Dream Server 是一个一条命令部署的自托管本地 AI 全栈平台：用分层 Docker Compose 预接好 24 个服务——llama-server（LLM 推理）、Open WebUI（聊天）、whisper（语音转文字）、Kokoro（文字转语音）、n8n（工作流）、ComfyUI（图像生成）、TEI 嵌入 + RAG、SearXNG 搜索等，安装器自动检测 GPU（NVIDIA/AMD Strix Halo/Apple Silicon/Intel Arc）、选模型、生成凭证、拉起整套，无云、无订阅。
来源：README 首段 + What's In The Box + ARCHITECTURE.md（24 服务） 查看 GitHub 仓库 →想自己跑本地 AI 的人面对的现实是：要把十几个项目（推理引擎、聊天 UI、语音、工作流、RAG、画图）拼起来、手写 Docker 配置、调 CUDA 驱动，多数人调到崩溃就回去付 OpenAI 了。Dream Server 把这件事做成「一条命令」：DREAMGATE 安装器自动检测 GPU、选合适模型、生成凭证、编排全部服务，所有组件开箱即通。它的工程亮点是分层 compose 模型（base 核心服务 + GPU 专属 overlay + 扩展 compose）+ registry 驱动的 dream-cli 管生命周期，硬件自检覆盖 NVIDIA/AMD Strix Halo 统一内存/Apple Silicon Metal/Intel Arc SYCL 四类，跨 Linux/Windows(WSL2)/macOS。每个服务都是可插拔扩展（dream enable），还能切云/混合模式（OpenAI/Anthropic/Together）。在「本地 AI 一键全家桶」这条线上，它把硬件适配和服务编排的脏活做得相当完整。
来源：README 'Why Dream Server' / Hardware Auto-Detection / ExtensibilityDREAMGATE 安装器（install.sh / install.ps1 / dream-macos.sh）一条命令：检测 GPU、选模型、生成凭证、拉起全部服务、建 Dashboard 快捷方式。覆盖聊天/推理、agent/自动化、语音、搜索、RAG、图像生成、隐私工具、可观测、开发者工具，全部预接好开箱互通。
来源：README Why / Installation + ARCHITECTURE.md（24 service manifests）llama-server（高性能 LLM 推理，continuous batching，Linux Docker 默认 :11434/容器 :8080）、Open WebUI（:3000，聊天+历史+网搜+文档上传+30 语言）、whisper（STT :9000）、Kokoro TTS（:8880）、n8n（工作流 :5678）、ComfyUI（图像生成 :8188）、TEI 嵌入 + RAG pipeline、SearXNG 搜索。
来源：README What's In The Box + ARCHITECTURE.md（端口/服务图）安装器自动识别并配置加速路径：NVIDIA（CUDA + Docker GPU passthrough）、AMD Strix Halo（统一内存，平台专属加速路径）、Apple Silicon M1+（llama-server 原生 Metal、其余服务跑 Docker）、Intel Arc（Linux SYCL）。按显存/统一内存自动挑模型大小。
来源：README Hardware Auto-Detection 节架构是分层 compose：base compose 定义核心服务、GPU overlay 配硬件加速、扩展 compose 加可选服务；registry 驱动的 dream-cli 管理整个生命周期（status/enable 等）。这套分层让「同一套服务跨不同 GPU/平台」可维护。
来源：ARCHITECTURE.md（layered compose model + registry-driven CLI）每个服务都是一个扩展——丢进一个文件夹、dream enable 即启用。这套可插拔设计让用户按需增减服务、自定义栈，而不必改核心。
来源：README Extensibility / Why（Fully moddable）无 GPU 也能跑——云模式用 OpenAI/Anthropic/Together API 撑同一套全栈，云/混合模式可选。跨 Linux（NVIDIA+AMD+Intel Arc）/Windows（Docker Desktop+WSL2）/macOS（Apple Silicon + Docker）。默认本地优先、无云无订阅、自动生成凭证，带 SECURITY_AUDIT。
