化的机会，最终落地的个性化方案，远比通用教程更加贴合个人使用场景。