Vane：隐私至上的开源 AI 搜索引擎

图1：Vane 主界面——搜索框、模式切换、搜索结果与引用来源一目了然

想象这样一个场景：你正在研究一项新技术，想要找一个能像 ChatGPT 一样回答问题、但又能像 Google 一样告诉你「这个答案从哪里来的」的搜索引擎——Vane 正是为这个需求而生。它不把你的搜索记录上传到任何服务器，所有数据都存在你自己的电脑上，堪称 AI 搜索领域的「隐私守护者」。

背景：为什么需要 Vane？

2024 年，Perplexica 作为开源 AI 搜索引擎兴起，引发了社区对「去中心化 AI 搜索」的探索。Vane 从 Perplexica 分叉而来，由独立开发者 ItzCrazyKns 主导维护，定位为「隐私优先的开源 AI 问答引擎」。与商业产品不同，Vane 的一切都运行在用户自己的硬件上——不追踪、不记录、不上传搜索历史，真正实现「你的数据就是你的」。

截至目前，Vane 在 GitHub 已积累超过 34,000 颗星，是同类开源 AI 搜索引擎中最受欢迎的项目之一，Docker 镜像下载量突破 10 万次，社区活跃度高。

核心能力：AI 搜索的四重模式

Vane 提供了四种搜索模式，用户可以根据需求自由切换：

速度模式（Speed）：优先快速响应，适合日常简单问答。LLM 直接基于网络搜索结果生成答案，跳过复杂的研究流程，响应时间最短。

平衡模式（Balanced）：在速度和深度之间取得平衡，适合大多数使用场景。先进行基础搜索，再由 AI 整合信息给出答案。

质量模式（Quality）：启用完整的研究流程，适合需要深度分析的主题。系统会并行调用多个信息源，进行多轮搜索与信息综合，最终产出带有完整引用链的研究报告。

Copilot 模式：作为浏览器插件或 SearxNG 扩展使用，在浏览网页时实时提供 AI 辅助，实现「边搜边读」的无缝体验。

图2：Vane 搜索结果页面——每个答案都附带引用来源链接，点击可跳转原始网页

技术架构：Next.js 全家桶 + RAG 管道

从技术角度看，Vane 是一套构建在 Next.js 之上的全栈应用，采用了当前主流的现代 Web 开发范式。

前端层：Next.js 16 + TypeScript + React 18，配合 Tailwind CSS 实现响应式 UI。组件库选用 Radix UI（无头组件）搭配 Phosphor Icons 图标库，保证了界面的一致性和可访问性。语法高亮使用 react-syntax-highlighter，确保代码片段的展示质量。

后端层：Next.js API Routes 承接所有服务端逻辑，提供三个核心端点：POST /api/chat 处理对话流，POST /api/search 提供程序化搜索接口，GET /api/providers 管理 AI 提供商的配置与密钥。

AI 集成：Vane 支持多种 AI 提供商接入，包括本地模型服务 Ollama（支持本地 LLM，无需互联网）、OpenAI GPT 系列、Anthropic Claude、Google Gemini、Groq 等。这种多提供商架构让用户可以完全控制 AI 能力的来源——既可以选择将数据发送给 OpenAI 获取最佳体验，也可以选择 Ollama 实现完全离线的私密搜索。

搜索引擎：内置 SearxNG 元搜索引擎作为搜索后端，代理所有网络请求。这意味着搜索请求经过 SearxNG 转发后，目标网站只能看到来自 SearxNG 的请求，无法追踪到用户真实身份，真正实现匿名搜索。

RAG 管道：使用 LlamaIndex 构建检索增强生成流程。当用户上传文件（PDF、文本、图片）时，系统先将文档分块、向量化，存入本地向量数据库，搜索时再通过语义检索召回相关片段，由 LLM 结合检索结果生成答案。这套流程保证了 AI 的回答「有据可查」，而非凭空编造。

数据存储：使用 Drizzle ORM + SQLite，数据完全存储在本地 /home/vane/data 目录。用户上传的文件和聊天记录均在本地持久化，不经过任何第三方服务器。

上手体验：Docker 两分钟部署

Vane 的部署体验非常友好。官方推荐使用 Docker 部署，一条命令即可启动完整服务：

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

这条命令会同时启动 Vane 主应用和内置的 SearxNG 搜索引擎，无需额外配置。首次访问 http://localhost:3000 时，系统会引导用户配置 AI 提供商的 API 密钥（如果使用 Ollama 则完全免费）。整个过程从拉取镜像到看到界面，熟练用户通常只需 2 分钟以内。

Docker 镜像采用多阶段构建，基础镜像为 node:24.5.0-slim，最终镜像体积控制在合理范围内。docker-compose 配置也提供了完整的持久化卷管理，数据不会因容器重启而丢失。

对于进阶用户，Vane 也支持非 Docker 部署，需要手动安装 Node.js、Python3（用于 SearxNG）、SQLite 等依赖，配置过程相对复杂，但提供了更高的定制灵活性。

特色功能：Widgets 与多模态搜索

Vane 并不只是一个「带引用的搜索框」，它还内置了一系列实用的智能小组件（Widgets）：天气查询、股票价格、计算器、单位换算——这些信息无需离开搜索页面就能直接获取。Widgets 的触发由 AI 自动判断，用户输入相关查询时，系统会自动渲染对应的卡片组件，体验流畅。

多模态能力也是 Vane 的一大亮点。除了文本搜索，它还支持图片搜索和视频搜索，用户上传 PDF 或图片后可以针对内容提问——比如上传一份论文 PDF，问「这篇文章的主要结论是什么」，Vane 会利用多模态模型理解图像内容并给出回答。

局限与挑战

Vane 同样存在一些局限性需要正视。首先，AI 搜索的质量高度依赖底层 LLM 的能力——使用免费或小型模型时，答案质量可能明显低于 GPT-4o 或 Claude 3.5 等顶级模型。其次，SearxNG 作为搜索后端，在某些地区的可用性和搜索结果丰富度不如 Google 或 Bing，但这是隐私优先设计下的合理取舍。

此外，Vane 目前主要面向开发者和技术用户，普通用户上手仍需了解 API 密钥的概念（若不打算本地部署 Ollama）。项目文档虽然较为完整，但某些高级配置（如自定义 SearxNG 实例、多语言支持）的说明仍有提升空间。

行业意义：隐私优先的 AI 搜索新范式

Vane 的出现代表了开源 AI 搜索领域的一个重要方向：用户主权。在商业搜索引擎依赖广告和用户数据盈利的背景下，Vane 证明了「完全私密、不追踪、不变现用户数据」的搜索体验在技术上是完全可行的。

从增长曲线看，34,000 星的社区规模和持续活跃的 Discord 社区说明隐私敏感型用户对这类工具有真实需求。Vane 与 Ollama 的深度集成也预示了一个趋势：未来 AI 应用的本地化部署将逐步从极客圈走向更广泛的用户群体，而 Vane 正在降低这道门槛。

对于任何关注 AI 搜索、数据隐私或开源工具的人来说，Vane 都是一个值得深入了解的项目——无论你是想直接使用它，还是从中学习如何构建一个生产级的 RAG 应用。