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:300080 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/Dockerfilegit 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_808080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 workerRAG 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
Onyx 快速上手：零成本搭建你的私有 AI 知识助手
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:300080 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/Dockerfilegit 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_808080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 workerRAG 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