AI搜索 Docker部署教程｜零基础可学

随着大模型的发展，“AI搜索”正在成为越来越多人的日常工具。传统搜索引擎主要返回网页列表，而AI搜索可以在联网检索的基础上，对搜索结果进行理解、总结、归纳，并给出更接近“答案”的内容。如果你希望自己部署一个可控、可配置、支持大模型接入的AI搜索服务，那么使用 Docker 是非常适合新手的方式。

本文将以常见的开源 AI 搜索项目部署思路为例，讲解如何通过 Docker 从零开始搭建一个 AI 搜索服务。即使你没有太多 Linux、Docker 或服务器经验，也可以按照步骤完成部署。

一、什么是 AI 搜索？

AI搜索可以简单理解为：

搜索引擎 + 大语言模型 + 结果总结

传统搜索方式通常是：

1. 用户输入关键词；
2. 搜索引擎返回一堆网页；
3. 用户自己点开网页阅读、筛选信息。

AI搜索的流程更像是：

1. 用户提出问题；
2. 系统自动联网检索相关网页；
3. AI读取搜索结果；
4. 生成结构化、可读性更强的答案；
5. 同时附带参考来源，方便用户进一步验证。

例如你搜索：

Docker 如何部署 AI 搜索？

传统搜索引擎可能返回很多教程链接，而 AI 搜索会直接整理出部署步骤、命令、配置说明和常见问题。

二、为什么推荐用 Docker 部署？

对于零基础用户来说，直接在服务器上手动安装各种运行环境，往往比较麻烦。比如有些项目需要 Node.js，有些需要 Python，有些还需要数据库、Redis 或搜索组件。如果手动配置，容易出现版本不兼容、依赖缺失、端口冲突等问题。

Docker 的优势在于：

• 环境隔离：不会污染服务器原有环境；
• 部署简单：通常几条命令即可启动；
• 方便迁移：换服务器时复制配置即可；
• 便于管理：启动、停止、更新都很方便；
• 适合新手：不用深入理解复杂依赖。

你可以把 Docker 理解为一个“应用打包盒子”。开发者已经把程序运行所需的环境打包好了，你只需要把这个盒子运行起来即可。

三、准备工作

在正式开始之前，你需要准备以下内容。

1. 一台服务器

推荐配置：

如果你只是本地测试，也可以在自己的电脑上安装 Docker Desktop。

2. 一个 SSH 工具

如果你使用的是云服务器，需要通过 SSH 登录服务器。

Windows 用户可以使用：

• Windows Terminal
• PowerShell
• Xshell
• MobaXterm
• FinalShell

macOS / Linux 用户可以直接使用终端。

登录命令示例：

ssh root@你的服务器IP

例如：

ssh root@123.123.123.123

首次登录可能会提示：

Are you sure you want to continue connecting?

输入：

yes

然后输入服务器密码即可。

3. 一个大模型 API Key

AI搜索通常需要接入大语言模型，例如：

• OpenAI API
• Claude API
• Gemini API
• DeepSeek API
• 通义千问 API
• 智谱 GLM API
• 本地 Ollama 模型

如果你只是想先跑通流程，建议优先选择兼容 OpenAI 接口格式的模型服务，因为很多AI搜索项目都支持 OpenAI-compatible API。

四、安装 Docker

以下以 Ubuntu / Debian 系统为例。

1. 更新系统软件包

apt update

如果你不是 root 用户，命令前面需要加 sudo：

sudo apt update

2. 安装基础工具

apt install -y curl wget git

3. 使用官方脚本安装 Docker

curl -fsSL https://get.docker.com | bash

安装完成后，查看 Docker 版本：

docker version

如果能看到 Client 和 Server 信息，说明 Docker 安装成功。

4. 设置 Docker 开机自启

systemctl enable docker
systemctl start docker

查看 Docker 状态：

systemctl status docker

如果看到 active (running)，表示 Docker 正在运行。

五、安装 Docker Compose

现在新版 Docker 通常已经内置了 Compose 插件，可以直接使用：

docker compose version

如果能显示版本号，例如：

Docker Compose version v2.x.x

说明已经可用。

如果提示没有该命令，可以安装：

apt install -y docker-compose-plugin

再次检查：

docker compose version

六、选择 AI 搜索项目

目前开源社区里有不少 AI 搜索项目，例如：

• Perplexica
• SearXNG + LLM 总结
• Search with AI
• Open WebUI + 搜索插件
• AnythingLLM + Web Search
• 自建 RAG 搜索系统

