AI搜索自建指南：从服务器到上线，一次部署搞定

发布人：慈云数据-客服中心发布时间：16小时前阅读量：2

AI搜索部署完整教程｜一键部署

随着大模型能力的快速发展，传统搜索正在从“关键词匹配”逐步升级为“语义理解 + 智能问答 + 资料溯源”的 AI 搜索形态。相比普通搜索引擎，AI 搜索不仅能帮用户找到相关内容，还可以对检索结果进行总结、归纳、对比，并给出更接近自然语言问答体验的答案。

本文将围绕“AI 搜索一键部署”展开，带你从环境准备、项目选择、Docker 部署、模型配置、搜索引擎接入、反向代理、域名访问、安全优化到常见问题排查，完整搭建一个可用的 AI 搜索服务。

适合人群：

想自建 AI 搜索网站的个人用户

想在服务器上部署智能搜索服务的开发者

想给企业内部文档、知识库、网页搜索增加 AI 问答能力的团队

熟悉基础 Linux 命令，希望快速上线 AI 应用的站长

一、什么是 AI 搜索？

AI 搜索可以简单理解为：

搜索引擎负责“找资料”，AI 大模型负责“读资料、理解资料、总结资料”。

传统搜索的流程通常是：

用户输入关键词；
搜索引擎返回网页列表；
用户逐个打开网页；
用户自己阅读、筛选、整理答案。

而 AI 搜索的流程则是：

用户输入自然语言问题；
系统调用搜索引擎或知识库进行检索；
系统抓取或读取相关内容；
大模型对内容进行理解和总结；
输出结构化答案，并附带来源链接。

例如，用户输入：

“2025年适合个人站长使用的开源 AI 搜索工具有哪些？”

AI 搜索不仅会返回若干网页链接，还可以直接整理成表格，列出项目名称、功能特点、部署方式、适合人群、开源地址等内容。

二、AI 搜索常见应用场景

AI 搜索的应用场景非常广，常见包括：

1. 个人 AI 搜索网站

个人可以搭建一个类似 Perplexity、秘塔 AI 搜索、天工 AI 搜索的轻量版搜索网站，用于日常资料查询、学习研究、文章写作辅助等。

2. 企业内部知识库搜索

企业内部通常有大量文档，例如：

产品文档；
技术文档；
SOP 流程；
项目资料；
客服话术；
合同模板；
培训材料。

通过 AI 搜索，可以让员工直接提问，例如：

“我们公司的报销流程是什么？”

系统自动从内部文档中检索内容，并生成答案。

3. 站内智能搜索

对于内容网站、博客、文档站、知识付费平台，可以使用 AI 搜索替代传统站内搜索，让用户通过自然语言查找内容。

4. 研究与资料整理

AI 搜索尤其适合做资料聚合，例如：

学术资料检索；
行业报告整理；
新闻追踪；
产品竞品分析；
法规政策查询。

三、部署方案选择

目前自建 AI 搜索主要有几种方案：

方案	特点	适合人群
Docker 一键部署	部署简单，环境隔离好	推荐大多数用户
源码部署	可定制性强，但配置复杂	开发者
云平台部署	省心，但依赖平台	非技术用户
本地部署	隐私好，但性能受限	个人测试

本文重点介绍最推荐的方式：Docker Compose 一键部署。

Docker 的优势是：

不污染系统环境；
依赖统一；
迁移方便；
升级简单；
适合生产环境；
一条命令即可启动多个服务。

四、服务器配置建议

部署 AI 搜索不一定需要很高配置，具体取决于你是否本地运行大模型。

1. 使用在线大模型 API

如果你使用 OpenAI、通义千问、DeepSeek、智谱、Moonshot、火山方舟等在线 API，服务器只负责运行 Web 服务和搜索服务，配置要求较低。

推荐配置：

CPU：2核及以上
内存：2GB 及以上
硬盘：20GB 及以上
系统：Ubuntu 22.04 / Debian 12 / CentOS Stream
带宽：5Mbps 及以上

