Vane AI 回答引擎详细部署教程

Vane 是一个注重隐私的 AI 回答引擎，它结合了互联网搜索能力与本地或云端的 LLM，能提供带引用的准确答案。本教程将为你提供两种主要部署方式（推荐 Docker 方案）以及后续配置指南。

1. 部署方式选择与对比

Vane 官方提供了两种部署路径，具体对比如下：

特性 Docker 部署 (推荐) 非 Docker 部署
复杂度 低，一条命令即可启动 高，需手动配置 SearxNG、Node.js 环境等
SearxNG 处理 自动，镜像内已捆绑 手动，需独立安装并配置
适用场景 快速体验、生产环境、大多数用户 对 Docker 不熟悉或有特殊定制需求的开发者
后续更新 方便，拉取新镜像即可 需手动 git pull 并重新构建

结论：除非你有非常特殊的原因，否则请毫不犹豫地选择 Docker 部署方式。

2. Docker 部署（强烈推荐）

这是最快捷的启动方式，Vane 和其依赖的搜索引擎 SearxNG 被打包在同一个镜像中。

2.1 使用预构建镜像（最简单）

打开终端，直接运行以下命令：

1
docker run -d -p 3000:3000 -v vane-data:/home/vane/data --name vane itzcrazykns1337/vane:latest

参数解释：

  • -d: 后台运行容器。
  • -p 3000:3000: 将主机的 3000 端口映射到容器的 3000 端口。
  • -v vane-data:/home/vane/data: 创建一个名为 vane-data 的持久化卷，用于存储你的数据，防止容器删除后丢失。
  • --name vane: 为容器命名。
  • itzcrazykns1337/vane:latest: 官方镜像名。

运行后，在浏览器打开 http://localhost:3000 即可进入设置界面。

2.2 使用自定义 SearxNG 实例（高级）

如果你已有自己的 SearxNG 服务，可以使用精简版镜像，并通过环境变量指定其地址：

1
2
3
4
5
docker run -d -p 3000:3000 \
  -e SEARXNG_API_URL=http://your-searxng-url:8080 \
  -v vane-data:/home/vane/data \
  --name vane \
  itzcrazykns1337/vane:slim-latest

重要：你的 SearxNG 实例必须启用 JSON 格式输出和 Wolfram Alpha 搜索引擎。

2.3 从源码构建镜像（进阶）

如需最新代码或定制，可自行构建：

1
2
3
4
5
6
7
8
9
# 1. 克隆仓库
git clone https://github.com/ItzCrazyKns/Vane.git
cd Vane

# 2. 构建镜像
docker build -t vane .

# 3. 运行容器
docker run -d -p 3000:3000 -v vane-data:/home/vane/data --name vane vane

3. 非 Docker 部署（备选方案）

如果无法使用 Docker，可以按照以下步骤手动部署。你需要先自行解决 SearxNG 的安装与配置。

  1. 安装并配置 SearxNG：确保其设置中启用了 JSON 格式，并且开启了 Wolfram Alpha 搜索引擎。

  2. 获取 Vane 源码并安装依赖：

    1
    2
    3
    git clone https://github.com/ItzCrazyKns/Vane.git
    cd Vane
    npm i

  3. 构建并启动：

    1
    2
    npm run build
    npm run start

  4. 同样，访问 http://localhost:3000 完成后续设置。

4. 首次启动与配置

无论哪种方式部署，首次打开 http://localhost:3000 都会进入设置向导。你需要在此完成核心配置：

  1. AI 模型提供商：
    • 本地 (Ollama)：填写你 Ollama 服务的 API URL（如 http://host.docker.internal:11434）和已下载的模型名称。
    • 云端 (OpenAI, Claude, Groq等)：填入相应的 API Key 和你想使用的模型。
  2. 搜索引擎：如果使用捆绑镜像，此部分通常已预填。若使用自定义 SearxNG，请在此填写正确的 API URL。
  3. 其他设置：根据喜好调整搜索模式（速度、平衡、质量）、界面语言等。

5. 常见问题排查 (Troubleshooting)

5.1 Ollama 连接错误

  • 症状：Vane 无法连接到本地的 Ollama。
  • 解决方案：
    • 检查 API URL：在 Vane 设置中，确保 URL 正确。
    • 不同操作系统下的 URL：
      • Windows / Mac: 使用 http://host.docker.internal:11434
      • Linux: 使用 http://<你主机的私有IP>:11434 (如 http://192.168.1.100:11434)
    • Linux 用户额外步骤：需要让 Ollama 监听所有网络接口。
      1. 编辑 Ollama 服务文件：sudo nano /etc/systemd/system/ollama.service
      2. 在 [Service] 下添加环境变量：Environment="OLLAMA_HOST=0.0.0.0:11434"
      3. 重新加载并重启：sudo systemctl daemon-reload && sudo systemctl restart ollama
      4. 确保防火墙允许 11434 端口。

5.2 本地 API 兼容服务器（如 LM Studio）连接失败

  • 原因：服务器可能只绑定了 127.0.0.1（localhost），容器无法访问。
  • 解决：确保你的后端服务器启动时绑定了 0.0.0.0（例如 --host 0.0.0.0），并且在 Vane 设置中填写了正确的 URL（参考上面的 Ollama 规则）。另外，API Key 字段不能留空，可以随便填一些占位字符。

6. 高级用法：将 Vane 设为浏览器搜索引擎

你可以将 Vane 添加到浏览器的地址栏搜索引擎列表中：

  1. 打开浏览器设置，找到“搜索引擎”或“管理搜索引擎”部分。
  2. 添加新搜索引擎，URL 模板填写：http://localhost:3000/?q=%s（如果部署在其他机器，替换 localhost 为对应 IP）。
  3. 之后，你就能在地址栏直接输入 v 加空格，然后输入查询词，快速使用 Vane 搜索了。

通过以上步骤，你应该能成功部署并开始使用 Vane。它为你提供了一个功能强大且完全私有的 AI 搜索入口。如果在部署中遇到其他问题，可以查阅其 GitHub 仓库的 Issues 或加入 Discord 社区获取帮助。