AI搜索 Docker部署教程｜附完整命令

随着大模型应用逐渐普及，传统搜索引擎已经无法完全满足“总结式搜索”“追问式搜索”“带来源引用的答案生成”等需求。所谓 AI搜索，通常是指将搜索引擎、网页抓取、向量检索、大语言模型结合起来，让用户输入问题后，系统自动检索网络内容，再由 AI 进行归纳、总结和回答，并尽可能附带引用来源。

本文将以一套较常见的开源 AI 搜索方案为例，介绍如何使用 Docker 快速部署一个可自用、可局域网访问的 AI 搜索服务。整体方案会包含：

• AI 搜索前端与后端服务；
• 搜索引擎服务；
• 大模型接口配置；
• Docker Compose 一键部署；
• 常见问题排查；
• 完整命令示例。

本文适合希望在服务器、NAS、云主机或本地 Linux 环境中部署 AI 搜索工具的用户阅读。

一、AI 搜索是什么？

AI 搜索并不是简单地把 ChatGPT 或其他大模型接入搜索框，而是通常包含以下几个步骤：

1. 用户输入问题；
2. 系统调用搜索引擎进行关键词检索；
3. 抓取网页标题、摘要或正文内容；
4. 将检索结果整理后发送给大语言模型；
5. 大模型根据搜索结果生成答案；
6. 返回带有来源引用的总结结果；
7. 用户可以继续追问。

与普通搜索引擎相比，AI 搜索的优势是：

• 可以直接给出结构化答案；
• 支持上下文追问；
• 能够减少逐个打开网页的时间；
• 适合资料整理、技术检索、产品调研、论文初筛等场景。

但它也有局限：

• 结果依赖搜索质量；
• 大模型可能产生幻觉；
• 对 API Key 或本地模型资源有要求；
• 不适合完全替代严肃事实核查。

因此，比较合理的使用方式是：把 AI 搜索当作“信息聚合助手”，而不是绝对权威来源。

二、部署方案说明

本文采用 Docker Compose 部署方式。为了便于理解，我们可以将整个系统拆成三部分：

在实际部署中，常见组合有两种：

方案一：AI 搜索应用 + SearXNG + OpenAI兼容API

这种方案适合已经拥有大模型 API Key 的用户，例如：

• OpenAI API；
• Azure OpenAI；
• DeepSeek API；
• 通义千问兼容接口；
• 智谱 AI；
• Moonshot；
• OpenRouter；
• 其他支持 OpenAI API 格式的平台。

优点是部署简单，服务器压力小。

方案二：AI 搜索应用 + SearXNG + Ollama本地模型

这种方案适合希望完全本地化部署的用户。

优点是数据更可控，不强依赖外部模型 API。缺点是对服务器性能要求更高，尤其是内存、CPU 或 GPU。

本文会重点演示 Docker Compose 部署结构，并分别给出 API 模型与 Ollama 模型的配置方法。

三、服务器环境要求

建议环境如下：

如果你准备用 Ollama 本地模型，建议配置更高：

四、安装 Docker 和 Docker Compose

如果你的服务器还没有安装 Docker，可以按照下面步骤操作。

以下命令以 Ubuntu / Debian 为例。

1. 更新系统软件包

sudo apt update
sudo apt upgrade -y

2. 安装基础依赖

sudo apt install -y ca-certificates curl gnupg lsb-release

3. 添加 Docker 官方 GPG Key

sudo install -m 0755 -d /etc/apt/keyrings

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | \
sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg

sudo chmod a+r /etc/apt/keyrings/docker.gpg

如果你使用的是 Debian，可以将上面的 ubuntu 替换为 debian。

4. 添加 Docker 软件源

Ubuntu 用户执行：

echo \
"deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] \
https://download.docker.com/linux/ubuntu \
$(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

Debian 用户执行：

echo \
"deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] \
https://download.docker.com/linux/debian \
$(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

5. 安装 Docker

sudo apt update

sudo apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

6. 检查 Docker 版本

docker version
docker compose version

如果能正常输出版本号，说明安装成功。

7. 设置 Docker 开机自启

sudo systemctl enable docker
sudo systemctl start docker

8. 可选：允许当前用户直接执行 Docker

默认情况下，普通用户执行 Docker 命令可能需要 sudo。如果你希望当前用户直接使用 Docker，可以执行：

sudo usermod -aG docker $USER

执行后需要重新登录 SSH，或者执行：

newgrp docker

然后测试：

docker ps

五、创建 AI 搜索项目目录

建议将服务统一放到 /opt 目录下，方便维护。

sudo mkdir -p /opt/ai-search
sudo chown -R $USER:$USER /opt/ai-search
cd /opt/ai-search