2. 本地运行大模型

如果希望完全离线运行大模型，则配置要求明显更高。

推荐配置：

CPU：8核及以上
内存：16GB 及以上
显卡：建议 NVIDIA GPU，显存 8GB 以上
硬盘：100GB 及以上

对于大多数用户，建议先使用在线 API，部署成本更低，体验更稳定。

五、准备工作

在开始部署之前，你需要准备以下内容：

一台 Linux 服务器；
一个域名，可选；
一个大模型 API Key；
一个搜索引擎 API 或自建搜索源；
基础 SSH 登录能力。

本文以 Ubuntu 22.04 为例进行演示。

六、更新系统环境

首先登录服务器：

ssh root@你的服务器IP

更新系统软件包：

apt update && apt upgrade -y

安装常用工具：

apt install -y curl wget git vim unzip ca-certificates gnupg lsb-release

设置服务器时区：

timedatectl set-timezone Asia/Shanghai

查看时间是否正确：

date

七、安装 Docker

如果服务器尚未安装 Docker，可以使用官方脚本快速安装：

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

启动 Docker：

systemctl enable docker
systemctl start docker

查看 Docker 版本：

docker -v

如果能够正常输出版本号，说明 Docker 安装成功。

八、安装 Docker Compose

新版本 Docker 通常已经内置 Compose 插件，可以执行：

docker compose version

如果正常显示版本信息，则无需额外安装。

如果没有安装，可以执行：

apt install -y docker-compose-plugin

再次验证：

docker compose version

九、创建 AI 搜索项目目录

为了方便管理，建议所有服务都放在 /opt 目录下。

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

接下来我们会创建一个 docker-compose.yml 文件，用于一键启动 AI 搜索相关服务。

十、AI 搜索架构说明

一个典型的 AI 搜索系统通常包含以下模块：

用户浏览器
   ↓
前端 Web 界面
   ↓
后端 API 服务
   ↓
搜索服务 / 搜索 API
   ↓
网页内容抓取与解析
   ↓
大模型总结与生成
   ↓
返回答案和引用来源

如果要支持私有知识库，还可以额外加入：

文档上传
   ↓
文本切分
   ↓
向量化 Embedding
   ↓
向量数据库
   ↓
语义检索

本文提供的是通用部署思路，你可以根据实际项目替换具体镜像。

十一、编写 Docker Compose 配置

下面是一个常见的 AI 搜索服务部署模板，包含 Web 服务、Redis 缓存、PostgreSQL 数据库以及可选的向量数据库 Qdrant。

新建配置文件：

vim docker-compose.yml

写入以下内容：

version: "3.9"

services:
  ai-search:
    image: your-ai-search-image:latest
    container_name: ai-search
    restart: always
    ports:
      - "3000:3000"
    environment:
      # 基础配置
      - NODE_ENV=production
      - APP_PORT=3000
      - APP_NAME=AI Search

      # 数据库配置
      - DATABASE_URL=postgresql://aisearch:aisearch_password@postgres:5432/aisearch

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

      # 大模型配置
      - LLM_PROVIDER=openai
      - OPENAI_API_KEY=你的OpenAI_API_KEY
      - OPENAI_BASE_URL=https://api.openai.com/v1
      - LLM_MODEL=gpt-4o-mini

      # 搜索配置
      - SEARCH_PROVIDER=searxng
      - SEARCH_API_URL=http://searxng:8080/search

      # 向量数据库，可选
      - VECTOR_DB=qdrant
      - QDRANT_URL=http://qdrant:6333

    depends_on:
      - postgres
      - redis
      - searxng
      - qdrant

  postgres:
    image: postgres:16
    container_name: ai-search-postgres
    restart: always
    environment:
      - POSTGRES_USER=aisearch
      - POSTGRES_PASSWORD=aisearch_password
      - POSTGRES_DB=aisearch
    volumes:
      - ./data/postgres:/var/lib/postgresql/data

  redis:
    image: redis:7
    container_name: ai-search-redis
    restart: always
    volumes:
      - ./data/redis:/data

  qdrant:
    image: qdrant/qdrant:latest
    container_name: ai-search-qdrant
    restart: always
    ports:
      - "6333:6333"
    volumes:
      - ./data/qdrant:/qdrant/storage

  searxng:
    image: searxng/searxng:latest
    container_name: ai-search-searxng
    restart: always
    ports:
      - "8080:8080"
    volumes:
      - ./data/searxng:/etc/searxng

