給綠聯NAS塞了個“賈維斯”！智能分析+向量搜索，找圖比翻書還快

NAS、鍵盤、路由器······年輕就要多折騰，我是愛折騰的熊貓，今天又給大家分享最近折騰的內容了，關注是對我最大的支持，阿里嘎多

引言

綠聯NAS作爲目前熊貓工作文件以及各種素材和壁紙的存儲中心，一直承擔的就是工作需求多一點，DXP6800 Pro的盤位足夠多，同時i5-1235U的處理器兼顧了性能和能耗，既保證了我的各種本地項目的運轉，在十多個Docker全開且硬盤不休眠的情況下也能有不錯的功耗表現。

在經歷過多次更新之後，從最初的“毛坯房”直接進化成了現在的“精裝小洋房”，頗有一種萬丈高樓平地起的既視感。自家原生應用在穩步推進，應用中心也開始敞開大門，接納各路第三方大神的優秀項目，生態圈子越擴越大。

隨着AI越來越強大，熊貓一直在想能不能直接把NAS中的圖片交給AI來託管，不僅僅是做到人物、寵物以及場景等識別，而是來點更深度的視覺解構：把照片的色調、構圖、分辨率甚至調色風格都給“扒”得明明白白。然後根據這些分析，自動打標籤、寫描述、歸好類，這纔是我想象中“賈維斯”級別的真智能。

項目介紹

前兩天看到一款非常厲害的開源項目——PixelPunk，一個功能非常強大的資源管理平臺，一款基於AI和向量搜索的智能圖像管理，支持多雲存儲、企業級安全與靈活分享，再加上現代化的UI界面和開放API，不管是做內容平臺、媒體庫還是搞企業知識管理，用它都非常順手。

PixelPunk雖說是剛開源的項目，但功能性已經非常強大了，完全已經到了能投入使用的階段，PixelPunk目前在Github開源，地址爲https://github.com/CooperJiang/PixelPunk，同時你也可以去官方查看他的官方文檔：https://pixelpunk.cc/。

項目部署

衆所周知，綠聯的DXP6800和DXP8800系列都預留了PCIe插槽，這就給硬件擴展留足了後路。而視覺識別和向量模型這兩使用在線多少會涉及隱私問題，雖然熊貓覺得也沒誰會閒得無聊專門來追蹤你的數據，但既然咱手裏有條件本地部署，那幹嘛還要把數據往外送？直接上本地大模型，既能享受AI的便利，又能把隱私攥在自己手裏，這纔是成年人的“全都要”。

當然，如果你手裏有雷電顯卡擴展塢，那麼其實用DXP4800系列以及全閃480T其實也能外接顯卡來調用本地大模型，目前綠聯的DXP4800系列、DXP6800系列、DXP8800系列以及全閃NAS480T都帶有雷電擴展口。

PixelPunk的部署並不難，項目涉及到了主程序、MySQL數據庫、向量庫以及Redis緩存，通過compose我們可以一鍵配置好對應的項目變量。打開綠聯Docker中的項目，選擇創建新項目。

複製粘貼以下代碼，其中涉及到的環境變量、端口以及映射文件夾需要你根據自身的NAS環境去更改，避免端口衝突等問題。

version: '3.8'

services:
  # PixelPunk 主應用
  pixelpunk:
    image: snine98/pixelpunk:latest
    container_name: pixelpunk
    ports:
      - "9555:9520"
    volumes:
      - ./data:/app/data
      - ./logs:/app/logs
      - ./uploads:/app/uploads
    environment:
      - TZ=Asia/Shanghai
      - DEPLOY_MODE=compose
      - CONFIG_PRESET=true
      - APP_PORT=9520
    depends_on:
      mysql:
        condition: service_healthy
      qdrant:
        condition: service_started
      redis:
        condition: service_started
    restart: unless-stopped
    networks:
      - pixelpunk-network

  # MySQL 數據庫
  mysql:
    image: mysql:8.0
    container_name: pixelpunk-mysql
    environment:
      MYSQL_ROOT_PASSWORD: root_password_change_me
      MYSQL_DATABASE: pixelpunk
      MYSQL_USER: pixelpunk
      MYSQL_PASSWORD: pixelpunk_pass
      TZ: Asia/Shanghai
    volumes:
      - ./data/mysql:/var/lib/mysql
    command: >
      --character-set-server=utf8mb4
      --collation-server=utf8mb4_unicode_ci
      --default-authentication-plugin=mysql_native_password
    restart: unless-stopped
    networks:
      - pixelpunk-network

  # Qdrant 向量數據庫
  qdrant:
    image: qdrant/qdrant:latest
    container_name: pixelpunk-qdrant
    volumes:
      - ./data/qdrant:/qdrant/storage
    environment:
      - TZ=Asia/Shanghai
    restart: unless-stopped
    networks:
      - pixelpunk-network

