先从一个直接的问题说起：想要一个完全由自己掌控的AI搜索引擎，又不想依赖任何第三方服务，这真的可行吗？

答案是肯定的。今天要介绍的Farfalle，正是一个实现这一目标的开源项目。本质上，它是Perplexity的克隆版本，但核心亮点在于——你可以选择使用本地大模型来驱动搜索与问答，也可以接入云端接口。灵活性相当高，既适合注重隐私的开发者，也适合需要定制化搜索能力的企业团队。

简单来说，Farfalle 提供了一个自托管的搜索解决方案。在本地模型方面，它支持 llama3、mistral、gemma、phi3 等主流选择；云端模型则可以接入 Groq/Llama3 或 OpenAI/gpt4-o。这意味着，无论你是注重隐私的独立开发者，还是需要深度定制搜索能力的企业，都能找到最适合自己的搭配方式。

项目特点

使用场景

哪些场景需要这样一款工具？坦白说，如果只是日常查资料，直接使用现有搜索引擎即可。但如果你希望搜索体验能被AI增强——比如结合上下文理解问题、自动汇总多源信息，或者想把搜索能力嵌入到自己的产品中——那么 Farfalle 就是一个非常合适的底座。个人开发者可以拿它做实验，企业可以基于它构建内部知识库的搜索入口，教育机构也能利用它搭建定制化的学习资源检索系统。

技术栈

整个项目的技术选型非常现代且透明：

• 前端：Next.js
• 后端：FastAPI
• 搜索 API：SearXNG 或 Tavily
• 日志记录：Logfire
• 速率限制：Redis
• 组件库：shadcn/ui

功能特点

• 支持多个搜索提供商（Tavily、Searxng），可根据需要灵活切换
• 云模型回答：OpenAI/gpt4-o、OpenAI/gpt3.5-turbo、Groq/Llama3 都可以使用
• 本地模型回答：llama3、mistral、gemma、phi3 也完全支持

使用方法

先决条件

• 安装 Docker
• 如果要运行本地模型，还需要安装 Ollama 并下载对应模型

获取 API 密钥

• Tavily（可选）
• OpenAI（可选）
• Groq（可选）

安装步骤

1. 克隆仓库

git clone git@github.com:rashadphz/farfalle.git
cd farfalle

1. 添加环境变量

创建 .env 文件，并添加以下变量：

• 如果使用 Tavily（需要 API 密钥）：

TA VILY_API_KEY=...
SEARCH_PROVIDER=ta vily

• 如果使用 Searxng（不需要 API 密钥）：

SEARCH_PROVIDER=searxng

• 可选云模型 API 密钥：

OPENAI_API_KEY=...
GROQ_API_KEY=...

1. 运行容器

用 Docker Compose 启动服务：

docker-compose -f docker-compose.dev.yaml up -d

然后在浏览器中访问 http://localhost:3000 查看应用。

部署

1. 后端部署

使用 Render 部署后端：Deploy to Render

1. 前端部署

使用 Vercel 部署前端，并将后端的 URL 设为 NEXT_PUBLIC_API_URL 环境变量：Deploy with Vercel

注：本文内容仅供参考，具体项目特性请参照官方 GitHub 页面的最新说明。

资源列表
[1] 项目地址: https://github.com/rashadphz/farfalle
[2] Render后端部署: https://render.com/deploy?repo=https://github.com/rashadphz/farfalle
[3] Vercel前端部署: https://vercel.com/new/clone?repository-url=https%3A%2F%2Fgithub.com%2Frashadphz%2Ffarfalle&env=NEXT_PUBLIC_API_URL&envDescription=URL%20for%20your%20backend%20application.%20For%20backends%20deployed%20with%20Render%2C%20the%20URL%20will%20look%20like%20this%3A%20https%3A%2F%2F%5Bsome-hostname%5D.onrender.com&root-directory=src%2Ffrontend