注意：
your-ai-search-image:latest 需要替换成你实际使用的 AI 搜索项目镜像。不同开源项目的环境变量名称可能不同，请以项目官方文档为准。

十二、推荐可选开源项目

你可以根据需求选择不同的 AI 搜索项目：

1. Perplexica

Perplexica 是一个开源 AI 搜索引擎，功能类似 Perplexity，支持联网搜索、结果引用、多个模型配置等。

适合：

个人 AI 搜索；
类 Perplexity 应用；
自建搜索问答网站。

2. Open WebUI + SearXNG

Open WebUI 本身是一个大模型 Web 界面，搭配 SearXNG 可以实现联网搜索能力。

适合：

个人大模型入口；
多模型管理；
联网问答；
局域网内部使用。

3. Dify

Dify 是一个 LLM 应用开发平台，支持工作流、知识库、RAG、API 发布等能力。

适合：

企业知识库问答；
内部搜索助手；
文档问答；
工作流应用。

4. AnythingLLM

AnythingLLM 更偏向知识库和文档问答，支持多种模型和向量数据库。

适合：

本地文档问答；
团队知识库；
私有化部署。

如果你的目标是“AI 搜索网站”，可以优先考虑 Perplexica 或 Open WebUI + SearXNG。
如果你的目标是“企业知识库搜索”，可以优先考虑 Dify 或 AnythingLLM。

十三、配置大模型 API

AI 搜索最关键的是大模型配置。常见配置项包括：

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

如果你使用兼容 OpenAI API 格式的服务，例如 DeepSeek、通义千问、智谱、Moonshot 等，通常只需要修改 BASE_URL 和 MODEL。

例如 DeepSeek：

LLM_PROVIDER=openai
OPENAI_API_KEY=你的DeepSeek_API_KEY
OPENAI_BASE_URL=https://api.deepseek.com
LLM_MODEL=deepseek-chat

例如通义千问兼容模式：

LLM_PROVIDER=openai
OPENAI_API_KEY=你的DashScope_API_KEY
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL=qwen-plus

配置时需要注意：

API Key 不要泄露；
不要把 .env 文件提交到公开仓库；
生产环境建议限制 API Key 使用额度；
优先选择响应速度快、上下文窗口足够的模型；
对成本敏感时可选择轻量模型。

十四、配置搜索服务 SearXNG

SearXNG 是一个开源的元搜索引擎，可以聚合多个搜索来源。它的优点是：

开源免费；
可自建；
支持多个搜索源；
不强依赖商业搜索 API；
隐私相对更好。

如果使用 Docker Compose 启动，SearXNG 默认会运行在：

http://服务器IP:8080

在 AI 搜索服务内部访问时，地址通常是：

http://searxng:8080

如果你的 AI 搜索项目需要配置搜索接口，可以填写：

SEARCH_API_URL=http://searxng:8080/search

部分项目需要返回 JSON 格式，可以使用类似参数：

http://searxng:8080/search?q=关键词&format=json

为了提高搜索质量，你可以编辑 SearXNG 配置文件，开启或关闭不同搜索引擎。配置文件通常位于：

/opt/ai-search/data/searxng/settings.yml

常见调整项包括：

search:
  safe_search: 0
  autocomplete: ""
  default_lang: "zh-CN"

server:
  secret_key: "请替换为随机字符串"