对于零基础用户，推荐选择支持 Docker Compose 的项目，因为部署最简单。本文采用通用 Docker Compose 部署方式讲解，你可以根据项目文档替换镜像名称、环境变量和端口。

下面我们以一个典型的 AI 搜索服务结构为例：

AI搜索前端/后端服务
        |
        | 调用
        v
大模型 API
        |
        | 联网检索
        v
搜索引擎或搜索服务

有些项目会内置搜索能力，有些项目需要额外配置 SearXNG、Tavily、Serper、Bing Search API 等搜索接口。

七、创建项目目录

建议把所有 Docker 项目都放在 /opt 目录下，便于管理。

mkdir -p /opt/ai-search
cd /opt/ai-search

查看当前目录：

pwd

应该显示：

/opt/ai-search

八、编写 Docker Compose 配置文件

创建 docker-compose.yml 文件：

nano docker-compose.yml

写入以下示例配置：

services:
  ai-search:
    image: your-ai-search-image:latest
    container_name: ai-search
    restart: unless-stopped
    ports:
      - "3000:3000"
    environment:
      - NODE_ENV=production
      - OPENAI_API_KEY=你的API_KEY
      - OPENAI_BASE_URL=https://api.openai.com/v1
      - MODEL_NAME=gpt-4o-mini
      - SEARCH_PROVIDER=searxng
      - SEARXNG_URL=http://searxng:8080
    depends_on:
      - searxng

  searxng:
    image: searxng/searxng:latest
    container_name: searxng
    restart: unless-stopped
    ports:
      - "8080:8080"
    environment:
      - BASE_URL=http://你的服务器IP:8080/
      - INSTANCE_NAME=AI Search SearXNG

注意：上面的 your-ai-search-image:latest 是示例镜像名。实际部署时，请替换成你所使用的 AI 搜索项目官方文档提供的镜像名称。

如果你使用的是某个具体开源项目，通常它会提供类似下面的命令：

git clone 项目地址
cd 项目目录
docker compose up -d

或者提供已经写好的 docker-compose.yml 文件。新手建议优先使用官方提供的配置，然后只修改 API Key、模型名称、端口等必要项目。

编辑完成后，按：

Ctrl + O
回车
Ctrl + X

保存并退出。

九、配置大模型 API

AI搜索能否正常回答，关键取决于大模型配置是否正确。

在上面的配置中，这几项非常重要：

- OPENAI_API_KEY=你的API_KEY
- OPENAI_BASE_URL=https://api.openai.com/v1
- MODEL_NAME=gpt-4o-mini

1. 使用 OpenAI 官方接口

如果你使用 OpenAI 官方 API，可以这样配置：

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

2. 使用兼容 OpenAI 格式的第三方接口

很多模型服务提供 OpenAI 兼容接口，例如：

- OPENAI_API_KEY=你的密钥
- OPENAI_BASE_URL=https://你的服务商地址/v1
- MODEL_NAME=deepseek-chat

或者：

- OPENAI_API_KEY=你的密钥
- OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
- MODEL_NAME=qwen-plus

不同服务商的模型名不一样，需要查看对应平台文档。

3. 使用本地 Ollama

如果你想在本地运行模型，可以部署 Ollama。不过需要注意，本地模型对服务器配置要求较高，尤其是大模型通常需要较大的内存和显存。

Ollama 示例配置可能类似：

- OPENAI_BASE_URL=http://ollama:11434/v1
- OPENAI_API_KEY=ollama
- MODEL_NAME=qwen2.5:7b

