OpenWebUI联网搜索实战：如何用SearXNG让本地大模型获取实时信息（附百度/360配置）

优质文章学习记录

— 7 min read

OpenWebUI联网搜索实战：如何用SearXNG让本地大模型获取实时信息（附百度/360配置）

如果你在本地运行大模型，比如用Ollama部署了Qwen、Llama或者DeepSeek，可能会发现一个尴尬的问题：模型的知识截止日期是固定的，它不知道今天股市涨跌，不清楚最新的科技新闻，甚至不知道明天是什么节日。这种“信息孤岛”的感觉，让本地大模型的实用性大打折扣。

我最初搭建OpenWebUI环境时，也遇到了这个痛点。看着模型一本正经地分析过时的数据，那种无力感让我开始寻找解决方案。市面上有不少联网搜索方案，但要么配置复杂，要么对国内网络环境不友好。经过几周的折腾和测试，我发现SearXNG这个开源元搜索引擎，配合OpenWebUI的联网搜索功能，是目前最稳定、最灵活的方案之一。

更重要的是，通过合理配置SearXNG，我们可以让本地大模型直接调用百度、360等国内搜索引擎，获取符合中文用户习惯的实时信息。这不仅仅是技术上的连接，更是让本地AI真正“接地气”的关键一步。下面我就把自己踩过的坑、验证过的配置，以及实际效果对比，毫无保留地分享给你。

1. 为什么需要SearXNG？OpenWebUI联网搜索的现状与痛点

在深入配置之前，我们得先搞清楚一个问题：为什么不能直接用OpenWebUI内置的搜索引擎？答案藏在网络环境和搜索质量的双重限制里。

OpenWebUI确实提供了多种联网搜索选项，比如DuckDuckGo、Google PSE、Bing等。但在实际使用中，你会发现这些选项各有各的问题：

  • DuckDuckGo：开箱即用，但搜索结果对中文内容支持有限，经常返回一些相关性不高的英文页面
  • Google PSE：需要API密钥，免费版限制严格（每天100次搜索），而且搜索结果质量与网页版Google相差甚远
  • Bing：API申请流程复杂，新用户基本无法通过，老用户也经常遇到部署失败的问题
  • Mojeek：速度慢得让人怀疑人生，有时候一个查询要等上十几秒

我在GitHub的OpenWebUI讨论区看到不少开发者都在抱怨这个问题。有人尝试了各种方案，最后发现要么效果差，要么根本用不了。更让人头疼的是，这些搜索引擎大多对国内网络环境不友好，要么访问不稳定，要么直接被屏蔽。

这时候SearXNG的优势就体现出来了。它是一个元搜索引擎，本身不维护搜索索引，而是聚合其他搜索引擎的结果。这意味着：

  1. 隐私保护：SearXNG不会跟踪用户，所有搜索请求都经过匿名化处理
  2. 高度可定制：你可以自由选择启用哪些搜索引擎，包括百度、360、搜狗等国内引擎
  3. API友好：提供JSON格式的输出，非常适合程序化调用
  4. 自托管：完全控制在自己手里，不用担心服务突然不可用

但SearXNG也不是完美无缺。最大的问题是官方Docker镜像默认不包含国内搜索引擎的配置文件。如果你直接部署，很可能会遇到这样的错误：

[Errno 2] No such file or directory: '/usr/local/searxng/searx/engines/baidu.py'

这就是为什么很多人在配置SearXNG时卡住的原因。不过别担心，后面的章节我会详细讲解如何解决这个问题。

2. SearXNG部署详解：从零搭建可用的元搜索引擎

部署SearXNG有多种方式，包括Kubernetes、手动安装和Docker Compose。考虑到易用性和维护性，我强烈推荐使用Docker Compose方案。下面是我优化后的配置流程，已经避开了大部分常见的坑。

2.1 环境准备与基础部署

首先确保你的服务器已经安装了Docker和Docker Compose。如果还没有，可以参考官方文档进行安装。这里假设你使用的是Ubuntu 22.04或更高版本的系统。

