给自己装一个带引用的 AI 搜索：Vane（原 Perplexica）自托管手记

为什么想搭这个

遇到问题先搜，搜完再自己筛链接、拼答案，这套动作每天都在做。Perplexity 把"搜索 + AI 汇总 + 带来源引用"做成了一个产品，体验确实好，但搜索词同样是敏感信息——我搜的常常是规程条文、设备型号、缺陷描述，不想留在别人的日志里。于是我在自托管圈子里找替代品，找到了 Vane：GitHub 3.7 万+ star、MIT 许可的隐私向 AI 应答引擎。先说一个重要变化：它前身就是大名鼎鼎的 Perplexica，2026 年 3 月更名 Vane，所以网上攻略里两个名字指的是同一个项目，旧教程里的安装命令很多已过期，以新仓库 README 为准。

▲ 图 1：Vane 界面预览（来源：ItzCrazyKns/Vane 仓库 .assets，官方 README 配图）

它怎么工作

Vane 的核心思路是"先分类、再研究、后作答"。你提问后，后端先用大模型判断：这个问题要不要联网研究？要不要触发小组件（天气、股票、计算这类）？需要研究就并行去查，最后由大模型生成带引用来源的回答。网页搜索后端用的是 SearXNG——一个开源的元搜索引擎，替你匿名同时查多个搜索引擎，你的搜索行为不会暴露给任何一家。整条链路我画在图 2。

▲ 图 2：Vane 工作原理（站长自绘，流程依据官方 docs/architecture）

和直接用 ChatGPT 的区别在于：答案是基于"刚刚联网查到的东西"生成的，且每条结论都标了出处，可以点回去核对——这对查技术资料特别重要，能大幅减少模型"一本正经地编"。

部署：比想象中还简单

官方推荐 Docker，而最简单的一条命令版本自带 SearXNG，连搜索服务都不用单独装：

docker run -d -p 3000:3000 -v vane-data:/home/vane/data --name vane itzcrazykns1337/vane:latest

起来后打开 http://localhost:3000，首次进入是设置向导：填大模型供应商、选模型、确认 SearXNG 地址。模型两种选法：接 OpenAI、Groq 这类云服务，或者接前两篇出现过的本机 Ollama。容器里访问宿主机 Ollama，Windows/Mac 填 http://host.docker.internal:11434（Linux 要用宿主机的局域网 IP，且 Ollama 需设置 OLLAMA_HOST=0.0.0.0 监听，细节见 Ollama 官方 FAQ）。填 API Key 那栏如果服务没设密码，随便填点内容别留空，这是官方 README 的提醒。

如果你已经有自己的 SearXNG 实例，可以用 slim 镜像，通过环境变量 SEARXNG_API_URL 指过去；自建实例要开启 JSON 格式、启用 Wolfram Alpha 引擎，README 有说明。

▲ 图 3：SearXNG 标志（来源：SearXNG 官方文档站点 _static 目录）

日常用法里的三个小技巧

当浏览器默认搜索引擎：按 README 的指引，在浏览器搜索引擎设置里加一条 http://localhost:3000/?q=%s，以后在地址栏直接提问，回车就是带引用的答案。

给同科室的人一起用：Vane 跑在 Next.js 上，官方说明同一局域网内开箱即用——把访问地址里的 localhost 换成这台机器的局域网 IP，同事的浏览器就能直接用，不用每人装一份。

速度质量自己权衡：回答有 speed / balanced / quality 三档优化模式，赶时间用 speed，做调研用 quality，默认值 balanced。我自己的用法是：查报错、查命令用法这类快问快答开 speed；写材料前调研一个主题开 quality，让它多查几轮再作答。

给别的程序用：Vane 提供搜索 API（POST /api/search），返回带引用的结果，可以接进自己的脚本或 n8n 流水线——我在 n8n 那篇里画的日报流水线，资料搜集环节就能换成它。

用了一段时间，也说两句实在的局限，免得你期待错位：它引用靠 SearXNG 现搜，搜不到好材料时答案质量会跟着塌，和 Perplexity 的索引深度没法比；小组件目前主要是天气、股票、计算这几样，官方说更多集成在路上；文档和社区规模都还在"前身 Perplexica"的遗产上消化，遇到坑要能自己翻 issue。但作为"数据不出门的 AI 搜索"，它目前是开源里最成熟的一档。

我踩过的坑与提醒

镜像名别记错：旧攻略的 Perplexica 镜像名已废弃，现在是 itzcrazykns1337/vane，tags 以 Docker Hub 官方页为准；
拉镜像慢：国内拉 Docker Hub 慢是老问题，给 Docker 配镜像加速器即可；
偶尔搜不出结果：SearXNG 的引擎被目标站限流时会返回空，换个问题或稍后重试，不是 Vane 崩了；
别急着暴露公网：README 写明"用户认证"还在开发中（Upcoming Features 有列），想给局域网外的人用，先套一层带认证的反向代理再说；
提问记录只在本机：搜索历史存在你自己的实例里，这也是选它的初衷——放心搜。

总结

Vane 把"AI 搜索"这件 Perplexity 教会大家的事，搬回了可以自托管、带引用的形态：一条命令部署，模型可本地可云端，答案条条有出处。到这里，我这个系列想搭的本地 AI 底座就齐了——Ollama 出模型、Whisper 转录音、Dify 做应用、n8n 跑流程、Vane 管搜索。数据留在自己手里，AI 才能真正用得心安理得。