但是具体是否支持，要看你所使用的 AI 搜索项目是否兼容 Ollama。

十、启动 AI 搜索服务

在 /opt/ai-search 目录下执行：

docker compose up -d

参数说明：

• docker compose：使用 Compose 管理多个容器；
• up：启动服务；
• -d：后台运行。

查看容器状态：

docker ps

如果看到类似：

ai-search   Up
searxng     Up

说明服务已经启动。

查看日志：

docker logs -f ai-search

如果没有明显报错，通常说明运行正常。

十一、访问 AI 搜索页面

假设你的服务器 IP 是：

123.123.123.123

并且 AI 搜索服务映射端口是 3000，那么浏览器访问：

http://123.123.123.123:3000

如果页面能够打开，说明部署成功。

如果打不开，请检查以下几点：

1. Docker 容器是否正在运行；
2. 服务器防火墙是否放行端口；
3. 云服务器安全组是否开放端口；
4. 服务本身监听端口是否正确；
5. docker-compose.yml 中端口映射是否正确。

十二、开放服务器端口

很多云服务器默认不会开放所有端口。即使 Docker 容器运行正常，浏览器也可能访问不了。

1. Ubuntu 防火墙放行端口

如果你启用了 UFW，可以执行：

ufw allow 3000
ufw allow 8080
ufw reload

查看状态：

ufw status

2. 云服务器安全组

如果你使用阿里云、腾讯云、华为云、AWS、Oracle Cloud 等云服务器，还需要到云平台控制台开放安全组端口。

入站规则示例：

如果只是自己使用，可以把来源限制为你的本地公网 IP，这样更安全。

十三、绑定域名访问

如果你有域名，可以把域名解析到服务器 IP。

例如：

search.example.com -> 123.123.123.123

然后使用 Nginx 反向代理，把域名转发到 AI 搜索服务端口。

1. 安装 Nginx

apt install -y nginx

2. 创建配置文件

nano /etc/nginx/conf.d/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 Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
    }
}

把 search.example.com 替换成你的真实域名。

3. 检查 Nginx 配置

nginx -t

如果显示：

syntax is ok
test is successful

说明配置正确。

4. 重载 Nginx

systemctl reload nginx

现在可以访问：

http://search.example.com

十四、配置 HTTPS 证书

如果你希望使用 HTTPS，可以安装 Certbot 自动申请免费证书。

1. 安装 Certbot

apt install -y certbot python3-certbot-nginx

2. 申请证书

certbot --nginx -d search.example.com

根据提示输入邮箱、同意协议即可。

完成后访问：

https://search.example.com

Certbot 通常会自动配置证书续期，可以检查：

certbot renew --dry-run

十五、常见问题排查

1. 页面打不开

先检查容器状态：

docker ps

如果容器没启动，查看日志：

docker logs ai-search

常见原因包括：

• 镜像名称写错；
• 环境变量配置错误；
• 端口被占用；
• API Key 不正确；
• 依赖服务未启动。

2. 端口被占用

如果启动时报错端口冲突，例如：

bind: address already in use

说明端口已经被其他程序占用。

查看端口占用：

ss -tulnp | grep 3000

你可以修改 docker-compose.yml：

ports:
  - "3001:3000"

然后访问：

http://服务器IP:3001

修改后重启：

docker compose down
docker compose up -d

3. AI 无法回答

如果页面能打开，但提问后报错，通常是模型接口问题。

请检查：

• API Key 是否正确；
• Base URL 是否正确；
• 模型名称是否存在；
• 账户余额是否充足；
• 服务器是否能访问模型服务；
• 项目是否支持该模型接口格式。