# 更新系统包 sudo apt update && sudo apt upgrade -y # 安装Docker（如果尚未安装） curl -fsSL https://get.docker.com -o get-docker.sh sudo sh get-docker.sh # 安装Docker Compose sudo apt install docker-compose-plugin -y # 验证安装 docker --version docker compose version

接下来创建SearXNG的工作目录并获取配置文件：

# 创建专用目录 mkdir -p ~/searxng-docker && cd ~/searxng-docker # 克隆官方仓库（包含Docker配置） git clone https://github.com/searxng/searxng-docker.git .
注意：如果你在国内，GitHub克隆可能会很慢。可以考虑使用镜像源，或者先下载ZIP包再解压。

2.2 Docker Compose配置优化

官方提供的docker-compose.yaml文件包含Caddy反向代理，但对于大多数内网部署场景来说，这个组件不是必需的。我建议使用简化版的配置，只保留核心服务。

创建或修改docker-compose.yaml文件：

version: "3.7" services: redis: container_name: redis image: docker.io/valkey/valkey:8-alpine command: valkey-server --save 30 1 --loglevel warning restart: unless-stopped networks: - searxng volumes: - valkey-data:/data logging: driver: "json-file" options: max-size: "1m" max-file: "1" searxng: container_name: searxng image: searxng/searxng:latest restart: unless-stopped networks: - searxng ports: - "8080:8080" # 可以根据需要修改端口 volumes: - ./searxng:/etc/searxng:rw - ./engines:/usr/local/searxng/searx/engines:rw # 关键：持久化引擎目录 environment: - SEARXNG_BASE_URL=http://${SEARXNG_HOSTNAME:-localhost}:8080/ - UWSGI_WORKERS=${SEARXNG_UWSGI_WORKERS:-4} - UWSGI_THREADS=${SEARXNG_UWSGI_THREADS:-4} - SEARXNG_SETTINGS_PATH=/etc/searxng/settings.yml logging: driver: "json-file" options: max-size: "1m" max-file: "1" networks: searxng: volumes: valkey-data: driver: local driver_opts: type: none o: bind device: /data/searxng-docker/redis

这里有几个关键点需要注意：

  1. 移除了Caddy服务：对于内网部署，直接用Nginx或直接访问端口更简单
  2. 持久化引擎目录：这是支持国内搜索引擎的关键，后面会详细说明
  3. 使用Valkey替代Redis：Valkey是Redis的分支，兼容性更好，性能也有所提升
  4. 网络配置：使用自定义网络，方便后续与OpenWebUI容器通信

2.3 配置文件深度定制

SearXNG的配置文件位于./searxng/settings.yml。首次启动容器时会自动生成默认配置，但我们需要对其进行定制以支持国内搜索引擎。

首先创建必要的目录结构：

# 创建配置目录 mkdir -p searxng engines # 首次启动以生成默认配置 docker compose up -d sleep 10 # 等待容器启动 docker compose down # 停止容器以修改配置

现在我们来修改searxng/settings.yml文件。以下是我经过多次测试优化的配置：

# 使用默认设置作为基础 use_default_settings: true server: # base_url在环境变量SEARXNG_BASE_URL中定义 secret_key: "你的安全密钥" # 使用openssl rand -hex 32生成 limiter: false # 私有实例可以禁用限制器 image_proxy: true # 启用图片代理，保护用户隐私 ui: static_use_hash: true redis: url: redis://redis:6379/0 search: formats: - html - json # 必须启用JSON格式，OpenWebUI需要 # 搜索引擎配置 - 重点部分 engines: # 启用国内搜索引擎 - name: baidu categories: - web - news - general engine: baidu shortcut: bd timeout: 9.0 disabled: false enable_http: false # 强制使用HTTPS - name: 360search categories: - web - news - general engine: 360search shortcut: 360so timeout: 9.0 disabled: false enable_http: false - name: sogou categories: - web - news - general engine: sogou shortcut: sg timeout: 9.0 disabled: false # 禁用部分不常用或访问慢的国外引擎 - name: google engine: google disabled: true # 国内访问困难，建议禁用 - name: bing engine: bing disabled: true # API限制严格 - name: duckduckgo engine: duckduckgo disabled: true - name: startpage engine: startpage disabled: true # 保留一些有用的国外引擎（可选） - name: wikipedia engine: wikipedia disabled: false timeout: 15.0 # 维基百科可以慢一点 - name: github engine: github disabled: false shortcut: gh
提示：secret_key需要自己生成，可以使用命令openssl rand -hex 32。Windows用户可以用PowerShell：<