创建必要目录：

mkdir -p searxng redis data

目录结构大致如下：

/opt/ai-search
├── docker-compose.yml
├── .env
├── searxng
├── redis
└── data

六、准备环境变量文件

在项目目录下创建 .env 文件：

nano .env

写入以下内容：

# 站点访问地址
APP_PORT=3000

# 大模型配置
OPENAI_API_KEY=你的_API_KEY
OPENAI_API_BASE=https://api.openai.com/v1
MODEL_NAME=gpt-4o-mini

# 搜索服务地址
SEARXNG_URL=http://searxng:8080

# Redis配置
REDIS_URL=redis://redis:6379

如果你使用的是兼容 OpenAI 格式的第三方模型接口，可以修改：

OPENAI_API_BASE=https://api.deepseek.com/v1
MODEL_NAME=deepseek-chat
OPENAI_API_KEY=你的_DeepSeek_API_KEY

或者类似：

OPENAI_API_BASE=https://openrouter.ai/api/v1
MODEL_NAME=openai/gpt-4o-mini
OPENAI_API_KEY=你的_OpenRouter_API_KEY

需要注意的是，不同 AI 搜索项目使用的环境变量名称可能略有不同。如果你的项目要求变量名为 API_KEY、OPENAI_BASE_URL 或 LLM_MODEL，需要按照对应项目文档调整。本文给出的变量名称主要用于说明通用思路。

七、编写 Docker Compose 文件

在 /opt/ai-search 目录下创建 docker-compose.yml：

nano docker-compose.yml

写入以下内容：

services:
  ai-search:
    image: itzcrazykns1337/perplexica:main
    container_name: ai-search
    restart: unless-stopped
    ports:
      - "${APP_PORT}:3000"
    environment:
      - OPENAI_API_KEY=${OPENAI_API_KEY}
      - OPENAI_API_BASE=${OPENAI_API_BASE}
      - MODEL_NAME=${MODEL_NAME}
      - SEARXNG_URL=${SEARXNG_URL}
      - REDIS_URL=${REDIS_URL}
    depends_on:
      - searxng
      - redis
    networks:
      - ai-search-net

  searxng:
    image: searxng/searxng:latest
    container_name: ai-search-searxng
    restart: unless-stopped
    ports:
      - "8080:8080"
    volumes:
      - ./searxng:/etc/searxng
    environment:
      - BASE_URL=http://localhost:8080/
      - INSTANCE_NAME=AI Search SearXNG
    networks:
      - ai-search-net

  redis:
    image: redis:7-alpine
    container_name: ai-search-redis
    restart: unless-stopped
    volumes:
      - ./redis:/data
    command: redis-server --appendonly yes
    networks:
      - ai-search-net

networks:
  ai-search-net:
    driver: bridge

说明：

• ai-search 是 AI 搜索主服务；
• searxng 是元搜索引擎服务；
• redis 用于缓存或临时数据存储；
• APP_PORT=3000 表示你可以通过 http://服务器IP:3000 访问；
• searxng 的 8080 端口也暴露了，便于单独测试搜索是否正常。

提醒：不同开源 AI 搜索项目的镜像名称、环境变量、挂载目录可能不同。如果你使用的是其他项目，例如 Open WebUI、AnythingLLM、Morphik、SearchXNG + 自写后端等，需要按照实际项目文档调整。

八、启动服务

在 /opt/ai-search 目录下执行：

docker compose pull
docker compose up -d

查看容器状态：

docker compose ps

正常情况下，你应该看到类似输出：

NAME                  IMAGE                              STATUS
ai-search             itzcrazykns1337/perplexica:main    Up
ai-search-searxng     searxng/searxng:latest             Up
ai-search-redis       redis:7-alpine                     Up

查看日志：

docker compose logs -f

单独查看 AI 搜索服务日志：

docker logs -f ai-search

查看 SearXNG 日志：

docker logs -f ai-search-searxng

九、访问 AI 搜索服务

在浏览器中访问：

http://服务器IP:3000

如果是在本机部署，可以访问：

http://localhost:3000

如果你部署在云服务器上，需要确认安全组已经放行端口：

• TCP 3000：AI 搜索页面；
• TCP 8080：SearXNG 测试页面，可选。

如果你只希望访问 AI 搜索，不希望暴露 SearXNG，可以在 docker-compose.yml 中去掉：

ports:
  - "8080:8080"

