Vane 安装指南(本地AI问答引擎)

上周我在GitHub上发现了一个超酷的项目，原名为Perplexica（现已更名为Vane）。对我来说这是一个不容错过的机会。事实上，我可以拥有一个令人惊叹的本地Web应用，类似于Perplexity.ai，运行在我本地的LLM上，通过llama.cpp提供服务。

Vane是一个开源、自托管的AI驱动的问答引擎，由ItzCrazyKns开发。它作为一个注重隐私的Perplexity AI替代品，支持使用SearxNG进行搜索、LLM（通过Ollama或云提供商）以及带引用的回复功能进行本地部署。

PS：llama.cpp不包含在内，但在本文中我将向你展示如何配置！

正如原始名称所暗示的，Vane（Perplexica）是一个模仿著名的Perplexity的项目，我已经使用Perplexity三个月了。

顺便说一句，如果你有Revolut账户且至少是高级账户，你可以免费使用Perplexity，作为该等级福利的一部分。

无论如何，Perplexity令人惊叹：模型本身非常好，所有回复都基于实时收集和评估的网络来源。模型响应中的每个声明都引用不同的来源，从第一个token开始就避免幻觉。

在我的旧联想X260上运行Perplexica，使用Qwen3.5和llama.cpp

在本文中，我将向你展示如何在你的电脑上运行Perplexica，获得与Perplexity相同的体验……但不需要支付一分钱。我还会给你一些示例，帮助你选择最适合这项工作的本地模型。

让我们开始吧。

1、什么是Perplexica？

Perplexica是一个受Perplexity AI启发的开源AI驱动搜索引擎。它使用SearxNG进行网络搜索、通过Ollama使用本地LLM如Llama3，以及相似性搜索和嵌入等先进技术来提供带引用的答案。

最初以Perplexica之名推出，该项目已更名为Vane，GitHub仓库位于https://github.com/ItzCrazyKns/Vane，通过频繁的提交、如v1.12.1的发布和Docker构建积极维护。

有很多有趣的功能：

• 支持速度模式、平衡模式、深度研究、文件上传和特定领域搜索（如学术、YouTube）
• 在您的硬件上100%本地运行以确保隐私，将本地LLM与可选的云模型相结合
• 包括智能建议、会话管理和用于集成的API端点

Vane可以在正常模式下运行直接网络搜索，或在Copilot模式（开发中）下生成多个查询并访问热门结果。它包括学术、YouTube、Reddit、Wolfram Alpha和写作助手等专注模式。

最突出的功能是它支持注重隐私的、最新的结果，而不依赖过时的索引。

Vane的搜索模式优化AI驱动的查询，以实现速度、深度或特定性。它们包括一般模式如速度、平衡和质量（或深度研究），以及针对学术、YouTube和Reddit等领域的专注模式。

在速度模式下，vane/Perplexica以最少的处理提供快速答案以获得快速结果。

平衡模式适合日常搜索，在速度和准确性之间取得平衡。

还有质量/深度研究模式：执行深入分析、多个查询和站点访问以获得深入回复。

在所有模式下，您可以：

• 将搜索限制在特定来源（例如，学术用于学术内容、YouTube用于视频、Reddit用于讨论）
• 通过提示、SearxNG修饰符和LLM支持自定义配置以实现用户定义的模板
• 通过嵌入和相似性排名增强相关性，支持文件上传和智能建议等选项

我们可以拥有所有这些而不用担心token成本：事实上，即使速度较慢，也有办法使用llama.cpp服务器和好的本地LLM在我们的电脑上运行Perplexica。以下是方法……

