[其他] 使用Docker在NAS部署开源AI搜索引擎Perplexica，打造私有信息获取工具

你是否厌倦了在通用搜索引擎中筛选海量广告和不相关信息？对于开发者或技术研究者而言，一个能直达高质量信息源、并保障隐私的搜索工具至关重要。Perplexica 是一款注重隐私的开源 AI搜索引擎，它能够在你自己的硬件上运行，结合了互联网的实时信息与大型语言模型的推理能力，为你提供带有准确来源引用的答案。

其核心特色包括：

• 🤖 广泛的AI模型支持：既可通过 Ollama 使用本地大型语言模型，也能连接 OpenAI、Anthropic Claude、Google Gemini、Groq 等云端服务，让你根据需求灵活选择。
• ⚡ 智能搜索模式：提供“速度”、“平衡”、“质量”三种模式，分别对应快速回答、日常查询和深度研究。
• 🔍 私有化网页搜索：默认由 SearxNG 提供支持，这是一个开源的元搜索引擎，能在聚合多个搜索引擎结果的同时保护你的隐私。
• 📄 多格式文件理解：支持上传 PDF、文本、图片等文档，并针对文档内容进行提问和分析。
• 🌐 指定网站搜索：当你明确知道目标信息所在领域时，可以限定只搜索特定网站（如技术文档站、学术论文库），大幅提升效率。
• 📚 信息管理：所有搜索历史、上传的文件都会保存在本地，方便你随时回溯和管理自己的研究资料。

下面，我们来看看如何在自己的 NAS 上通过 Docker容器 快速部署它。

部署安装

Perplexica 提供了两种 Docker Compose 部署方式。第一种是集成版，包含了内置的 SearxNG 服务，开箱即用。

services:
  perplexica:
    image: itzcrazykns1337/perplexica:latest
    container_name: perplexica
    ports:
      - 3000:3000
    volumes:
      - ./data:/home/perplexica/data
    restart: always

第二种是轻量版，不包含 SearxNG，需要你自行部署并连接一个外部的 SearxNG 实例。这种方式更灵活，适合已经拥有 SearxNG 服务或希望进行更复杂配置的用户。

services:
  perplexica:
    image: itzcrazykns1337/perplexica:slim-latest
    container_name: perplexica
    ports:
      - 3000:3000
    volumes:
      - ./data:/home/perplexica/data
    environment:
      - SEARXNG_API_URL=http://your-searxng-url:8080
    restart: always

  searxng:
    image: searxng/searxng:latest
    container_name: searxng
    ports:
      - 8080:8080
    volumes:
      - ./searxng:/etc/searxng
    environment:
      - BASE_URL=http://your-searxng-url:8080
    restart: always

选择其中一种方式，将 docker-compose.yml 文件保存到 NAS 的某个目录，然后在该目录下执行 docker-compose up -d 即可启动。

配置与使用

容器启动后，在浏览器中输入 http://你的NAS_IP:3000 即可访问 Perplexica 的 Web 界面。

首次使用需要进行简单的初始化配置。首先，点击界面上的 “+ Add Connection” 来添加一个 AI 模型连接。

Perplexica 支持众多 AI 提供商，包括 OpenAI、Ollama、Gemini 等。为了使用国内可访问的模型，这里我们选择兼容 OpenAI API 的接口。许多国内模型平台（如硅基流动、深度求索等）都提供了兼容 OpenAI 的 API。

以硅基流动 (SiliconFlow) 为例，在连接配置中填入：

• Connection Name: siliconflow （可自定义）
• API Key: 你的平台 API Key
• Base URL: https://api.siliconflow.cn/v1

配置好连接后，还需要为此连接添加具体的“对话模型”和“嵌入模型”。点击 “CHAT MODELS” 下的 “+ Add”。

在弹出窗口中，填写你希望使用的模型名称。例如，可以使用 DeepSeek 的模型：

• Model name: DeepSeek-V3.2
• Model key: deepseek-ai/DeepSeek-V3.2

同样地，点击 “EMBEDDING MODELS” 下的 “+ Add” 来添加一个用于文本向量化的模型。这一步不是必须的，你可以直接使用对话模型来兼任，但专用的嵌入模型通常效果更好。例如，添加 Qwen 的嵌入模型：

