双机本地模型办公方案

基于两台主机的配置评估与本地 AI 工作流方案，涵盖设计、视频、文案三大方向。

---

一、两台主机配置对比分析

1.1 基础配置一览

1.2 各维度评分对比

1.3 角色定位

• 主机 A (i9+4090)：AI 算力主力。承担所有高负载任务：大模型推理、图像/视频生成、实时交互式 AI 应用。
• 主机 B (i7+3080)：辅助工作站 + 知识库服务器。承担 RAG 知识库服务、批量文档处理、Stable Diffusion 基础出图、数据存储与备份。

---

二、本地大模型选型推荐

2.1 主机 A 适用模型（24GB 显存）

推荐策略：日常文案用 Qwen2.5-32B（全 GPU 加载，速度快）；重度推理切换到 DeepSeek-R1-Distill（部分 offload 至 64GB 内存）。

2.2 主机 B 适用模型（10GB 显存）

推荐策略：主机 B 部署 Qwen2.5-14B 作为 RAG 知识库后端，辅以 BGE-M3 嵌入模型。

2.3 推理框架选型

---

三、设计方向工作流方案

3.1 图像生成平台

3.2 推荐模型清单

主机 A (RTX 4090) — 设计模型

主机 B (RTX 3080) — 设计模型

3.3 典型工作流

工作流 A：超写实商业渲染（主机 A 专属）

线稿/草图 → ControlNet Canny/Depth → SDXL/Flux 生成 1024×1024
    → SUPIR 4K 放大修复 → Adobe Lightroom 后期调色

SUPIR 是当前最强 AI 放大模型，需 24GB 显存，主机 A 独占运行。

工作流 B：IP 一致性系列设计（两台协作）

角色参考图 → IP-Adapter FaceID（主机 A）→ 批量生成不同场景
    → 主机 B 批量 Inpaint 修正 → Figma/PS 排版输出

工作流 C：创意海报（含文字）

提示词（含完整文字内容）→ Flux.1-dev（主机 A）
    → ControlNet QR Code Monster 创意融合 → 4K 输出

3.4 关键插件与工具

---

四、视频处理方向工作流方案

4.1 视频生成模型选型

4.2 典型工作流

工作流 A：AI 视频短片生成（主机 A）

文字脚本 → HunyuanVideo/Wan2.1 文生视频 → Topaz Video AI 画质增强 + 插帧
    → DaVinci Resolve 剪辑 + 调色 + 音效 → 成品输出

工作流 B：图生视频 + 动态设计（主机 A）

Stable Diffusion 生成关键帧 → Wan2.1 图生视频
    → ComfyUI 串联 ESRGAN 逐帧增强 → FFmpeg 合成

工作流 C：AnimateDiff 动画短片（主机 B 可参与）

主机 A 生成角色参考 → 主机 B 跑 AnimateDiff 轻量动画
    → ControlNet 姿态控制 → 回合主机 A 增强输出

4.3 视频增强与后期工具

---

五、文案创作方向工作流方案

5.1 文案创作模型架构

┌────────────────────────────────────────────────┐
│                  文案创作层                      │
│  Ollama API (Qwen2.5-32B / DeepSeek-R1)        │
│  主机 A 主力推理，主机 B 作为备用推理节点          │
├────────────────────────────────────────────────┤
│               RAG 知识库层                        │
│  MaxKB / Dify + BGE-M3 嵌入 + Qdrant 向量库     │
│  主机 B 常驻服务，主机 A 可访问                   │
├────────────────────────────────────────────────┤
│                数据与文档层                       │
│  PDF/Word/Excel/Markdown 文档 → 自动向量化        │
└────────────────────────────────────────────────┘

5.2 RAG 知识库方案

5.3 典型工作流

工作流 A：长文档深度分析

上传 PDF/Word → MaxKB 自动切片 + BGE-M3 向量化 → Qdrant 存储
    → 用户提问 → RAG 检索 + Qwen2.5-14B（主机 B）生成回答

工作流 B：多语言文案创作

用户提出需求 → 主机 A Ollama (Qwen2.5-32B) 生成初稿
    → 接入 RAG 知识库检索品牌术语/风格指南（主机 B）
    → 融合生成终稿 → 人工校对

工作流 C：批量文档处理与摘要

批量文档 → 主机 B 逐一解析 (Llama-3.1-8B) → 生成摘要
    → 主机 A DeepSeek-R1 综合摘要 + 洞察 → 输出分析报告

5.4 文案效率工具

---

六、存储规划与资源分配建议

6.1 当前存储状况与风险

6.2 模型存储预估

6.3 存储优化建议

1. 主机 A 紧急清理（剩余仅 900GB，必须立即行动） - 清理 3 个月未使用的临时文件与缓存 - 将历史项目素材迁移至主机 B 或外置硬盘 - 模型文件仅保留常用版本，旧版归档 - 目标：释放至少 1TB 空间

