AI 搜索前传-13.1k Star 的本地 AI 搜索应用 SearXNG

小伙伴们大家好,我是三金~

本来想直接写本地 AI 搜索应用的,不过想了想还是决定先介绍一下这款超棒的开源本地搜索应用------SearXNG。

介绍

那 SearXNG 是什么呢?

SearXNG 是一个免费的互联网元搜索引擎,汇集了 70 多种搜索服务的结果。不会跟踪用户访问记录,更不会分析用户。

对于国内用户而言,大多数情况下只能选择百度搜索。但众所周知的是,百度搜索的前几条结果都是广告赞助,用户一不小心就误入广告中去,无法准确获取想要得到的信息。

而想要使用谷歌,又苦于网络原因无法访问。SearXNG 可以完美解决这个问题,只需要使用 Docker 将其部署在一台非国内的云服务器上即可享用 70 多种搜索服务,其中就包括了谷歌、Bing 等知名搜索引擎。

部署在国内也 OK,但是可以用的搜索引擎会减少那么几个,当然也无法使用谷歌。

SearXNG 支持以下特性:

  • 自适应 PC、平板和手机的尺寸
  • 可以设置搜索时的自动补全功能(也就是输入时会提示一些可能会搜索的问题)
  • 设置主题样式
  • 设置想要使用的搜索引擎

Github 地址:github.com/searxng/sea...

文档地址: docs.searxng.org/

接下来我们一起来部署一下~

部署

我们还是使用 Docker 的方式进行部署,方便快捷~

  • 首先进入到 usr 目录下的 local 目录中(当然,你也可以将其部署在其他目录,这里只是举例)
  • 然后克隆项目到该目录下,克隆好项目之后进入到项目目录中。
  • 到这里我们需要将 searxng 目录下的 settings.yml 里的 limiter 配置项改为 false,否则可能触发 too many requests 的问题;
  • 第一次运行时,必须从 docker-compose.yaml 文件中删除 cap_drop: - ALL 才能使 searxng 服务成功创建 /etc/searxng/uwsgi.ini 。这是必要的,因为 cap_drop: - ALL 指令会删除所有功能,包括创建 uwsgi.ini 文件所需的功能。首次运行后,出于安全考虑,应将 cap_drop: - ALL 重新添加到 docker-compose.yaml 文件中。
  • 除此之外,还需要将 docker-compose 文件中的 127.0.0.1:8080:8080 改为 8080:8080

做好上述步骤之后,我们就可以执行 docker compose up -d 命令启动服务了。

访问 IP 地址:8080即可:

使用

测试一下搜索功能,以「AI 资讯」为例:

搜索速度还挺快的,而且也没有广告,由多个搜素引擎一起抓取得到,很实用!

这里再推荐一下他们官方提供的 demo,里面都是一些已经部署好的 SearXNG,可以直接使用:官方 demo searx.space/

直接部署的话,我们只能使用 IP 加端口 8080 的方式进行访问。如果想使用域名来访问部署好的 SearXNG,可以通过 Nginx 来设置反向代理实现。

在添加反向代理之前,确保你已经完成了域名解析(没有的话就去阿里云\华为云\腾讯云等云厂商那里买一个),再利用类似 Nginx Proxy Manager 等工具来实现反向代理即可。

感兴趣的小伙伴快去试试吧~

觉得有用的小伙伴,也可以点赞、收藏加关注哦~

相关推荐
AIGC安琪5 分钟前
Transformer中的编码器和解码器是什么?
人工智能·深度学习·ai·语言模型·大模型·transformer·ai大模型
算家计算17 分钟前
3秒搞定产品换装换背景!【ComfyUI-万物迁移工作流】本地部署教程:基于FLUX.1 Kontext上下文感知图像编辑
人工智能
山烛26 分钟前
OpenCV 图像处理基础操作指南(二)
人工智能·python·opencv·计算机视觉
聚客AI37 分钟前
🧩万亿级Token训练!解密大模型预训练算力黑洞与RLHF对齐革命
人工智能·llm·强化学习
爱疯生活1 小时前
车e估牵头正式启动乘用车金融价值评估师编制
大数据·人工智能·金融
华洛1 小时前
落地AI产品的最后一步:微调(面向非LLM算法工程师)
前端·aigc·产品经理
JXL18601 小时前
机器学习概念(面试题库)
人工智能·机器学习
星期天要睡觉1 小时前
机器学习深度学习 所需数据的清洗实战案例 (结构清晰、万字解析、完整代码)包括机器学习方法预测缺失值的实践
人工智能·深度学习·机器学习·数据挖掘
PetterHillWater1 小时前
开源知识库项目WeKnora技术拆解
后端·aigc
岁月静好20251 小时前
BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain
人工智能·机器学习