NAS 新技能：Kreuzberg 全格式提取文字

家里 NAS 除了存文件，还能跑服务。今天说的这个叫 Kreuzberg，一个开源的文档内容提取工具，丢给它一个文件，它把里面的文字还给你。

支持的格式挺全：PDF、Word、Excel、PowerPoint（新旧格式都行）、图片 OCR、HTML、邮件、压缩包。部署在 NAS 上之后，局域网里任何设备都能调用它。对家庭用户来说，扫描件转文字、整理 PDF 资料、给本地 AI 工具喂文档，都能用上。官方有现成的 Docker 镜像，同时支持 x86 和 ARM64，飞牛 fnOS 直接可以用，不需要自己编译。

先建好目录

打开 fnOS 文件管理器，进「我的文件」，在 Docker 文件夹下新建 kreuzberg，里面再建两个子文件夹：

/vol1/1000/Docker/kreuzberg/
├── cache/     ← 模型缓存，首次运行会自动下载
└── config/    ← 配置文件，可选

创建 Docker 项目

打开 fnOS 桌面的 Docker 应用，点左侧「Compose」，点「新增项目」。

创建项目页面，按需填写：

项目名称：kreuzberg
路径：/vol1/1000/Docker/kreuzberg

然后把下面的 compose 内容粘贴进编辑框，粘贴完，勾选「创建项目后立即启动」，点「创建」。

docker-compose.yml

普通家用选这个，镜像约 1~1.3GB，OCR 和常见格式都支持：

services:
  kreuzberg:
    image: ghcr.io/kreuzberg-dev/kreuzberg:latest
    container_name: kreuzberg
    ports:
      - "8780:8000"
    environment:
      - KREUZBERG_MAX_UPLOAD_SIZE_MB=200
      - RUST_LOG=info
      - TZ=Asia/Shanghai
    volumes:
      - /vol1/1000/Docker/kreuzberg/cache:/app/.kreuzberg
    restart: unless-stopped
    healthcheck:
      test: ["CMD", "kreuzberg", "--version"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 10s

NAS 内存比较小（4GB 以下）的话，加上资源限制：

    deploy:
      resources:
        limits:
          memory: 1G
          cpus: "1"
        reservations:
          memory: 512M
          cpus: "0.5"

等镜像拉取完

第一次启动会从 ghcr.io 拉取镜像，大小 1~1.3GB，5~20 分钟不等，取决于网速。在 Docker 应用「容器」标签里能看到进度。变成绿色「运行中」就好了。

验证一下

在局域网里任意设备的浏览器输入：

http://你的NAS的IP:8780/health

返回内容就说明跑起来了。

用法

API 接口

提取单个文件：

curl -F "files=@/path/to/document.pdf" http://NAS的IP:8780/extract

同时提取多个文件：

curl -F "files=@report.pdf" \
     -F "files=@contract.docx" \
     http://NAS的IP:8780/extract

扫描件（拍照的合同、图片格式的文件）直接发过去，Kreuzberg 会自动调用 OCR：

curl -F "files=@scanned.jpg" http://NAS的IP:8780/extract

只想要纯文字，加 format 参数：

curl -F "files=@document.pdf" \
     -F "format=text" \
     http://NAS的IP:8780/extract

配合本地 AI 工具

如果 NAS 上跑了 Ollama 或 Open WebUI，可以先用 Kreuzberg 把 PDF 里的文字提取出来，再把文字发给模型。很多模型处理纯文字比处理 PDF 格式稳定得多。

把提取结果存成 txt 文件的脚本：

#!/bin/bash
# 用法：bash extract.sh 合同.pdf
curl -s -F "files=@$1" \
  http://NAS的IP:8780/extract \
  | python3 -c "import sys,json; print(json.load(sys.stdin)[0]['content'])" \
  > ".txt"

批量处理

把一个目录下的 PDF 全部提取一遍，结果追加到同一个 JSON 文件里：

for f in /vol1/1000/documents/*.pdf; do
  echo "处理：$f"
  curl -s -F "files=@$f" http://localhost:8780/extract \
    >> /vol1/1000/documents/extracted_all.json
  echo "" >> /vol1/1000/documents/extracted_all.json
done

MCP 服务器模式

支持 MCP 协议的 AI 工具（比如 Claude Desktop）可以直接把 Kreuzberg 挂成文档读取工具。在 compose 里加一行 command：

services:
  kreuzberg:
    image: ghcr.io/kreuzberg-dev/kreuzberg:latest
    command: mcp
    ports:
      - "8780:8000"
    volumes:
      - /vol1/1000/docker/kreuzberg/cache:/app/.kreuzberg
    restart: unless-stopped

然后在 AI 工具的 MCP 配置里填 http://NAS的IP:8780。

常用环境变量

变量名	默认值	说明
`KREUZBERG_MAX_UPLOAD_SIZE_MB`	100	单文件上传大小限制（MB）
`KREUZBERG_CORS_ORIGINS`	无	允许跨域的来源，多个用逗号分隔
`RUST_LOG`	warn	日志级别，调试时改成 `debug`

从局域网其他设备的网页里调用 API，需要设置 CORS。允许所有来源：

- KREUZBERG_CORS_ORIGINS=*

遇到问题

容器起不来，在 Docker 应用里点容器名，看「日志」标签。端口 8780 被占用是最常见的原因，把 compose 里 8780:8000 改成 8787:8000 再试。

上传文件报错，检查文件大小有没有超过 KREUZBERG_MAX_UPLOAD_SIZE_MB 的设置。

挂载目录权限报错，在 fnOS 终端执行：

chown -R 1000:1000 /vol1/1000/docker/kreuzberg/cache

容器内用的是非 root 用户（UID 1000），目录权限对不上就会报错。

第一次调用 OCR 功能时，Kreuzberg 会自动下载模型文件，90MB~1.2GB 不等，只发生一次，下载完缓存在 cache 目录里。第一次提交文件等几分钟是正常的。

fnOS 路径	容器内路径	用途
`.../kreuzberg/cache`	`/app/.kreuzberg`	模型缓存、OCR 缓存
`.../kreuzberg/config`	`/config`	自定义配置（可选）

项目地址：github.com/kreuzberg-dev/kreuzberg

官方文档：docs.kreuzberg.dev