AIri本地部署全攻略：打造你的专属离线虚拟角色

2026-03-09 04:32:44作者：秋泉律Samson

担心云端服务中断导致虚拟角色无法响应？顾虑敏感对话数据泄露风险？希望在无网络环境下仍能与AIri顺畅互动？本文将带你通过本地化部署，将基于LLM驱动的Live2D/VRM虚拟角色AIri完全部署到本地环境，实现数据隐私保护与无网络依赖的稳定运行。

一、痛点解析：为什么需要本地部署AIri

1. 数据安全三大隐患

云端交互模式下，你的每一次对话、语音指令都需要经过第三方服务器中转。这些包含个人偏好与隐私的交互数据，存在被存储、分析甚至泄露的风险。医疗咨询、家庭对话等敏感场景尤其需要数据本地化保护。

2. 网络依赖的致命缺陷

网络波动导致对话中断、语音识别延迟、角色动作卡顿——这些问题在网络条件不佳时尤为突出。本地部署能彻底摆脱网络束缚，实现毫秒级响应速度。

3. 资源成本优化需求

持续使用云端API会产生累积成本，特别是语音交互和模型调用频繁的场景。本地部署虽有初期硬件投入，但长期使用成本几乎为零。

二、方案设计：本地化部署的技术架构

1. 三步搭建本地模型服务

💡 实操提示：推荐先在终端执行nvidia-smi（NVIDIA显卡）或rocm-smi（AMD显卡）确认GPU是否支持硬件加速

# 安装模型管理工具
curl -fsSL https://ollama.com/install.sh | sh

# 启动服务并下载推荐模型
ollama serve &
ollama pull mistral:7b # 基础对话模型
ollama pull nomic-embed-text # 嵌入模型

通俗解释：Ollama就像模型应用商店，帮你一键下载、安装和运行各种AI模型，省去手动配置环境的麻烦。

2. 零门槛配置MCP服务器

MCP（Model Control Protocol）是AIri项目专属的模型管理核心，代码位于crates/tauri-plugin-mcp/。启动步骤：

# 进入MCP插件目录
cd crates/tauri-plugin-mcp

# 编译并启动服务
cargo run --release

3. 环境配置的避坑指南

项目使用.env文件管理配置，以Telegram机器人服务为例：

# 复制环境变量模板
cd services/telegram-bot
cp .env.example .env.local

编辑.env.local文件，关键配置如下：

# 本地模型服务地址
LLM_API_BASE_URL='http://localhost:11434/v1/'
# 使用的模型名称
LLM_MODEL='mistral:7b'

三、实施步骤：从环境准备到功能验证

1. 硬件配置双方案选择

配置类型	CPU	内存	显卡	存储
最低配置	4核	8GB	无GPU	30GB
推荐配置	8核	16GB	NVIDIA 8GB显存	60GB

💡 实操提示：若无独立显卡，可使用CPU模式运行，但响应速度会降低50%以上

2. 四步完成基础环境搭建

克隆项目代码

git clone https://gitcode.com/GitHub_Trending/ai/airi
cd airi

安装系统依赖

# Ubuntu/Debian系统示例
sudo apt install -y build-essential libssl-dev pkg-config

安装开发工具链

# 安装Node.js和pnpm
curl -fsSL https://get.pnpm.io/install.sh | sh
pnpm env use 18

# 安装Rust工具链
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

安装项目依赖

pnpm install

3. 核心模块配置与启动

后端服务启动

# 启动API服务
cd packages/server-runtime
pnpm start

前端应用配置

# 进入前端目录
cd apps/stage-web

# 创建本地配置文件
echo "VITE_API_BASE_URL=http://localhost:8080/api" > .env.local
echo "VITE_LOAD_REMOTE_RESOURCES=false" >> .env.local

# 启动开发服务器
pnpm dev