有时候测试一些本地项目时，需要在局域网进行 Docker 项目调试，每次拉取代码进行构建也比较麻烦，所以需要一个私有仓库来进行这些项目的调试，故作以下记录。

前提条件

• 已安装 Docker

安装 registry

registry 是 Docker 官网出的用于管理镜像的工具，可以直接用 docker 拉起，配置简单，适合个人内部测试使用；

• 以 Synology DSM 7.2.x 为例，在系统中创建一个用于运行 registry 的目录，如：/volume1/docker/registry ；
• 然后在 Container Manager 的项目中新增项目，填写名称，选择目录后，选择创建 docker-compose.yml，内容如下

  version: "3.3"
  services:
    registry:
      image: registry:3
      container_name: registry
      restart: always
  
      volumes:
        - ./data:/var/lib/registry  # 数据持久化
        - ./certs:/certs            # TLS证书
        - ./auth:/auth              # 认证文件
      environment:
        REGISTRY_HTTP_ADDR: 0.0.0.0:80
        REGISTRY_HTTP_SECRET: 1234567890
  
      networks:
        default:
          ipv4_address: 192.168.1.45
  
  networks:
    default:
      external:
        name: macvlan-net
  

• 注：如果是其他版本的 docker compose 可使用以下配置：

  services:
    registry:
      image: registry:2
      container_name: registry
      restart: always
  
      volumes:
        - ./data:/var/lib/registry  # 数据持久化
        - ./certs:/certs            # TLS证书
        - ./auth:/auth              # 认证文件
      environment:
        REGISTRY_HTTP_ADDR: 0.0.0.0:80
      
      networks:
        default:
          ipv4_address: 192.168.1.45
          
  networks:
    default:
      name: macvlan-net
      external: true
  

• 等待创建完成，需要保持网络畅通；
• 完成后，可访问 http://192.168.1.45/v2/_catalog 看是否正常，如返回 {} 表示创建成功；
• 此时默认没有使用 SSL 加密，一般用于内网；

使用仓库

在本地使用私有仓库之前，需要在本地的 Docker 上进行一些配置才可以正常使用；

• 修改 /etc/docker/daemon.json 文件（ Windows 直接在 Settings -> Docker Engine 配置上修改），增加以下内容：

  {
    "insecure-registries" : ["192.168.1.45:80"]
  }
  

• 注意，一定要加上端口号，否则 Docker 会报错
• 然后重启 Docker 服务；
• 使用以下命令测试仓库是否可用：

  # 1. 构建测试镜像
  docker pull nginx:alpine
  docker tag nginx:alpine 192.168.1.45:80/mynginx
  
  # 2. 推送镜像到仓库
  docker push 192.168.1.45:80/mynginx
  
  # 3. 验证
  curl http://192.168.1.45:80/v2/_catalog
  # 应该返回 {"repositories":["mynginx"]}
  

• 如果没有错误，表示仓库已正常使用；
• 局域网内的设备都可在 compose.yaml 文件里使用 192.168.1.45:80 作为仓库源来拉取镜像

进阶

更高级的用法可以使用 sonatype/nexus3 ，具体可参考：
https://hub.docker.com/r/sonatype/nexus3/

 我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来： 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

​