改为只在 Docker 内部网络访问。

修改后执行：

docker compose up -d

十、测试 SearXNG 是否可用

AI 搜索能否正常回答，很大程度取决于搜索服务能否返回结果。

你可以打开：

http://服务器IP:8080

搜索一个关键词，例如：

Docker Compose 教程

如果能正常返回搜索结果，说明 SearXNG 服务正常。

也可以使用命令行测试：

curl "http://localhost:8080/search?q=Docker&format=json"

如果返回 JSON 数据，则说明搜索接口可用。

十一、使用 OpenAI 兼容模型接口

如果你使用的是 OpenAI 官方接口，.env 可以这样写：

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_API_BASE=https://api.openai.com/v1
MODEL_NAME=gpt-4o-mini

如果你使用 DeepSeek：

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_API_BASE=https://api.deepseek.com/v1
MODEL_NAME=deepseek-chat

如果你使用 OpenRouter：

OPENAI_API_KEY=sk-or-v1-xxxxxxxxxxxxxxxx
OPENAI_API_BASE=https://openrouter.ai/api/v1
MODEL_NAME=openai/gpt-4o-mini

修改 .env 后，需要重启容器：

docker compose down
docker compose up -d

或者：

docker compose restart ai-search

十二、使用 Ollama 部署本地模型

如果你不想使用外部 API，也可以在服务器上部署 Ollama。

1. 使用 Docker 部署 Ollama

在 docker-compose.yml 中增加一个 ollama 服务：

  ollama:
    image: ollama/ollama:latest
    container_name: ai-search-ollama
    restart: unless-stopped
    ports:
      - "11434:11434"
    volumes:
      - ./data/ollama:/root/.ollama
    networks:
      - ai-search-net

完整示例可以改成：

services:
  ai-search:
    image: itzcrazykns1337/perplexica:main
    container_name: ai-search
    restart: unless-stopped
    ports:
      - "${APP_PORT}:3000"
    environment:
      - OPENAI_API_KEY=${OPENAI_API_KEY}
      - OPENAI_API_BASE=${OPENAI_API_BASE}
      - MODEL_NAME=${MODEL_NAME}
      - SEARXNG_URL=${SEARXNG_URL}
      - REDIS_URL=${REDIS_URL}
    depends_on:
      - searxng
      - redis
      - ollama
    networks:
      - ai-search-net

  searxng:
    image: searxng/searxng:latest
    container_name: ai-search-searxng
    restart: unless-stopped
    ports:
      - "8080:8080"
    volumes:
      - ./searxng:/etc/searxng
    environment:
      - BASE_URL=http://localhost:8080/
      - INSTANCE_NAME=AI Search SearXNG
    networks:
      - ai-search-net

  redis:
    image: redis:7-alpine
    container_name: ai-search-redis
    restart: unless-stopped
    volumes:
      - ./redis:/data
    command: redis-server --appendonly yes
    networks:
      - ai-search-net

  ollama:
    image: ollama/ollama:latest
    container_name: ai-search-ollama
    restart: unless-stopped
    ports:
      - "11434:11434"
    volumes:
      - ./data/ollama:/root/.ollama
    networks:
      - ai-search-net

networks:
  ai-search-net:
    driver: bridge

启动：

docker compose up -d

2. 拉取模型

例如拉取 Qwen2.5 7B 模型：

docker exec -it ai-search-ollama ollama pull qwen2.5:7b

或者拉取 Llama 3.1 8B：

docker exec -it ai-search-ollama ollama pull llama3.1:8b

查看已安装模型：

docker exec -it ai-search-ollama ollama list

测试模型：

docker exec -it ai-search-ollama ollama run qwen2.5:7b

输入一个问题，例如：

请用一句话介绍 Docker Compose。

如果模型可以正常回答，说明 Ollama 运行成功。

3. 配置 AI 搜索使用 Ollama

Ollama 提供兼容 OpenAI 风格的接口，通常地址为：

http://ollama:11434/v1

修改 .env：

OPENAI_API_KEY=ollama
OPENAI_API_BASE=http://ollama:11434/v1
MODEL_NAME=qwen2.5:7b
SEARXNG_URL=http://searxng:8080
REDIS_URL=redis://redis:6379
APP_PORT=3000