2、如何安装和使用Perplexica

有几种方法可以在您的电脑上安装Perplexica。最简单的方法是通过Docker镜像。我们将使用这种方法。

第一步是安装Docker桌面版，或者下载Windows二进制文件（我在Windows 11上测试所有这些，但您也可以在MacOS和Linux上做）

下载安装程序后，运行它。在过程结束时，Docker将自动启动。

3、安装vane/Perplexica docker容器

确保Docker Desktop正在运行。打开终端（在任何地方）并运行这个简单的命令：

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

Docker将获取vane项目（Perplexica）的镜像，下载并为我们启动它。

Docker镜像的好处是它们已经配置了所有依赖项和功能。

例如，Perplexica自带已安装的SearXNG，一个强大的本地运行搜索引擎，不需要任何API密钥！

现在……在终端完成所有过程后（见上图），您的Docker Desktop将在容器中有一个新条目：

点击▶️播放按钮启动它：这就是您在电脑上运行Perplexica所需的全部。

如果您在浏览器中（我在这里使用Comet）指向localhost:3000，您可以看到它正在运行。

现在我们需要一个AI模型。

4、llama.cpp服务器只需一步之遥

这里真正的问题是vane/Perplexica没有为llama.cpp服务器内置配置。

设置 > 模型 > 管理连接 > + 添加连接

默认可用选项是：

但通过一些技巧，我们可以利用标准的OpenAI连接，让它准备好与我们的llama-server一起工作！

4.1 首先……让我们谈谈模型。

并非每个聊天模型都适合这个应用：事实上Perplexica使用（就像原始的Perplexity……）：

• 推理
• 工具调用

所以，并非所有模型都有这些功能，小型语言模型更是少之又少。

我自己在我的老旧的联想X260笔记本电脑上测试了以下模型：

• Gemma-3n-E2B-it
• LFM-2.5–1.2b-instruct
• Qwen3.5–0.8b
• Ministral-3–3B-Instruct-2512
• Granite-4.0-h-tiny
• Granite-3.1–3b-a800m-instruct
• Trinity-Nano-Preview
• Qwen3.5–2b
• Qwen3–4b-instruct
• NVIDIA-Nemotron3-Nano-4B
• Qwen3–1.7B

测试所有这些后，我明白了并非所有模型都适合Perplexica，即使是真正优秀的Ministral-3–3B-Instruct-2512，它通常在低规格硬件上运行得很好，具有准确性和可靠性。

稍后我会给你详细的反馈。现在让我们看看如何在你的电脑上让它工作。

注意：所有这些示例都是针对Windows操作系统用户的，但很容易适用于Linux和Mac用户。

4.2 安装llama.cpp二进制文件

从官方GitHub仓库下载仅CPU用户的最新llama.cpp二进制文件：

• 下载llama-b8508-bin-win-cpu-x64.zip
• 解压到一个名为PerplexicaAI的新目录中

4.3 下载模型的量化权重

正如我向您展示的，我测试了几个小型语言模型，对于仅CPU用户最好的是Qwen3.5–0.8b-GGUF。

• 从Unsloth仓库下载Qwen3.5–0.8B-Q6_K.gguf（只需点击链接下载）。我选择Q6以尽可能减少质量损失。
• 放在同一个名为PerplexicaAI的目录中

Unsloth仓库还为我们提供了建议的超参数：

Perplexica建议使用思考模式进行文本任务：temperature=1.0, top_p=0.95, top_k=20, min_p=0.0, presence_penalty=1.5, repetition_penalty=1.0

我们在下一步需要这些设置。

4.4 使用llama-server运行模型

在同一个名为PerplexicaAI的目录中打开终端，运行：

.\llama-server.exe -m .\Qwen_Qwen3.5-0.8B-Q6_K.gguf --mmap -ngl 0 -t 2 -c 32288 --host 0.0.0.0 --port 8888 --reasoning-budget -1 -fa on --temp 1.0 --top-k 20 --top-p 0.95 --presence-penalty 1.5 -a qwen3.5-0.8

此命令将启用思考模式（即使我们使用的是非思考设置），上下文长度为32k token（vane/Perplexica需要大量token），启用flash attention和内存映射。我们将只使用2个线程（但如果您有更多线程，请增加：为操作系统至少保留1个线程空闲）。