来源：README Why / 平台支持表 / Bootstrap ModeDream Server 是个「编排层」而非自研推理：核心资产是围绕 24 个 bundled service manifest 的分层 Docker Compose 配置（base 核心 + GPU 专属 overlay + 扩展 compose）+ 少量 host-managed helper（如 macOS 原生 llama-server）。dream-server/（1130 文件）是这些 compose、服务清单、配置和 dream-cli 的本体；installer/（59）是各平台安装器（DREAMGATE）；用 Shell 写安装/编排逻辑（仓库主语言 Shell）。运行模型：安装器检测 GPU → 选 GPU overlay 和模型 → 生成凭证 → docker compose 拉起 base + overlay + 启用的扩展；服务间预接好（Open WebUI 连 llama-server/ComfyUI/whisper/TTS/SearX，dream-api 连 llama/n8n）；registry 驱动的 dream-cli 管生命周期。测试面分层：CI + tower2 Docker 容器覆盖发行版安装逻辑、Incus VM 覆盖 systemd+Docker 行为、真实硬件 fleet 作为 NVIDIA/AMD/Apple GPU 运行时的发布门。设计判断：把「拼装本地 AI 栈」的脏活（硬件检测 + GPU overlay + 服务编排 + 凭证）封装成一条命令、用分层 compose 解决「同栈跨多 GPU/平台」、用扩展机制保持可插拔，是非常贴合「让普通人也能跑本地 AI」目标的工程；它本身不发明推理或模型，价值在编排与硬件适配的完整度，因此质量高度依赖所 bundle 的上游项目（llama.cpp/Open WebUI/ComfyUI/n8n 等）。
来源：ARCHITECTURE.md + tree（dream-server/installer）+ README中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
llama.cpp（llama-server）— LLM 推理；Open…whispern8nTEI 嵌入 + RAG pipeline；SearXNGDocker / Docker Desktop（Win 需 WSL2，m…1. 想跑本地 AI 但不想调 CUDA/写 Docker 的人：一条命令拿到聊天、语音、画图、工作流、RAG 全栈，无需手动拼十几个项目；2. 隐私/离线场景：代码和数据留本机、无云无订阅，适合敏感数据或断网环境；3. 多硬件用户：NVIDIA/AMD Strix Halo/Apple Silicon/Intel Arc 都自动适配，换机器不用重配；4. 本地工作流自动化：用内置 n8n + llama-server 搭本地 AI 工作流，用 ComfyUi 做本地图像生成；5. 自定义 AI 栈：用扩展机制（dream enable）按需增减服务、搭自己的本地 AI 平台；6. 无 GPU 过渡：先用云模式跑同一套全栈，之后加 GPU 再切本地。
来源：README Why / What's In The Box / Extensibility / Bootstrap Modev2.5.0（2026-05-21）。3 个主要 release：v1.0.0 (2026-02-22) → v2.0.0 (2026-03-04) → v2.5.0 (2026-05-21)。仓库 2026-02-09 创建，2.x 线持续迭代，pushed 到 2026-05-21 活跃。具体变更以 release notes 为准。
来源：GitHub Releases API（3 个 tag）如果你想跑本地 AI 但不想花一个周末拼 Docker、调 CUDA，Dream Server 是目前一键化做得最完整的自托管全家桶：一条命令装好 llama.cpp + Open WebUI + ComfyUI + n8n + 语音 + RAG 等 24 个服务，自动适配 NVIDIA/AMD/Apple/Intel 四类 GPU。务实建议：1) 先确认硬件够——全栈同跑对显存/内存/磁盘要求不低，低配机建议只 enable 需要的服务而非全开；2) 装前先把 Docker Desktop（Win 要 WSL2、mac 要 Apple Silicon）跑起来；3) 它是编排层，体验质量取决于上游项目（Open WebUI/ComfyUI 等），遇到具体功能问题往往要查对应上游；4) 多个本地端口默认暴露（3000/8188/5678 等），务必确认不要误暴露到公网，自托管的网络边界自己负责；5) 没 GPU 可先用云模式过渡；6) AMD Strix Halo / Intel Arc 等较新路径建议查支持矩阵并实测，真实硬件组合是该项目的发布门、也最容易遇边界。
来源：综合分析