Perplexity 被起诉之后，这个 3.6 万星的开源项目成了最干净的替代

智源·AI 开源观察技术创作者 2026-09-16 310 阅读

4 月 1 日，Perplexity AI 在美国被集体起诉。诉讼文件称其代码中嵌入的追踪工具，在用户还没看到回复之前，就把聊天内容直接发给了 Google 和 Meta。这个消息让很多人第一次意识到：你以为在「使用」一个 AI 搜索工具，其实它在「出卖」你。

如果你也想摆脱这种黑盒依赖，Vane 是一个值得认真看的选择。

它是什么

Vane（前身叫 Perplexica）是一个开源的 AI 应答引擎，核心逻辑和 Perplexity 一样：用户提问 → 先检索网页 → 再由大模型合成带引用来源的回答。但关键差异在于：整个过程可以完全跑在你自己的服务器上。

36,918 颗 GitHub 星、4,086 个 Fork、MIT 许可证、主要语言 TypeScript（Next.js 全栈），最新版本 v1.12.2 发布于 2026 年 4 月。

技术栈很清晰：

搜索后端：SearXNG（隐私优先的搜索聚合器），内置 Chromium 爬虫
AI 集成：Ollama（本地）、OpenAI、Anthropic Claude、Google Gemini、Groq、LM Studio，任意混搭
数据库：SQLite via Drizzle ORM
部署：Docker 一键启动，默认端口 3000

项目在 2026 年 3 月正式从 Perplexica 更名为 Vane，同步更换了 Docker 镜像名和内部路径。

它能做什么

Vane 提供了三种搜索模式，对应不同深度和速度需求：

Speed 模式：不做推理，直接返回结果，速度最快。

Balanced 模式：强制大模型做推理，但限制最大行动次数，控制 token 消耗。

Quality 模式（Deep Research）：LLM 迭代式运行 Reason-Search-Scrape-Extract-Repeat 循环，直到判断已收集足够信息，再生成完整报告。v1.12.2 在这个模式里加入了对上下文窗口的动态管理，用分块处理避免溢出。

数据来源可以单独切换：网页、学术论文（arXiv 等）、社区讨论（Reddit/Discussions），也可以同时启用。

几个实用的功能细节：

文件上传：支持 PDF、DOCX、文本文件，跨文件检索结果用 RRF（Reciprocal Rank Fusion）重排序
Widget 卡片：天气、股票、计算结果以 UI 卡片形式并行展示，不打断主研究流程
搜索历史：本地存储，不上云
SearXNG 自带：默认 Docker 镜像同时包含 Vane 前端和 SearXNG，不需要额外部署

和 Perplexity 相比，它赢在哪

最直接的优势是隐私和数据主权。你的提问、搜索历史、上下文全部存在本地，不经过任何第三方服务器。SearXNG 本身也是隐私优先设计，不会把你的查询和账号关联。

其次是模型选择的自由度。Perplexity 只能用它的模型，而 Vane 可以接入任何 Ollama 兼容端点，也可以按请求切换云端模型。Groq 和 Google Gemini 目前有慷慨的免费额度，搭一套零成本方案完全可行。

最后是定制空间。MIT 许可证允许闭源分发，代码里检索源、模型后端、界面层相互解耦，适合拿来改造成企业内部的知识问答系统。

真实使用门槛

说清楚它不适合谁：

不适合完全不想碰终端的人。虽然 Docker 一键启动的体验已经很顺，但配置 Ollama 连接、排查网络问题仍然需要基础命令行能力。

深度研究模式对硬件有要求。镜像内置了 Playwright + Chromium 用于网页渲染，Railway 上的推荐配置是 4 GB RAM 以避免 OOM。本地运行如果用 70B 参数模型，建议 64 GB+ 统一内存的 Mac 或带大显存的高端 GPU。Llama 3.1 8B 这类中等规模模型，8 GB 显存或等效统一内存是合理起点。

不是开箱即用的生产级产品。面向普通用户的 FAQ 和文档质量评分目前偏低（StackQuadrant 综合评分 7.3/10，主要失分在文档），对于非开发者来说上手曲线仍然存在。

v1.12.2 带来了什么

最新版本值得注意的改进：

移除了 LangChain，换成自研的流式和函数调用实现，降低了对外部链式库的依赖
新增会话管理器，断网或刷新页面可以自动重连并从断点恢复流式输出
加入了 Chromium 爬虫以提升对现代网页的兼容性
用 embedding 过滤搜索结果，防止上下文窗口溢出
widget 错误不再导致整个研究流程崩溃

怎么跑起来

最简路径，一行命令：

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

然后浏览器打开 http://localhost:3000，按引导配置 AI 提供者。

已有 SearXNG 实例的话，用 slim 镜像：

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

SearXNG 端需要开启 JSON 输出格式和 Wolfram Alpha 搜索引擎。

如果你用 Ollama 作为本地后端，Linux 上有个常见坑：Ollama 默认绑定 127.0.0.1，Docker 容器内 localhost 访问不到它。需要改成监听 0.0.0.0 或直接用主机 IP。

下一步建议

如果这个方向对你有价值，可以分三步走：

第一步：用 Docker 跑起来，体验 Speed 模式和 Balanced 模式，看看回答质量和引用准确性是否能满足你的需求。

第二步：接入一个本地 Ollama 实例（Llama 3.2 或 Mistral），实测内存占用和响应速度，感受全本地方案的实际体验。

第三步：如果你有垂直领域的私有文档或知识库，尝试基于 Vane 的模块化架构把搜索源替换成向量数据库，做一个定制版内部问答引擎。

GitHub 仓库：https://github.com/ItzCrazyKns/Vane
Discord 社区：https://discord.gg/26aArMy8tT
TrueNAS SCALE 应用商店可直接安装，搜索「vane」即可。

说到底，Vane 不是来和 Perplexity 抢用户的。它的定位是给那些对数据主权有要求、愿意自己维护基础设施的开发者和团队，一个真正可控的 Perplexity 式体验。在隐私风险被正式摆上台面之后，这个需求只会越来越大。

评论区

0 条评论

登录后可评论。