Perplexica：开源的 AI 搜索引擎，Perplexity 的自托管平替

Perplexica：把 Perplexity 拆开，用 Docker 装回自己服务器

Perplexity 这类 AI 搜索工具确实好用，但每次搜索都要把 query 发给第三方服务，还要忍受响应慢和配额限制。Perplexica 解决了这个问题——它是一个完全自托管的 AI 搜索引擎，把大模型检索增强生成（RAG）和实时网络搜索结合，部署在自己服务器上，数据不外流，也没有 token 焦虑。它不是一个 demo 级的玩具，而是生产可用的工具。

项目背景

开发者 ItzCrazyKns 在 2024 年 5 月启动了这个项目。他的痛点很直接：Perplexity 的 AI 搜索体验虽好，但用户无法定制 —— 不能选择自己的 LLM，不能用本地模型，数据全部经过服务器。Perplexica 的目标是做一个 开源、可自托管、支持本地 LLM 的 AI 搜索引擎，且不牺牲搜索质量。项目推出后很快获得社区认可，目前 Stars 接近 10k，这在 AI 搜索赛道里算是一匹黑马。

核心功能解析

1. 多模式搜索：不同任务不同检索策略

Perplexica 内置了多种搜索模式（类似 Perplexity 的 Focus 功能），每种模式对应不同的提示词模板和搜索策略：

• All：综合模式，在所有来源中搜索，类似普通搜索引擎
• Academic：针对学术论文，优先抓取 arXiv 和学术数据库
• Reddit：从讨论帖中检索，适合社区经验类问题
• Video：搜索 YouTube 并总结视频字幕

切换模式本质上是更换了聚合提示词，这意味着你可以自己扩展新模式。这个设计很干净，把系统的可变性收敛到了配置文件里，不需要改主逻辑。

2. 自选 LLM 后端：从 OpenAI 到本地模型

通过集成 LiteLLM（一个统一 LLM API 的网关），Perplexica 支持切换任意模型提供商：

# config.toml 中的 LLM 配置示例
[llm]
provider = "ollama"          # 可选 openai / anthropic / ollama
model = "llama3.1:8b"        # 本地模型
endpoint = "http://localhost:11434"

如果你不想把数据发给任何商业 API，配置为本地 Ollama 模型即可实现 完全私有的搜索。这个细节让 Perplexica 跟那些"开源但依赖云端 API"的竞品拉开差距。

3. 持续的会话记忆

Perplexica 给每个聊天会话保存了历史记录，上下文管理由后端处理。这意味着你可以问"刚才那个问题的来源是什么？"，它知道你在说什么。作为 AI 搜索工具，没有记忆的搜索引擎交互性是很差的，这个功能属于基本款，但实现得扎实。

快速上手

官方提供了多阶段构建的 Dockerfile，而且镜像体积控制得不错，部署走通了就不会有意外风险。核心启动步骤只有两条命令：

# 1. 克隆仓库并进入目录
git clone https://github.com/ItzCrazyKns/Perplexica && cd Perplexica

# 2. 用 Docker Compose 启动（默认带上 SearXNG 搜索后端）
docker compose up -d

首次启动需要等待容器拉取 SearXNG（用于无 API 的常规网页搜索）。启动后访问 http://localhost:3000 即可。如果要用非默认的 LLM，编辑 config.toml 后重启容器即可生效。

技术亮点

架构：SearXNG + RAG 两层检索

Perplexica 没有自己爬虫，而是把 SearXNG（一个开源元搜索引擎）作为后端。这样做的好处是：不需要处理搜索 API 的配额和封禁，而是聚合了 Google/Bing/DuckDuckGo 等 70+ 来源的结果。对自托管项目来说，这是聪明的取舍——把非核心的复杂系统外包给成熟组件。

查询重写与结果重排

系统中有一个关键环节：用户查询不是直接发给搜索后端，而是先通过 LLM 进行重写（rewrite），提炼出更精确的搜索关键词。获取结果后，还有一个重排（re-rank）阶段，把相关结果按与用户原始意图的匹配度排序。这一段链路是有实际价值的——直接搜索多义词往往得到不相关的信息，经过 LLM 重写后能提升命中率。

嵌入与向量库

Perplexica 用 ollama 或 OpenAI 的 embedding 接口生成查询向量，再在本地向量数据库（默认是 LanceDB）中做语义相似度匹配。这样可以实现跨文档的主题聚类和引用定位，不只是靠关键词匹配。这套设计不算前沿，但对一个自托管项目来说，工程上是完整且可控的。

同类对比

简单来说，SearXNG 只是无 AI 的搜索代理，而 LibreChat 更多是聊天前端，搜索能力需要自己接。Perplexica 是两者之间的缝合方案，而且缝合得很自然。

总结

Perplexica 适合以下人群：需要 AI 搜索能力但无法信任云端服务的团队、有本地模型资源并想省 API 费用的开发者、以及对搜索流程有自定义需求的技术用户。

一句话：Perplexica 是 Perplexity 的开源自我替代品，架构选型务实，部署简单，生产可用；如果你需要一个完全掌控的 AI 搜索引擎，这是目前最接近"装上就能用"的选择。