修改后重启服务：

docker compose restart searxng

十五、启动 AI 搜索服务

配置完成后，在项目目录执行：

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

查看容器状态：

docker compose ps

如果所有容器都显示 Up，说明服务已启动。

查看日志：

docker compose logs -f ai-search

如果没有明显报错，可以在浏览器访问：

http://你的服务器IP:3000

如果能正常打开页面，说明 AI 搜索部署成功。

十六、配置防火墙

如果服务器开启了防火墙，需要放行相关端口。

以 UFW 为例：

ufw allow 22
ufw allow 80
ufw allow 443
ufw allow 3000
ufw allow 8080
ufw enable

如果你使用云服务器，还需要在云厂商安全组中放行端口。

不过在生产环境中，不建议直接暴露 3000、8080、6333 等服务端口，最好只开放 80 和 443，通过 Nginx 进行反向代理。

十七、使用 Nginx 配置域名访问

安装 Nginx：

apt install -y nginx

创建站点配置：

vim /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 X-Forwarded-Proto $scheme;

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

将 search.example.com 替换为你的真实域名。

检查 Nginx 配置：

nginx -t

重载 Nginx：

systemctl reload nginx

然后将域名解析到服务器 IP，即可通过域名访问。

十八、配置 HTTPS 证书

推荐使用 Certbot 自动申请免费 SSL 证书。

安装 Certbot：

apt install -y certbot python3-certbot-nginx

申请证书：

certbot --nginx -d search.example.com

根据提示选择自动跳转 HTTPS。

证书申请成功后，访问：

https://search.example.com

测试自动续期：

certbot renew --dry-run

十九、隐藏内部服务端口

生产环境建议不要暴露数据库、Redis、向量数据库、SearXNG 后台等端口。

可以将 docker-compose.yml 中不需要公网访问的端口去掉，例如：

qdrant:
  image: qdrant/qdrant:latest
  container_name: ai-search-qdrant
  restart: always
  volumes:
    - ./data/qdrant:/qdrant/storage

如果服务之间都在 Docker 网络内部通信，就不需要把端口映射到宿主机。

最终只需要 Nginx 对外开放：

80
443

这样安全性更高。

二十、数据持久化与备份

部署 AI 搜索时，数据持久化非常重要。需要重点备份：

数据库数据；
用户配置；
上传文档；
向量数据库；
SearXNG 配置；
.env 配置文件；
Docker Compose 文件。

可以创建备份脚本：

vim /opt/ai-search/backup.sh

写入：

#!/bin/bash

BACKUP_DIR="/opt/backups/ai-search"
DATE=$(date +%Y%m%d_%H%M%S)

mkdir -p $BACKUP_DIR

tar -czf $BACKUP_DIR/ai-search-$DATE.tar.gz /opt/ai-search

find $BACKUP_DIR -type f -name "*.tar.gz" -mtime +7 -delete

echo "Backup completed: ai-search-$DATE.tar.gz"