2. 外置存储扩展 - 建议为主机 A 配备 4TB NVMe 外置 SSD（USB4/Thunderbolt 接口），专用于模型文件 - 主机 B 配备 8TB HDD 用于冷数据归档与备份

3. 分区规划

主机 A SSD：
  ├── 系统 + 软件：500GB
  ├── 模型文件：1.5TB（Flux、SDXL、Wan2.1、ControlNet 等）
  ├── 活跃项目素材：1.5TB
  └── 临时缓存：500GB

主机 B SSD：
  ├── 系统 + 软件：500GB
  ├── 大语言模型 (Ollama)：400GB
  ├── RAG 服务 + 向量库：200GB
  ├── 归档项目素材：3TB
  └── 备份区：1TB

---

七、综合部署架构图

┌──────────────────────────────────────────────────────────────────┐
│                          统一入口                                 │
│          Open WebUI / Cherry Studio / PageAssist 浏览器插件        │
└───────────────┬──────────────────────────────────┬────────────────┘
                │                                  │
┌───────────────▼──────────────┐  ┌────────────────▼────────────────┐
│         主机 A (主力)          │  │         主机 B (辅助)            │
│  i9-13900KF + RTX 4090 24G   │  │   i7-12700 + RTX 3080 10G        │
│  64GB DDR5                    │  │   64GB DDR4                     │
├───────────────────────────────┤  ├─────────────────────────────────┤
│                               │  │                                 │
│  ▸ 图像生成引擎                │  │  ▸ RAG 知识库服务                 │
│    ComfyUI + Flux/SDXL/SUPIR  │  │    MaxKB + BGE-M3 + Qdrant      │
│                               │  │                                 │
│  ▸ 视频生成引擎                │  │  ▸ 大语言模型服务 (常驻)           │
│    Wan2.1 / HunyuanVideo      │  │    Ollama: Qwen2.5-14B          │
│                               │  │                                 │
│  ▸ 大语言模型 (按需启动)        │  │  ▸ 辅助出图服务                   │
│    Ollama: Qwen2.5-32B        │  │    ComfyUI / SD WebUI Forge     │
│    DeepSeek-R1-Distill-70B    │  │    SDXL + Flux FP8              │
│                               │  │                                 │
│  ▸ 视频后期 + 剪辑              │  │  ▸ 批量文档处理                  │
│    Topaz Video AI             │  │    文档解析 / 摘要 / 翻译         │
│    DaVinci Resolve            │  │                                 │
│                               │  │  ▸ 数据存储与备份                 │
│                               │  │    归档项目 / 模型冷备份           │
└───────────────────────────────┘  └─────────────────────────────────┘
                │                                  │
                └──────────────┬───────────────────┘
                               │
                    ┌──────────▼──────────┐
                    │   共享网络存储 (NAS)   │
                    │   素材库 / 成品库 / 备份  │
                    └─────────────────────┘

网络拓扑：

• 两台主机通过 千兆/万兆局域网 互联，实现模型服务共享
• 主机 B 的 Ollama API 和 MaxKB 通过局域网暴露（http://主机B-IP:11434、http://主机B-IP:8080）
• 主机 A 的 ComfyUI 可通过 --listen 0.0.0.0 参数暴露，供主机 B 远程调用

---

八、实施事项：

8.1 分阶段实施路线

第一阶段：基础环境搭建（第 1-2 天）

• 主机 A：清理存储空间（目标释放 1TB）
• 两台主机安装 Ollama，拉取核心 LLM 模型
• 主机 A 安装 ComfyUI + 基础模型（Flux FP8、Juggernaut XL）

第二阶段：核心能力部署（第 3-5 天）

• 主机 B 部署 MaxKB + Qdrant + BGE-M3
• 主机 B 接入 Ollama 作为 RAG 后端
• 主机 A 安装 SUPIR、Wan2.1、HunyuanVideo
• 两台 ComfyUI 安装必需插件（Manager、ControlNet、IP-Adapter 等）

第三阶段：工作流打磨（第 6-10 天）

• 搭建 ComfyUI 预设工作流模板（超写实渲染 / IP 一致性 / 视频生成）
• 配置 RAG 知识库，导入常用设计规范、品牌手册、文案模板
• 测试跨主机协作场景（API 调用、模型共享）

第四阶段：优化与培训（第 11-14 天）

• 性能调优（Ollama 并发参数、ComfyUI 启动参数）
• 建立自动化脚本（批量文档处理、视频渲染管线）
• 编写内部使用手册

8.2 日常运行事项：

8.3 AI性能评估：

---

附录：推荐资源索引

开源项目

模型下载

---