然后重启：

docker compose restart ai-search

如果 AI 搜索应用不支持 Ollama 的 OpenAI 兼容接口，需要到应用设置页面中选择 Ollama Provider，并填写：

Ollama Base URL: http://ollama:11434
Model: qwen2.5:7b

十三、配置反向代理和域名访问

如果你希望通过域名访问，例如：

https://search.example.com

推荐使用 Nginx 反向代理。

1. 安装 Nginx

sudo apt install -y nginx

2. 创建站点配置

sudo nano /etc/nginx/sites-available/ai-search.conf

写入：

server {
    listen 80;
    server_name search.example.com;

    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_http_version 1.1;

        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;

        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
    }
}

启用配置：

sudo ln -s /etc/nginx/sites-available/ai-search.conf /etc/nginx/sites-enabled/
sudo nginx -t
sudo systemctl reload nginx

3. 配置 HTTPS 证书

安装 Certbot：

sudo apt install -y certbot python3-certbot-nginx

申请证书：

sudo certbot --nginx -d search.example.com

按照提示输入邮箱并确认即可。

证书申请完成后，访问：

https://search.example.com

十四、增加访问密码保护

如果 AI 搜索服务部署在公网，强烈建议增加访问控制。你可以通过应用自身的登录功能、Nginx Basic Auth、Cloudflare Access 或防火墙限制来源 IP 来保护服务。

下面以 Nginx Basic Auth 为例。

1. 安装 htpasswd 工具

sudo apt install -y apache2-utils

2. 创建用户名和密码

sudo htpasswd -c /etc/nginx/.ai-search.htpasswd admin

系统会提示输入密码。

3. 修改 Nginx 配置

sudo nano /etc/nginx/sites-available/ai-search.conf

在 location / 中加入：

auth_basic "AI Search Login";
auth_basic_user_file /etc/nginx/.ai-search.htpasswd;

完整示例：

server {
    listen 80;
    server_name search.example.com;

    location / {
        auth_basic "AI Search Login";
        auth_basic_user_file /etc/nginx/.ai-search.htpasswd;

        proxy_pass http://127.0.0.1:3000;
        proxy_http_version 1.1;

        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;

        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
    }
}

检查并重载：

sudo nginx -t
sudo systemctl reload nginx

十五、常用运维命令

查看所有容器

docker ps

查看项目容器

cd /opt/ai-search
docker compose ps

启动服务

docker compose up -d

停止服务

docker compose down

重启服务

docker compose restart

重启某个容器

docker compose restart ai-search

查看实时日志

docker compose logs -f

查看最近 100 行日志

docker compose logs --tail=100

更新镜像

cd /opt/ai-search
docker compose pull
docker compose up -d

清理无用镜像

docker image prune -f

清理无用容器、网络和镜像

docker system prune -f

谨慎执行以下命令，因为它可能删除未使用的数据卷：

docker system prune -a --volumes

十六、常见问题排查

1. 页面打不开

先检查容器是否启动：

docker compose ps

查看端口是否监听：

ss -lntp | grep 3000

查看日志：

docker logs -f ai-search

如果是云服务器，检查安全组是否放行 3000 端口。

2. AI 搜索页面能打开，但搜索无结果

检查 SearXNG：

curl "http://localhost:8080/search?q=test&format=json"

如果没有返回结果，查看日志：

docker logs -f ai-search-searxng

也可以进入容器测试网络：

docker exec -it ai-search-searxng sh

3. 模型 API 报错 401

通常是 API Key 错误。

检查 .env：

cat .env

确认：

OPENAI_API_KEY=你的真实Key
OPENAI_API_BASE=正确的接口地址
MODEL_NAME=正确的模型名称

修改后重启：

docker compose restart ai-search

4. 模型 API 报错 404

通常是模型名称错误，或者接口地址不兼容。

例如 DeepSeek 常用：

OPENAI_API_BASE=https://api.deepseek.com/v1
MODEL_NAME=deepseek-chat

OpenAI 常用：

OPENAI_API_BASE=https://api.openai.com/v1
MODEL_NAME=gpt-4o-mini

Ollama 常用：

OPENAI_API_BASE=http://ollama:11434/v1
MODEL_NAME=qwen2.5:7b

5. Ollama 模型响应很慢

可能原因包括：

• 模型太大；
• 服务器内存不足；
• 没有 GPU 加速；
• 并发请求过多；
• 首次加载模型需要时间。

可以尝试更小模型：

docker exec -it ai-search-ollama ollama pull qwen2.5:3b

然后修改 .env：

MODEL_NAME=qwen2.5:3b

重启服务：

docker compose restart ai-search

6. Docker 镜像拉取很慢

可以考虑配置 Docker 镜像加速器。创建或修改：

sudo nano /etc/docker/daemon.json

示例：

{
  "registry-mirrors": [
    "https://docker.m.daocloud.io"
  ]
}

重启 Docker：

sudo systemctl daemon-reload
sudo systemctl restart docker

然后重新拉取：

docker compose pull

十七、备份与迁移

AI 搜索服务通常需要备份以下内容：

• .env；
• docker-compose.yml；
• searxng 配置目录；
• redis 数据目录；
• data 数据目录；
• Ollama 模型目录，如果使用本地模型。