赋予执行权限：

chmod +x /opt/ai-search/backup.sh

手动执行：

/opt/ai-search/backup.sh

添加定时任务：

crontab -e

加入：

0 3 * * * /opt/ai-search/backup.sh

表示每天凌晨 3 点自动备份。

二十一、升级 AI 搜索服务

如果使用 Docker 部署，升级通常比较简单：

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

升级前建议先备份：

/opt/ai-search/backup.sh

如果项目有数据库迁移步骤，请按照官方文档执行。

升级后查看日志：

docker compose logs -f

确认没有异常后再正式使用。

二十二、性能优化建议

AI 搜索的体验主要受以下因素影响：

搜索源响应速度；
网页抓取速度；
大模型响应速度；
Token 数量；
并发请求数量；
服务器网络质量。

优化建议如下：

1. 选择速度快的大模型

如果你追求响应速度，可以选择轻量模型，例如：

gpt-4o-mini；
deepseek-chat；
qwen-plus；
glm-4-flash；
moonshot-v1-8k。

2. 控制检索结果数量

并不是搜索结果越多越好。一般建议每次取前 5 到 10 条结果即可。过多结果会增加抓取时间和模型成本。

3. 开启缓存

对于重复问题，可以将搜索结果和 AI 答案缓存到 Redis 中，减少重复请求。

4. 限制网页正文长度

网页内容过长会增加 Token 消耗。可以在抓取阶段截断正文，例如只取前 5000 到 10000 字符。

5. 使用流式输出

流式输出可以让用户更快看到答案，提升体验。

二十三、安全优化建议

部署到公网后，一定要重视安全问题。

1. 设置登录认证

如果是个人使用，建议开启账号登录，不要让任何人都能调用你的模型 API。

2. 限制访问频率

可以通过 Nginx 或应用层限制频率，避免被刷接口。

Nginx 示例：

limit_req_zone $binary_remote_addr zone=ai_search_limit:10m rate=10r/m;

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

    location / {
        limit_req zone=ai_search_limit burst=20 nodelay;
        proxy_pass http://127.0.0.1:3000;
    }
}

3. 保护 API Key

不要在前端暴露 API Key。API Key 应只保存在后端环境变量中。

4. 禁止数据库公网访问

PostgreSQL、Redis、Qdrant 等服务不要直接暴露公网端口。

5. 定期更新镜像

定期执行：

docker compose pull
docker compose up -d

保持服务版本较新，降低安全风险。

二十四、常见问题排查

1. 页面打不开

检查容器是否启动：

docker compose ps

检查端口是否监听：

ss -tulnp | grep 3000

查看日志：

docker compose logs -f ai-search

2. AI 无法回答

通常可能是：

API Key 错误；
模型名称错误；
API Base URL 配置错误；
余额不足；
网络无法访问模型服务。

可以进入容器测试网络：

docker exec -it ai-search sh
curl https://api.openai.com/v1/models

3. 搜索没有结果

可能原因：

SearXNG 未启动；
搜索接口地址配置错误；
SearXNG 被搜索源限制；
网络环境无法访问搜索引擎；
返回格式不是项目要求的 JSON。

查看 SearXNG 日志：

docker compose logs -f searxng

4. 回答很慢

可以尝试：

更换更快的模型；
减少搜索结果数量；
关闭不必要的搜索源；
开启缓存；
使用更高带宽服务器；
缩短网页正文抓取长度。

5. HTTPS 证书申请失败

检查：

域名是否正确解析到服务器；
80 端口是否开放；
Nginx 配置是否正确；
云服务器安全组是否放行；
是否有其他服务占用 80 端口。

二十五、一键部署脚本示例

如果你希望进一步简化部署，可以写一个一键部署脚本。

创建脚本：

vim install-ai-search.sh

写入：

#!/bin/bash

set -e

echo "开始安装基础依赖..."
apt update && apt install -y curl wget git vim unzip ca-certificates gnupg lsb-release nginx

echo "安装 Docker..."
if ! command -v docker >/dev/null 2>&1; then
  curl -fsSL https://get.docker.com | bash
  systemctl enable docker
  systemctl start docker
else
  echo "Docker 已安装，跳过。"
fi

echo "创建项目目录..."
mkdir -p /opt/ai-search
cd /opt/ai-search

echo "生成 docker-compose.yml..."
cat > docker-compose.yml <<'EOF'
version: "3.9"

services:
  ai-search:
    image: your-ai-search-image:latest
    container_name: ai-search
    restart: always
    ports:
      - "3000:3000"
    environment:
      - NODE_ENV=production
      - APP_PORT=3000
      - DATABASE_URL=postgresql://aisearch:aisearch_password@postgres:5432/aisearch
      - REDIS_URL=redis://redis:6379
      - LLM_PROVIDER=openai
      - OPENAI_API_KEY=请替换为你的API_KEY
      - OPENAI_BASE_URL=https://api.openai.com/v1
      - LLM_MODEL=gpt-4o-mini
      - SEARCH_PROVIDER=searxng
      - SEARCH_API_URL=http://searxng:8080/search
    depends_on:
      - postgres
      - redis
      - searxng