• Model name: Qwen3-Embedding-8B
• Model key: Qwen/Qwen3-Embedding-8B

添加完模型后，界面会显示已配置的模型列表。确认无误后，点击右下角的 “Next →”。

在最后的模型选择页面，分别在下拉菜单中选择刚才配置的对话模型和嵌入模型，然后点击 “Finish” 即可完成初始化。

现在，你就进入了 Perplexica 的主界面，可以开始使用了。界面中央的输入框就是你的搜索入口。

实际体验

我们直接输入一个常见问题来测试效果，例如：“今天有什么热门新闻”。

Perplexica 会立即开始工作。与直接询问通用 AI 不同，它的工作流程是：先通过 SearxNG 在互联网上实时搜索相关信息，然后利用你配置的 AI 模型对搜索结果进行整理、归纳和总结，最后生成一份结构清晰的答案报告。

可以看到，生成的答案质量相当高，信息聚合效率远超传统的手动搜索。

最关键的特性是，答案中的每一段陈述几乎都标有数字上标，这些上标对应左侧 “Sources” 栏中的信息来源链接。你可以轻松点击查看原文，核验信息的真实性和上下文，这极大地增强了答案的可信度。

报告末尾，AI 还会根据当前话题，智能生成一系列相关的延伸问题，帮助你进行更深入的探索。

对于有价值的搜索结果，你可以点击右上角的导出按钮，将整个对话（包括问题、答案和来源）导出为 Markdown 或 PDF 格式的文件进行保存，方便日后查阅或分享。

如果你对默认 “Balanced” 模式下的快速答案不够满意，可以在提问前点击输入框左侧的地球图标，切换到 “Quality” 模式。该模式下，AI 会进行更深度、多步骤的搜索和思考，当然耗时也会更长，但最终答案的广度和深度会显著提升。

在 “Quality” 模式下，你可以在侧边栏实时看到 AI 的“思考过程”，包括它规划了哪些搜索查询、找到了多少结果等，整个过程非常透明。

最终生成的报告内容也更为详实，更像一篇经过充分调研的综述。

除了主动搜索，Perplexica 还提供了一个 “Discover” 页面，它会聚合当前网络上的热门或有趣的文章内容，帮你被动获取信息，保持对领域热点的敏感度。

所有你进行过的搜索对话，都会自动保存在 “Library” 库中。你可以随时回来查看历史记录，快速回溯之前的研究内容。

总结

经过一段时间的体验，Perplexica 确实给人带来了惊喜。对于需要高频、高效获取高质量信息的技术人员或内容工作者来说，它解决了几个核心痛点：

1. 信息提纯：利用 AI 从嘈杂的网络信息中快速提炼出关键内容，节省大量筛选时间。
2. 来源可溯：每一条信息都附带原始链接，这不仅便于核验，也让你能够追溯到更丰富的上下文，这是普通 AI 聊天机器人无法做到的。
3. 隐私可控：所有数据（搜索历史、上传文件）都保存在你自己的服务器上，搜索请求也通过私有 SearxNG 实例发出，隐私性有保障。
4. 部署灵活：基于 Docker 的部署方式极其简单，无论是在 NAS、家庭服务器还是云主机上都能快速搭建。

实测中，即使不依赖特殊的“良好网络”，仅使用默认配置也能获得可用的搜索结果。对于有进阶需求的用户，完全可以单独深度配置 SearxNG，添加自定义搜索引擎或进行更复杂的网络设置。

总的来说，Perplexica 是一款能切实提升信息获取质量和效率的优秀开源工具。如果你正在寻找一个更智能、更私密的搜索解决方案，不妨在你的 NAS 上尝试部署一下。对于这类优秀的开源项目实践，也欢迎大家在 云栈社区 进行更多的交流和分享。

综合推荐：⭐⭐⭐⭐（绝非噱头，有效提高信息获取质量）
使用体验：⭐⭐⭐⭐（功能全面，模式灵活）
部署难度：⭐⭐（基于Docker，非常简单）