备份命令：

cd /opt
tar -czvf ai-search-backup-$(date +%F).tar.gz ai-search

恢复时：

cd /opt
tar -xzvf ai-search-backup-2025-01-01.tar.gz
cd ai-search
docker compose up -d

如果迁移到新服务器，需要先安装 Docker 和 Docker Compose。

十八、安全建议

如果你的 AI 搜索部署在公网，建议至少做到以下几点：

1. 不要直接暴露 Redis 端口；
2. 不要把 SearXNG 暴露给公网，除非确实需要；
3. 使用 HTTPS；
4. 增加登录认证；
5. 定期更新镜像；
6. 不要把 .env 文件上传到公开仓库；
7. API Key 泄露后应立即作废并重新生成；
8. 如果使用云服务器，建议安全组只开放必要端口；
9. 对高频访问做好限流，避免 API 费用失控。

十九、完整一键部署命令示例

下面给出一个从创建目录到启动服务的完整命令示例。你可以根据自己的 API Key 修改后执行。

sudo mkdir -p /opt/ai-search
sudo chown -R $USER:$USER /opt/ai-search
cd /opt/ai-search

mkdir -p searxng redis data

cat > .env <<'EOF'
APP_PORT=3000
OPENAI_API_KEY=请替换为你的API_KEY
OPENAI_API_BASE=https://api.openai.com/v1
MODEL_NAME=gpt-4o-mini
SEARXNG_URL=http://searxng:8080
REDIS_URL=redis://redis:6379
EOF

cat > docker-compose.yml <<'EOF'
services:
  ai-search:
    image: itzcrazykns1337/perplexica:main
    container_name: ai-search
    restart: unless-stopped
    ports:
      - "${APP_PORT}:3000"
    environment:
      - OPENAI_API_KEY=${OPENAI_API_KEY}
      - OPENAI_API_BASE=${OPENAI_API_BASE}
      - MODEL_NAME=${MODEL_NAME}
      - SEARXNG_URL=${SEARXNG_URL}
      - REDIS_URL=${REDIS_URL}
    depends_on:
      - searxng
      - redis
    networks:
      - ai-search-net

  searxng:
    image: searxng/searxng:latest
    container_name: ai-search-searxng
    restart: unless-stopped
    ports:
      - "8080:8080"
    volumes:
      - ./searxng:/etc/searxng
    environment:
      - BASE_URL=http://localhost:8080/
      - INSTANCE_NAME=AI Search SearXNG
    networks:
      - ai-search-net

  redis:
    image: redis:7-alpine
    container_name: ai-search-redis
    restart: unless-stopped
    volumes:
      - ./redis:/data
    command: redis-server --appendonly yes
    networks:
      - ai-search-net

networks:
  ai-search-net:
    driver: bridge
EOF

docker compose pull
docker compose up -d
docker compose ps

部署完成后访问：

http://服务器IP:3000

二十、总结

通过 Docker 部署 AI 搜索服务并不复杂，核心步骤可以概括为：

1. 安装 Docker 和 Docker Compose；
2. 创建项目目录；
3. 编写 .env 环境变量；
4. 编写 docker-compose.yml；
5. 启动 AI 搜索、SearXNG、Redis 等服务；
6. 配置大模型 API 或本地 Ollama；
7. 根据需要配置域名、HTTPS 和访问认证。

如果你只是个人使用，推荐使用“AI 搜索应用 + SearXNG + OpenAI兼容API”的方案，部署简单、响应速度快。如果你更重视数据本地化，可以使用 Ollama 部署本地模型，但需要准备更高性能的服务器。

AI 搜索的价值不在于完全替代传统搜索，而在于帮助我们更快地理解信息、整理结果、形成初步判断。对于技术排查、资料检索、产品调研和日常知识查询来说，自建一个 AI 搜索服务会非常实用。