本项目使用Docker进行安装部署，集成了Ollama本地大模型，提供了一个完整的知识问答系统。系统会自动下载并运行 llama3.2:1b 模型，无需手动配置。
本项目包含以下几个主要组件：
- 前端 (perplexica-frontend): 基于Next.js开发的用户界面
- 后端 (perplexica-backend): Node.js服务器，负责处理请求和与模型交互
- 数据库 (postgres): PostgreSQL数据库，存储用户的Focus模式配置
- 搜索引擎 (searxng): SearxNG搜索服务，提供网络搜索功能
- 大模型 (ollama): Ollama本地大模型服务，提供AI问答能力，自动加载 llama3.2:1b 模型
Perplexica/
├── ui/ # 前端代码
│ ├── app/ # Next.js应用
│ │ ├── api/ # 前端API路由
│ │ │ ├── text-to-image/ # 文字转图片API
│ │ │ ├── mcp_server/ # MCP服务器API
│ │ │ └── focus-modes/ # 焦点模式API
│ ├── components/ # React组件
│ ├── lib/ # 工具函数
│ ├── types/ # TypeScript类型定义
│ └── prisma/ # Prisma数据库配置
├── src/ # 后端代码
│ ├── routes/ # 后端API路由
│ │ ├── chats.ts # 聊天API
│ │ ├── search.ts # 搜索API
│ │ ├── images.ts # 图片API
│ │ ├── videos.ts # 视频API
│ │ └── uploads.ts # 文件上传API
│ ├── lib/ # 工具库
│ ├── db/ # 数据库操作
│ └── websocket/ # WebSocket服务
├── python_backend/ # Python后端服务
│ └── app.py # Redis缓存服务
├── mcp-server/ # 模型上下文协议服务器
├── docker-compose.yaml # Docker配置
└── config.toml # 系统配置文件
| 端点 | 方法 | 描述 |
|---|---|---|
/api/text-to-image |
POST | 将文本转换为图片 |
/api/mcp_server |
POST | 与MCP服务器通信 |
/api/focus-modes |
GET/POST | 获取或设置焦点模式 |
| 端点 | 方法 | 描述 |
|---|---|---|
/api/chat |
POST | 创建新的聊天对话 |
/api/chat/:id |
GET | 获取特定对话 |
/api/search |
GET | 执行网络搜索 |
/api/images/search |
GET | 搜索图片 |
/api/videos/search |
GET | 搜索视频 |
/api/uploads |
POST | 上传文件 |
/api/suggestions |
GET | 获取对话建议 |
/api/config |
GET | 获取系统配置 |
聊天功能通过WebSocket提供流式响应，连接地址为:
ws://localhost:3001/ws
| 端点 | 方法 | 描述 |
|---|---|---|
/search |
GET | 带缓存的搜索 |
/health |
GET | 健康检查 |
/cache/clear |
POST | 清除缓存 |
- Docker 和 Docker Compose
- 至少8GB内存（推荐16GB以上）
- 足够的磁盘空间（至少10GB）
- 良好的网络连接
git clone https://github.com/mirror29/Perplexica.git
cd Perplexica一键启动所有服务（包括自动下载和运行 llama3.2:1b 模型）：
docker compose up -d --build注意:
- 首次启动时会自动下载 llama3.2:1b 模型（约1.5GB），请确保有良好的网络连接
- 下载过程可能需要几分钟时间，取决于您的网络速度
- 整个启动过程可能需要5-10分钟，请耐心等待
docker compose ps所有服务正常运行后，可以通过以下地址访问：
- Perplexica 前端: http://localhost:3000
- SearxNG 搜索: http://localhost:4000
系统已配置为自动下载和运行 llama3.2:1b 模型，无需手动操作。您可以通过以下命令检查模型状态：
docker exec -it perplexica-ollama-1 ollama list如果需要使用其他模型，可以通过以下命令下载：
# 进入Ollama容器
docker exec -it perplexica-ollama-1 bash
# 下载其他模型（例如）
ollama pull gemma:2b然后在 config.toml 文件中更新模型名称：
[MODELS.OLLAMA]
API_URL = "http://ollama:11434"修改后重启后端服务：
docker compose restart perplexica-backend在开始使用前，需要在 Perplexica 前端中配置正确的模型提供商：
- 打开 Perplexica 前端页面 (http://localhost:3000)
- 点击左侧导航栏底部的 Settings 图标
- 在设置页面中，找到 Model Settings 部分
- 在 Chat Model Provider 下拉菜单中选择 ollama
- 在 Chat Model 下拉菜单中选择 llama3.2:1b
- 点击 Save 保存设置
这样系统将使用本地运行的 Ollama 模型进行对话，无需连接到外部 API。
在Perplexica前端界面的设置中，您可以配置不同的Focus模式，每种模式可以有不同的参数和行为：
- 通用模式: 默认的问答模式
- 代码模式: 专注于代码相关问题
- 学术模式: 适合学术研究和论文写作
- SearxNG模式: 使用网络搜索增强问答能力
如果您需要使用其他API（如OpenAI、Anthropic等），可以编辑 config.toml文件，填入相应的API密钥：
# 编辑配置文件
nano config.toml修改后重启后端服务：
docker compose restart perplexica-backend如果模型下载失败，可以手动下载：
docker exec -it perplexica-ollama-1 ollama pull llama3.2:1b如果系统运行缓慢，可以考虑使用更轻量级的模型，修改 config.toml：
[MODELS.OLLAMA]
API_URL = "http://ollama:11434"
MODEL_NAME = "tinyllama" # 更小的模型如果前端显示数据库连接错误，可以尝试手动初始化数据库：
docker exec -it perplexica-perplexica-frontend-1 sh -c "yarn db:setup"docker compose down如需同时删除数据卷（将删除所有数据）：
docker compose down -v如有问题或建议，请提交Issue或Pull Request。
祝您使用愉快！