Docker AI 官方镜像
Docker 官方维护的 AI 模型镜像集合(Verified Publisher),涵盖 GLM-4.7-Flash、Qwen3、GPT-OSS、DeepSeek、Kimi 等主流大语言模型,以及嵌入模型、重排序模型等,适合 AI 应用开发与部署。
Docker AI 官方镜像集合
推荐技术栈
模型推理框架
向量数据库
API 框架
部署工具
典型使用场景
智能对话系统
构建企业级智能客服、虚拟助手等对话应用,支持多轮对话、上下文理解、情感分析等功能。
语义搜索
基于向量嵌入的语义搜索系统,支持自然语言查询、相似度匹配、智能推荐等功能。
内容生成
自动生成文章、代码、摘要等内容,支持多种格式输出和风格定制。
知识问答系统
基于知识库的问答系统,支持文档检索、答案生成、引用溯源等功能。
代码助手
AI 驱动的编程助手,支持代码补全、错误修复、代码审查、文档生成等功能。
相关文章推荐
容器镜像漏洞周报(11.08–11.15):4 条已在野利用,7 个镜像至今没有补丁
2026-11-08 至 11-15 这一周,与容器镜像相关的高危漏洞共 34 组、22 条 Critical。PostgreSQL 一次修 52 个,OpenEMR 两批加起来近九十个编号,Node.js、Apache HTTP Server、Airflow、Grafana、Traefik、n8n 同周发版;GPUStack、OpenSSH+musl、FreeSWITCH、IBM Aspera Faspex 四条新进 CISA KEV,补丁期限 11 月 12 日已过。Keycloak、BusyBox、SurveyKing、Flowise 等 7 个镜像至今没有补丁。另有四个镜像的 latest 仍停在受影响版本:bitnami/postgresql、library/mongo、grafana-oss、linuxserver/openssh-server。
群晖拉不到第三方镜像?多半是 ghcr.io 这条链没通
群晖 DS920+ 实测:注册表搜得到、镜像下不动,immich 一直卡在 0%。讲清 Docker Hub 和 ghcr.io 两条链的差别,含图形界面配置步骤、前缀写法和排查顺序。
【漏洞预警】DB-GPT 再爆两枚高危漏洞,CodeAction 与 HuggingFace Adapter 可未认证执行代码(CVE-2026-123018)
DB-GPT ≤0.8.2 的 CodeAction execute_code 存在代码注入(CVE-2026-123018,High 8.3);HuggingFace Adapter 在 trust_remote_code 可控时可从不可信模型仓库加载并执行代码(CVE-2026-123019,High 7.3)。均可远程触发,公开利用细节已放出。与此前 react-agent / 硬编码 MySQL 口令那两条(CVE-2026-77932/77933)不是同一攻击面。Hub 最高仍是 v0.8.2,latest 与其同源,尚无修复标签。
Octop 部署教程:Docker Compose 安装腾讯云开源 AI 助手(实测 1.0.2)
Octop 是腾讯云开源的自托管 AI 助手,单进程提供 Web 控制台、CLI、IM 通道与多 Agent 协作,数据留在本机。本文将介绍如何通过 Docker Compose 部署 ghcr.io/tencentcloud/octop,搭建可私有化的多用户智能助手环境,适合家庭共用、小团队协作,以及需要对接飞书、钉钉等通道的场景。
【漏洞预警】融光 ai-fusion-video 爆高危漏洞,登录后可横向读写别人的项目(CVE-2026-121940)
已认证用户可对 /api/project、/api/asset、/api/script 等传入未鉴权作用域的对象 ID,形成 IDOR/BOLA,可读写或级联删除他人项目,并把自身加为成员(CVE-2026-121940,CVSS 3.1 为 8.8)。请把 stonewuu/ai-fusion-video 升到 1.3.0。今天的 latest 与 1.3.0 是同一份镜像。
常见问题 (FAQ)
Q1:如何选择合适的 AI 模型?
选择 AI 模型时需要考虑以下因素:1) 任务类型(对话、生成、理解等);2) 语言支持(中文、英文、多语言);3) 性能要求(响应速度、并发能力);4) 资源限制(GPU 内存、计算能力);5) 成本考虑(推理成本、部署成本)。建议先从小模型开始测试,根据实际效果逐步升级。
Q2:如何优化 AI 模型的推理性能?
优化推理性能的方法包括:1) 使用量化技术(INT8、INT4)减少模型大小;2) 使用批处理提高吞吐量;3) 使用 KV Cache 加速生成;4) 选择合适的推理框架(vLLM、TensorRT-LLM);5) 合理配置 GPU 资源;6) 使用模型并行和流水线并行。
Q3:如何确保 AI 模型的安全性?
确保 AI 模型安全性的措施:1) 使用官方认证的镜像(Verified Publisher);2) 定期更新镜像版本,修复安全漏洞;3) 实施访问控制和权限管理;4) 监控模型输出,防止有害内容;5) 使用内容过滤和审核机制;6) 遵循数据隐私法规(GDPR、个人信息保护法)。
Q4:如何构建 RAG(检索增强生成)系统?
构建 RAG 系统的步骤:1) 准备知识库文档并分块;2) 使用嵌入模型将文档向量化;3) 将向量存储到向量数据库;4) 用户查询时进行向量检索;5) 使用重排序模型优化检索结果;6) 将检索到的上下文与用户查询一起输入 LLM 生成答案。
Q5:支持哪些部署方式?
支持多种部署方式:1) Docker 容器部署(单机或集群);2) Kubernetes 部署(支持自动扩缩容);3) Docker Compose 部署(适合开发和小规模生产);4) 云平台部署(AWS、Azure、GCP);5) 边缘设备部署(支持模型量化)。所有镜像都经过优化,支持快速启动和稳定运行。