为了在网络上公开端点，我们设置--host 0.0.0.0在--port 8888

注意，我们使用选项-a qwen3.5–0.8为模型分配了一个别名：这意味着当您调用端点时，需要将模型名称指定为qwen3.5–0.8。

我们将在下一步中看到！

4.5 在Perplexica中配置模型连接

为此，点击设置 > 模型 > 管理连接 > + 添加连接并选择OpenAI。

给连接一个名称（如lcpp-qwen3.5），在API key中写一些东西（即使我们不使用它），非常重要的是，将Base URL设置如下：

http://host.docker.internal:8888

• 由于我们在Docker容器中运行Perplexica，我们指向我们电脑的本地主机，指向http://host.docker.internal
• 我们要求llama-server在端口8888托管端点，因此最终的Base URL必须是http://host.docker.internal:8888

这只是主连接。现在我们需要链接一个聊天模型（见上图，右边那个）。

4.6 在聊天模型列表中添加模型

在设置中找到您的新连接，然后在聊天模型部分点击**+ 添加**。

模型名称必须与我们在llama-server中使用选项-a qwen3.5–0.8设置的相同

记得我们说过，当您调用端点时，需要将模型名称指定为qwen3.5–0.8。

即使我们不使用它，也不要让Model Key为空

点击添加模型。

4.7 将新模型设置为Perplexica AI模型

转到Perplexica的首页，点击cpu符号并查找您的连接/聊天模型。

⚠️注意：有时如果您看不到新连接，需要重启容器，或者简单地刷新页面

4.8 运行测试

我还建议您将研究模式更改为平衡。

输入您的查询并运行。公平地说，我通过询问测试了所有模型：

搜索网络帮助我理解：Fabio Matricardi是谁？

我不是很有名，所以肯定需要一个好的网络搜索。

在运行llama-server的终端窗口中，您应该能够看到新的POST调用进来：这意味着它正在工作

准备等待长达30分钟完成整个流程，而且token预算很高（但它在您的电脑上，所以不用担心奇怪的账单）。

在流程接近尾声时，Perplexica将搜索与查询相关的图片。如果您看不到它们，请点击图标。

5、旁注

vane/Perplexica与本地AI一起运行是可能的任务。

即使使用像Qwen3.5–0.8b这样的小模型，结果也相当不错，推理过程流畅，幻觉几乎可以忽略不计。

但是……

• 一个查询需要长达30分钟，取决于您的CPU速度和可以使用多少线程
• 流程很费token：将您的上下文窗口至少增加到32k

6、最佳小型语言模型……以及原因

这是我对用于测试Perplexica的所有小型语言模型的简要报告：

Gemma-3n-E2B-it：这是一个稀疏模型，只有2B活跃参数。总体上相当不错，但它不能一次就得到正确结果。检索到的链接是一致的。可能一个未审查的版本会做得更好。推荐！

LFM-2.5–1.2b-instruct：我无法获得好的结果。如果您成功了，请留下评论告诉我您的设置。

Qwen3.5–0.8b：最小的一个，但令人惊讶地是最佳之一。它一次就得到了正确结果，但链接结果有一些问题。请注意，您需要超过25k token的上下文窗口。推荐！

Ministral-3–3B-Instruct-2512：正如预期的那样，它不好。

Granite-4.0-h-tiny：这是IBM的LLM，混合专家模型。通常不错，但引用链接有一些问题。但它一次就成功了！

Granite-3.1–3b-a800m-instruct：IBM的另一个混合专家模型。这一点都不好，从头到尾都在幻觉。

Trinity-Nano-Preview：这是一个MoE，总共6b参数但只有1b活跃。模型不错且响应迅速，但我们无法获得正确的链接。没有推理痕迹，但我们有图片。

Qwen3.5–2b：这是一个思考模型，阿里巴巴的最新一代。它比0.8b版本好一点，但慢得多。总体上非常好。推荐！

7、结束语

如果您设法读到最后……恭喜！

我试图给出所有步骤，因为我不想让你们中的任何人浪费我让它工作所花的同样多的时间。

如果您好奇，我会在以后的帖子中展示，可能也在我的Substack上，如何使用Perplexica：

• openrouter免费模型（开箱即用不可能，但我创建了我的方法）
• 在您本地网络的另一台计算机上运行的模型

原文链接: Your AI your rules: a free fully local Perplexity app on your PC

汇智网翻译整理，转载请标明出处