变革！Perplexica：AI驱动的问答搜索引擎

Perplexica 这个名字可能听起来有点陌生，但它做的事情其实很直接：它是一个开源的人工智能搜索引擎。说得再具体一点，它借鉴了 Perplexity AI 的思路，但走的是完全开源的路子。你丢给它一个问题，它不只是漫无目的地抓取网页，而是会先理解你的意图，然后借助相似性搜索、嵌入技术这类机器学习手段，把结果精炼成附有来源的清晰答案，而不是一堆杂乱链接。

为了保证信息的新鲜度和隐私性，它后端接入了 SearxNG——一个完全开源的元搜索引擎。这意味着你不用依赖某个爬虫的过时索引，也不会因为搜索而泄露自己的查询记录。下面就来拆解一下它的核心能力。

特点

• 本地 LLMs：
  通过 Ollama，你可以轻松调用 Llama3、Mixtral 这类本地大语言模型，不需要把数据送到云端。

• 两种主要模式：
  
  

  协作模式
  （仍在开发中）——它会生成不同的查询来扩大搜索范围，找到更相关的来源。与普通上下文搜索不同，它会深入到顶部匹配的页面里，直接挖掘与用户问题相关的段落。
  

  普通模式
  ——就是标准的查询 + 网络搜索。

• 专注模式：
  这是为了精准回答特定类型问题而设计的。目前 Perplexica 提供了 6 种专注模式：
  

  全模式：
  搜索整个网络，不设限。
  

  写作助手模式：
  适合不需要联网的写作任务，比如帮你润色文案。
  

  学术搜索模式：
  专门找论文和学术文章，适合做研究。
  

  YouTube 搜索模式：
  根据查询直接定位视频。
  

  Wolfram Alpha 搜索模式：
  处理需要计算或数据分析的问题。
  

  Reddit 搜索模式：
  在 Reddit 上搜索讨论和真实观点。

• 当前信息：
  不少搜索工具依赖爬虫定期抓取数据并生成索引，很容易过时。Perplexica 换了个思路：用 SearxNG 做实时元搜索，拿到结果后重新排序，挑出最相关的来源。这样你每次查询都拿到最新的信息，不需要等每日数据更新。此外，它还支持图片和视频搜索，更多功能正在路上。

安装

安装 Perplexica 主要有两条路：用 Docker 和不用 Docker。从实际体验来说，Docker 方式明显更省心，强烈推荐。

使用 Docker 开始（推荐）

1. 确保你的系统已经安装并运行了 Docker。
2. 克隆 Perplexica 仓库：
   git clone https://github.com/ItzCrazyKns/Perplexica.git
3. 克隆完成后，进入项目目录。
4. 将 sample.config.toml 文件重命名为 config.toml。对于 Docker 设置，你只需要填写以下几个字段：
   

   CHAT_MODEL：
   要使用的 LLM 名称，比如 llama3:latest（Ollama）或 gpt-3.5-turbo（OpenAI）。
   

   CHAT_MODEL_PROVIDER：
   聊天模型提供者，可以是 openai 或 ollama。根据提供者不同，你需要填写：
   

   OPENAI：
   你的 OpenAI API 密钥（如果使用 OpenAI 模型）。
   

   OLLAMA：
   Ollama API URL，格式为 http://host.docker.internal:PORT_NUMBER。比如默认端口 11434 就是 http://host.docker.internal:11434。
   注意：这些配置在运行后仍可通过设置页面修改，你甚至可以在不同模型之间切换。
   

   SIMILARITY_MEASURE：
   相似度度量，默认已填好，通常保持原样即可。
5. 确保你在包含 docker-compose.yaml 的目录下，然后执行：
   docker compose up -d
6. 等几分钟让容器构建完成。之后打开浏览器访问 http://localhost:3000 就能看到 Perplexica 的界面了。
   注意：容器构建好后，你无需每次打开终端，直接通过 Docker 启动即可。

非 Docker 安装

如果你坚持不使用 Docker，步骤会稍微繁琐一些：

• 先完成克隆和重命名 config.toml 的步骤，但这次你需要在文件中填写所有字段。
• 另外，把 ui 文件夹里的 .env.example 重命名为 .env，并补全所有配置项。
• 非 Docker 方式需要分别手动配置后端和前端，环境变量和依赖的管理也绕不开。

总的来说，如果不是有特殊理由，Docker 方式能让你少踩很多坑。