可以在服务器上测试连通性：

curl https://api.openai.com/v1/models

如果你使用第三方接口，把地址替换为对应服务商的 API 地址。

4. 搜索结果为空

如果 AI 能回答，但没有联网搜索结果，可能是搜索服务配置问题。

检查 SearXNG 是否正常：

docker logs searxng

浏览器访问：

http://服务器IP:8080

如果 SearXNG 页面打不开，需要检查端口、防火墙和容器状态。

5. 回答速度很慢

AI搜索速度受多个因素影响：

• 搜索引擎响应速度；
• 模型接口速度；
• 服务器网络质量；
• 模型本身推理速度；
• 是否使用本地大模型；
• 搜索结果数量设置是否过多。

如果你使用本地模型，低配置服务器可能会非常慢。新手建议先使用云端 API 跑通流程。

十六、更新 AI 搜索服务

如果使用 Docker Compose 部署，更新通常比较简单。

进入项目目录：

cd /opt/ai-search

拉取最新镜像：

docker compose pull

重新启动：

docker compose up -d

清理旧镜像：

docker image prune -f

如果你的项目是通过 Git 克隆的，还需要先更新代码：

git pull
docker compose up -d --build

十七、停止和重启服务

1. 停止服务

docker compose down

2. 启动服务

docker compose up -d

3. 重启服务

docker compose restart

4. 查看日志

docker compose logs -f

查看指定容器日志：

docker logs -f ai-search

十八、安全建议

AI搜索服务如果直接暴露到公网，需要注意安全问题。

建议做到以下几点：

1. 不要公开敏感配置

不要把 API Key 写到公开仓库，也不要把配置文件随意上传到网上。

2. 添加访问认证

如果 AI 搜索项目本身支持账号密码，请开启登录功能。如果不支持，可以通过 Nginx Basic Auth 增加访问密码。

安装工具：

apt install -y apache2-utils

创建密码文件：

htpasswd -c /etc/nginx/.htpasswd admin

然后在 Nginx 配置中添加：

auth_basic "AI Search";
auth_basic_user_file /etc/nginx/.htpasswd;

重载 Nginx：

nginx -t
systemctl reload nginx

3. 限制后台端口

如果你已经通过域名和 Nginx 访问服务，可以考虑不要把 Docker 服务端口直接暴露到公网。

例如将：

ports:
  - "3000:3000"

改为：

ports:
  - "127.0.0.1:3000:3000"

这样外部无法直接通过 服务器IP:3000 访问，只能通过 Nginx 代理访问。

4. 定期更新

定期执行：

apt update && apt upgrade -y
docker compose pull
docker compose up -d

保持系统和镜像更新，减少安全风险。

十九、推荐的目录结构

为了方便长期维护，建议这样组织文件：

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

其中 .env 用来保存敏感配置，例如 API Key。

示例 .env：

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

然后在 docker-compose.yml 中引用：

environment:
  - OPENAI_API_KEY=${OPENAI_API_KEY}
  - OPENAI_BASE_URL=${OPENAI_BASE_URL}
  - MODEL_NAME=${MODEL_NAME}

这样配置更清晰，也更方便维护。

二十、总结

通过 Docker 部署 AI 搜索并不复杂。对于零基础用户来说，核心流程可以概括为：

1. 准备一台 Linux 服务器；
2. 安装 Docker 和 Docker Compose；
3. 创建 AI 搜索项目目录；
4. 编写或下载 docker-compose.yml；
5. 配置大模型 API Key；
6. 启动容器；
7. 开放端口并访问页面；
8. 根据需要绑定域名和 HTTPS；
9. 定期更新和维护。

AI搜索的真正价值在于把“查资料”和“读资料”的过程合并起来，让用户更快获得结构化答案。自建 AI 搜索服务不仅可以提升使用体验，还能增强数据可控性，避免完全依赖第三方平台。

如果你是新手，建议先不要追求复杂配置，可以先使用云端大模型 API 跑通整个流程。等部署成功后，再逐步尝试接入 SearXNG、本地模型、权限认证、HTTPS、反向代理等功能。只要理解了 Docker Compose 的基本用法，后续部署其他 AI 工具也会变得更加轻松。