  # Redis 緩存（可選）
  redis:
    image: redis:7-alpine
    container_name: pixelpunk-redis
    volumes:
      - ./data/redis:/data
    environment:
      - TZ=Asia/Shanghai
    command: redis-server --appendonly yes
    restart: unless-stopped
    networks:
      - pixelpunk-network

# 網絡配置
networks:
  pixelpunk-network:
    driver: bridge

代碼複製之後如果提示格式錯誤，那麼可以將代碼交給AI讓其糾正格式，可能涉及平臺修改了縮進等原因。存放路徑新建文件夾pixelpunk進行存放，方便後續對文件進行管理。

確定所有內容無誤之後點擊立即部署，NAS會拉取鏡像並啓動容器，這時候在項目管理中能看到主程序以及附屬程序都已經運行成功。

最後通過綠聯的遠程訪問或者瀏覽器本地輸入NASIP與主程序端口號就能訪問項目了，首次訪問會提示註冊賬號，首次註冊的賬號即爲超級管理員。

項目使用

登錄後臺之後首先看到的是儀表盤，儀表盤會展示用戶統計、文件統計、存儲統計以及分享統計，同時下方會有上傳趨勢甚至AI服務和標籤統計，能宏觀看到整個項目中圖片的打標進度和標籤數等等。

首先說說該項目的AI智能化程度，這也是熊貓牆裂推薦的原因之一。

首先要使用AI進行打標、分類以及識別，我們要現在後臺智能管理中去設置對應的模型以及API，其中智能配置需要用到多模態模型，而向量配置則是向量模型，這一點不能搞錯了，模型支持自定義對接地址，如果是用的第三方非官方，併發數量切記不要開太高。

設置好模型之後，來到首頁選擇上傳圖片。再上傳功能上，項目可選擇對上傳的圖片進行水印添加和自動壓縮，以體積更小質量降低不明顯的文件。

圖片上傳之後回到後臺，點擊打標管理，這時候能看到未打標、進行中、已完成以及失敗和忽略幾個狀態，新上傳的會自動進行打標處理，如果模型配置正確，會在已完成中顯示。

來到文件管理中，找到剛剛打標的圖片，點擊詳情就能看到視覺分析後圖片的所有信息了。信息包括AI生成的標籤、描述、色調、尺寸、寬高比、分辨率以及構圖和敏感度評分，識別的精準度和模型有關。

打標完成的圖片會再次進入向量管理中，通過對標籤、描述以及其他信息進行分析來建立向量數據庫。項目支持對向量庫的重建以及覈對補齊。

建立好向量庫之後就能在文件管理中進行自然語言的搜索了，例如這裏我想要找到所有文件中的卡比壁紙直接搜索即可，項目也會顯示搜索內容的相似度來供你參考，不過這個參考值還是取的比較低，當然這個和向量庫的維度也有關。

在標籤管理中也可以直接看到你所生成的所有標籤，非常之多！！！不得不說AI還是比人工手動打標快多了，且如果模型不錯，標籤的精準度還是非常高的。

pixelpunk的數據除了能使用本地存儲，也支持阿里雲OSS、騰訊雲COS、七牛雲、又拍雲、雨雲以及WebDAV和S3存儲等等，同時支持對存儲的路徑、權限等進行控制管理，方案非常不錯。

pixelpunk也支持多用戶管理，用戶通過個人儀表盤可以對接項目的API用於圖牀、隨機壁紙等等，同時也支持防盜鏈設置，UI也擁有多種的主題、佈局與風格供用戶修改，不管是對於後端的管理還是前端的用戶，pixelpunk都做到了儘可能塞進足夠多的功能。

寫在最後

pixelpunk算是今年熊貓覺得最出色的項目之一了，項目的功能非常豐富，技術棧多達30個，總代碼數量甚至來到了27萬行，這對於一個圖庫項目來說算是非常龐大了。

整體體驗下來感覺非常不錯，不過目前最大的問題就是視覺模型如果用在線的API，那麼對於Token的消耗非常之大，熊貓實測400張圖片消耗Toekn數量達到了300多萬的級別，平均單張圖片都在上萬的Toekn消耗。

如果手頭有不錯的顯卡，個人建議還是搭配綠聯的雷電或PCie接口使用本地模型進行計算，速度上可能會比在線模型慢很多，但不需要考慮Toekn的消耗，同時對於隱私保護也會更好。雙十二期間綠聯目前也有非常大的優惠力度，目前熊貓同款綠聯DXP 6800Pro到手價5000出頭，如果預算不夠，那麼DXP4800 Pro目前只需要2000多，性價比非常高了。