前几天夜里打雷，宽带猫挂了一次。路由器亮红灯，WiFi 全断。本来想查一个不常见的小众病症的英文资料，结果发现手机热点也没信号——运营商基站大概也被雷劈了。那一分钟我才意识到，家里那台 NAS 是通的，电也是通的，但它装着几百 TB 文件，却没有一项能回答我那天想问的问题。
这种场景过去我只想到过，没真正动手过。直到刷 GitHub Trending 刷到 Project NOMAD（项目名是 Node for Offline Media, Archives, and Data），36k stars，Apache 2.0，作者 Crosstalk Solutions 团队（一个 YouTube 网络频道的母公司）。一句话讲完它是什么：
一个 Docker Compose 编排的离线知识与教育服务器，离线百科 + 本地 AI + 离线地图 + 离线课程 + 数据工具，全部跑在你自己的机器上，断网后照样工作。
它不是新项目，但 8 月 4 日刚发了 v1.34.0。这一版加了不少东西，等下说。先说它本身。
它在 NAS 上能干什么
部署完一条 curl | sudo bash 之后，浏览器访问 NAS_IP:8080 就是下图这样的「Command Center」。每个卡片对应一个独立模块：
- 信息图书馆（Kiwix 引擎）：Wikipedia 完整快照（仅英文就要 100 GB 不到，加图 99.6 GB / 不加图 24.4 GB），还有 Project Gutenberg、WikiMed、WikiHow、生存指南、IFixIt 维修手册
- 本地 AI 助手（Ollama + Qdrant）：默认会装一个 1.88 GB 的 llama3.2:latest 给你试试手，你想换 7B/13B/70B 都行，靠向量库给你跑 RAG——你上传的 PDF 都让本地 AI 去检索回答
- 教育平台（Kolibri）：Khan Academy 完整课程，带学习进度追踪
- 离线地图（ProtoMaps）：OpenStreetMap 的瓦片数据，按需下载，按区域存
- 数据工具（CyberChef）：GCHQ 那个老朋友，200 多种编码/加密/哈希转换
外加一个 Supply Depot：像一个一键安装的 app 市场，PDF 工具、文件浏览器、密码管理器都装好就能用。
内容这块，你不会想真的下 100 GB：上面「Content Explorer」会让你挑——Popular Articles 2.1 GB、Quick Reference 313 MB，Wikipedia Plus 11.1 GB，到 Complete Wikipedia Full 99.6 GB，按需勾选。
v1.34.0 新版到底加了什么值得装的
CHANGELOG 一长串，但大部分是 bug fix 和 UI 细节。值得升级的几个点：
- FDA 离线药物参考：标签、相互作用、适应症、补救方案都本地化。听起来冷门，但对需要在偏远地区给父母查某种药与另一种药冲突的家庭，这个是真正救命的功能
- Score v2 多架构 benchmark：官方把之前占位的 13.2 分替换成实测数值，正式支持多架构对比并显示 NVIDIA GPU 利用率叠层。这个才让 leaderboard 上的分数有意义
- Offline content 在主程序里直接管：之前下载、删除 ZIM 要切到 Kiwix；现在主控面板就能搞定，不用跨 UI
- Ubuntu 26.04 LTS 列为默认推荐系统：24.04 LTS 和 Debian 12 也都支持
- mammott 库接入 RAG：之前 .docx 上传只能解出乱码，现在走 mammoth，Word 文档可以正常进知识库
- OpenAPI 文档：开发者友好，Scalar UI 直接看 API
本地 AI 是什么手感
勾上 AI 模块之后就是 Ollama + Qdrant 的标准组合：左边对话列表，右边模型选择和输入框，默认拉一个 1.88 GB 的 llama3.2:latest 让流程跑通——所有对话在浏览器和你机器之间来回，永远不出网：
需要正经本地 AI 时把默认模型换成 7B 或 13B 的 Qwen 系列，上传你的 PDF 进 Knowledge Base，所有检索在 Qdrant 里跑，模型输出基于你给它的内容。这套本地 RAG 我已经用了快一年，没掉过链子。
在我 NAS 上的实际消耗
这个才是真正的取舍。我那台是 32 GB 内存但没有独立显卡的 NAS，等于官方清单里「需要 RTX 3060 跑全功能 AI」够不上，只能满足「4 GB RAM + 5 GB 磁盘」的最小规格。但官方文档有句话有意思：
如果跳过 AI 模块，即便是老笔记本电脑也能承载 Wikipedia、地图、教育内容而毫不费力。
也就是说，AI 不是必装的。我的策略是：
- 先装 Knowledge Library + Maps + Notes 这个最小集，占空间主要是 Wikipedia 选择下载的那一份
- 等用了一两个月、确认对内容选择没异议了，再回头勾上 AI Assistant
- AI 部分只跑 Q4 量化的 7B 模型，32 GB 内存下能同时跑两个 7B 或一个 13B；70B 我没试，理论上吃力
如果你家 NAS 没独显但装了 AMD 带核显的 CPU 也不错——v1.34 专门修了一票 AMD iGPU 的问题，让核显真的能被用上而不是默默退回 CPU 推理。
踩坑预警
- 体积焦虑：全功能全资料包能上 500 GB。我那个空卷紧巴巴的，先上了 No Wikipedia 只装 WikiMed 和 WikiHow，大概占 4 GB。等确认数据用得上再下载完整版
- 没有内置认证：暴露在 LAN 上时所有人都能访问 8080 端口。官方建议靠防火墙或 IP 白名单兜底。我图省事把它绑到 NAS 本地，只通过 SSH 隧道访问
- AMD 核显不是白嫖的：要装 ROCm + Vulkan 那一堆驱动，并且 v1.34 才让 OLLAMA_IGPU_ENABLE 自动启用 iGPU，否则默认只走 CPU
- 下载 ZIM 是慢活：100 GB 的 Wikipedia 带图版本，在百兆宽带下要 2-3 小时，第一次拉会让你怀疑是不是断了
地图部分倒是很轻：一张 OpenStreetMap 离线图存完大概几十 MB，缩放、搜索、备注点都好用：
它不是什么
它不是空中楼阁，也不是末日狂想。同类商业化方案：PrepperDisk（$199-279，绑定树莓派）、Doom Box（$699，只有 7B 基础模型）、R.E.A.D.I.（$499，单机）。NOMAD 完全免费、任何 x86 Linux 机器都能跑（不限 NAS），而且 AI 能力不打折。这点现在在 self-hosted 圈里算得上稀有了。
我对它的判断：它现在是一份高分答案，但需要你确实有一台省电、长期开机的设备。NAS 是最天然的宿主，没有 NAS 也可以是一台迷你机、旧笔记本、HTPC。它不能替你上网，但能让你关掉网络后该查的能查、该学的能学、该问 AI 的还能问 AI。
如果你和我一样有「断网之后手里只剩硬盘」的不安全感，装一套试试。
—— 题图来自 Project NOMAD 官方截图。仓库地址：github.com/Crosstalk-Solutions/project-nomad，官网 projectnomad.us。