Onyx 快速上手：零成本搭建你的私有 AI 知识助手
【免费下载链接】danswerOpen Source AI Platform - AI Chat with advanced features that works with every LLM项目地址: https://gitcode.com/GitHub_Trending/da/danswer
晚上十点半，你想确认上周那份产品文档里提到的缓存策略，翻遍聊天记录无果。这时你打开自己搭的 Onyx 私有 AI 助手，问完 30 秒就拿到带出处的答案。Onyx 是一个开源免费的 AI 应用层，把聊天、RAG 检索、联网搜索、代码执行装进同一个界面，支持接入任意大模型——API 服务的、自托管的都可以。社区版基于 MIT 协议，核心功能不收费。
Onyx 私有 AI 助手：把团队文档变成可问答的入口
它凭什么能把知识库变成随问随答的入口？
混合检索，答案带出处。Onyx 的 RAG 不是只靠向量相似度硬凑，而是向量加关键词的混合索引，回答时把命中的原文片段列在答案旁边。你看到的是"依据哪几段材料答的"，而不是一个让你将信将疑的大段文字。
50 多个连接器开箱即用。你的知识散落在 Slack、Notion、Google Drive、Confluence、Jira 里，Onyx 在 backend/onyx/connectors/ 目录下内置了 50 多个连接器，逐个勾选、授权、同步，不用自己写抓取脚本。
回答不是一次性的，会动手。除了聊天，它还能执行代码、生成文档图表这类可下载的 Artifact、发起多步骤的深度研究（Deep Research）。你问"上个月各渠道投诉量对比"，它可以自己跑分析再给你结论。
模型随便换，不被绑定。OpenAI、Anthropic、Gemini 的 API 能用，Ollama、vLLM 这类本地部署的也能接。哪家用得起就用哪家，切换在设置里改一下就行。
Onyx 怎么部署：容器化、轻量与源码构建
最快跑起来：Lite 模式
第一次体验建议用 Lite 模式，它只保留一个 PostgreSQL，不吃内存（1GB 以内就够），没有向量库和后台 worker，但核心聊天、文件上传、Agent 都能用：
git clone https://gitcode.com/GitHub_Trending/da/danswer cd danswer/deployment/docker_compose docker compose -f docker-compose.yml -f docker-compose.onyx-lite.yml up -d完成后浏览器打开http://localhost:3000，你会看到一个注册页面，整个环境几分钟内拉起。
完整部署：标准版拉满 RAG 能力
正式使用需要完整栈：向量索引、后台同步 worker、Redis 缓存、MinIO 文件存储。配置模板在 env.template，照搬即可：
cd deployment/docker_compose cp env.template .env docker compose up -d启动后访问http://localhost:3000（80 端口也映射了），看到登录页即代表各容器都活着；docker compose ps可核对每个服务状态。
进阶：从源码构建镜像
要改后端逻辑或做二次开发，就从源码构建，入口在 backend/Dockerfile：
git clone https://gitcode.com/GitHub_Trending/da/danswer cd danswer docker build -t onyx-backend -f backend/Dockerfile .构建出的镜像可以替换 compose 文件里的官方镜像，方便你在本地直接调试 backend/onyx/ 下的代码。
接入知识源后，Onyx 可以基于团队文档作答
第一次使用 Onyx：三步进入日常问答
- 建账号。打开
http://localhost:3000注册第一个账户，它自动成为管理员，你会落在个人主页。 - 接一个模型。进"设置"找到 LLM 配置，粘贴你常用的 API Key 并选一个模型；如果本地跑着 Ollama，选自建供应商填
http://host.docker.internal:11434即可。 - 喂第一份知识。上传一个 PDF 或文件夹，等索引完成，直接提问。你会看到答案下方列出引用的原文片段，点开就是出处。
到这里，一个能回答"自家文档"的助手就跑起来了。
功能深挖：三个真正把效率拉满的能力
连接器同步：让分散的知识自动入库
它解决什么：手动复制粘贴文档进 AI 不可持续，Slack、Notion 里的内容每天都在变。怎么开启：在知识库页面新增来源，选对应连接器，走一遍 OAuth 授权，然后设置全量/增量同步频率。文档更新后 Onyx 会按周期重新索引，你问到的永远是最新版。
Deep Research：把"查一下"变成研究报告
它解决什么：单个问答的深度有限，调研类问题需要多轮检索加综合。怎么开启：在提问入口选 Deep Research 模式，它按多步流程先规划、再分头检索、最后汇总成报告，过程可追踪，适合写竞品分析、故障复盘这类任务。
代码执行：让它自己算，而不是自己编
它解决什么：涉及数字的问题，让 LLM 心算容易出错。怎么开启：上传 CSV 后启用代码执行，它会在沙箱里写脚本统计、画图，你拿到的是算出来的结果，还能下载生成的图表文件。
分析类任务的中间过程与产物都可查看、可下载
踩坑实录：三个我真实踩过的坑🔧
坑一：打不开页面。现象是浏览器连localhost:3000都没反应。原因是前置 nginx 默认占用 80 和 3000 端口，和我本机的服务撞了。解决一行：在.env里加HOST_PORT_80=8080，然后docker compose up -d，改用http://localhost:8080访问。
坑二：Lite 模式下连接器是灰的。装完发现知识库建不起来。原因是 Lite 模式为了省资源关掉了向量库和后台 worker，RAG 相关功能整体不可用。解决：去掉-f docker-compose.onyx-lite.yml换成完整 compose 文件重启，这是模式设计如此，不是 bug。
坑三：容器起一半就退出。docker compose logs里看到 API 服务直接拒绝启动。原因是USER_AUTH_SECRET是必填项，手动建.env时忘了填。解决：openssl rand -hex 32生成一串填进去。
进阶建议：上线前值得做的三件事
- 安全：给团队用之前，务必重新生成
USER_AUTH_SECRET并补上ENCRYPTION_KEY_SECRET，对外暴露时套一层反向代理加 HTTPS；指标端点/metrics默认要 token 才能访问，保持默认即可。 - 备份：对话、用户等数据都放在命名 Docker volume 里，定期把卷打包归档一次，升级或换机器时恢复起来不慌。
- 性能：知识量上万篇的库，完整版的 OpenSearch 加 Redis 组合别降级回 Lite，索引与检索的速度差距会非常明显。
更多细节可以看仓库内的 docs/METRICS.md 和 docs/AUDIT_LOGGING.md，想动手改进代码则从 CONTRIBUTING.md 入手，官方文档站也有更完整的部署与排障章节。把知识库交给它之后，你会发现"先问 AI"很快会变成团队的新习惯 🎯
【免费下载链接】danswerOpen Source AI Platform - AI Chat with advanced features that works with every LLM项目地址: https://gitcode.com/GitHub_Trending/da/danswer
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