  postgres:
    image: postgres:16
    container_name: ai-search-postgres
    restart: always
    environment:
      - POSTGRES_USER=aisearch
      - POSTGRES_PASSWORD=aisearch_password
      - POSTGRES_DB=aisearch
    volumes:
      - ./data/postgres:/var/lib/postgresql/data

  redis:
    image: redis:7
    container_name: ai-search-redis
    restart: always
    volumes:
      - ./data/redis:/data

  searxng:
    image: searxng/searxng:latest
    container_name: ai-search-searxng
    restart: always
    volumes:
      - ./data/searxng:/etc/searxng
EOF

echo "启动服务..."
docker compose up -d

echo "部署完成！"
echo "请访问：http://服务器IP:3000"
echo "注意：请修改 /opt/ai-search/docker-compose.yml 中的镜像名称和 API Key。"

赋予执行权限：

chmod +x install-ai-search.sh

执行部署：

bash install-ai-search.sh

这个脚本会自动完成：

安装基础依赖；
安装 Docker；
创建项目目录；
生成 Docker Compose 文件；
启动 AI 搜索服务。

不过需要注意，脚本中的镜像名称和 API Key 仍然需要你根据实际项目修改。

二十六、部署完成后的测试方法

部署完成后，可以用以下问题测试效果：

最近有哪些热门的开源 AI 搜索项目？

请对比 Perplexica、Dify 和 Open WebUI 的区别。

2025年个人开发者如何低成本部署 AI 搜索？

什么是 RAG？它和普通搜索有什么区别？

一个合格的 AI 搜索系统应该具备：

能够联网检索；
能够总结答案；
能够附带来源；
回答逻辑清晰；
不胡乱编造；
响应速度可接受；
对中文问题支持良好。

二十七、生产环境上线清单

正式上线前，建议检查以下事项：

[ ] Docker 服务正常启动；
[ ] AI 搜索页面可访问；
[ ] 大模型 API Key 可用；
[ ] 搜索服务正常返回结果；
[ ] 数据库已持久化；
[ ] 已配置域名；
[ ] 已开启 HTTPS；
[ ] 已关闭不必要的公网端口；
[ ] 已设置登录认证；
[ ] 已配置访问频率限制；
[ ] 已设置自动备份；
[ ] 已记录部署文档；
[ ] 已测试恢复流程。

二十八、总结

AI 搜索是大模型落地中非常实用的方向之一。它将传统搜索引擎的资料检索能力与大模型的理解、总结、推理能力结合起来，让用户不再只是面对一堆链接，而是能够直接获得更清晰、更结构化、更接近答案本身的内容。

通过本文的教程，我们完成了从服务器准备、Docker 安装、Docker Compose 编排、AI 搜索服务配置、大模型 API 接入、SearXNG 搜索源配置、Nginx 反向代理、HTTPS 证书、安全加固、备份升级到常见问题排查的一整套部署流程。

如果你只是个人使用，建议优先采用：

AI 搜索项目 + 在线大模型 API + SearXNG + Docker Compose

如果你是企业内部使用，可以进一步加入：

知识库上传 + 向量数据库 + 权限管理 + 日志审计 + 私有模型

总体来说，一键部署只是第一步，真正影响体验的是模型选择、搜索质量、内容抓取、提示词设计和系统稳定性。建议在部署完成后，根据自己的实际场景持续优化搜索源、模型参数和回答格式，最终打造一个真正好用的 AI 搜索助手。

文章标签： AI搜索 Docker部署 SearXNG 大模型API

上一篇：从零搭建自己的 AI 搜索服务：Docker 一键部署全流程

下一篇：从0到上线：一套企业级 AI 搜索系统的生产部署实战

更多栏目

新闻动态

文档中心

下载中心

目录结构

全文

产品与服务

新闻帮助

生态合作

了解我们