Read more

5060Ti双显卡+LLaMA-factory大模型微调环境搭建

5060Ti双显卡+LLaMA-factory大模型微调环境搭建

* 查看环境 * 确定安装版本 * 安装CUDA12.8 * 安装Anaconda * 安装Visual Studio C++桌面开发环境（编译llama.cpp需要） * 安装cmake(编译llama.cpp需要) * 安装llama.cpp(用于量化) * 安装huggingface-cli * 安装llama-factory * 安装PyTorch2.7.0 * 安装bitsandbytes * 安装flash-attention加速（减少内存的） * 安装unsloth加速（减少显存的） * 安装deepspeed加速（分布式训练） * 测试环境 * 准备数据集 * 修改配置以适配多显卡 * 训练 参考链接 查看环境 CPU：R7 9800X3D RAM：96GB（5600） GPU：5060Ti 16GB * 2 nvidia-smi 我的显卡是5060Ti，CUDA最高支持的版本为12.9，理论上有11.
从零开始：AIGC中的变分自编码器（VAE）代码与实现

从零开始：AIGC中的变分自编码器（VAE）代码与实现

个人主页：chian-ocean 文章专栏 深入理解AIGC中的变分自编码器（VAE）及其应用 随着AIGC（AI-Generated Content）技术的发展，生成式模型在内容生成中的地位愈发重要。从文本生成到图像生成，变分自编码器（Variational Autoencoder, VAE）作为生成式模型的一种，已经广泛应用于多个领域。本文将详细介绍VAE的理论基础、数学原理、代码实现、实际应用以及与其他生成模型的对比。 1. 什么是变分自编码器（VAE）？ 变分自编码器（VAE）是一种生成式深度学习模型，结合了传统的概率图模型与深度神经网络，能够在输入空间和隐变量空间之间建立联系。VAE与普通自编码器不同，其目标不仅仅是重建输入，而是学习数据的概率分布，从而生成新的、高质量的样本。 1.1 VAE 的核心特点 * 生成能力：VAE通过学习数据的分布，能够生成与训练数据相似的新样本。 * 隐空间结构化表示：VAE学习的隐变量分布是连续且结构化的，使得插值和生成更加自然。 * 概率建模：VAE通过最大化似然估计，能够对数据分布进行建模，并捕获数据的复杂特性。
【GitHub】github学生认证，在vscode中使用copilot的教程

【GitHub】github学生认证，在vscode中使用copilot的教程

github学生认证并使用copilot教程 * 写在最前面 * 一.注册github账号 * 1.1、注册 * 1.2、完善你的profile * 二、Github 学生认证 * 注意事项：不完善的说明 * 三、Copilot * 四、在 Visual Studio Code 中安装 GitHub Copilot 扩展 * 4.1 安装 Copilot 插件 * 4.2 配置 Copilot 插件（新安装） * 4.3 换 Copilot 插件账号 🌈你好呀！我是 是Yu欸🌌 2024每日百字篆刻时光，感谢你的陪伴与支持 ~🚀 欢迎一起踏上探险之旅，挖掘无限可能，共同成长！
告别996：GitHub Copilot将我的开发效率提升300%的实战记录

告别996：GitHub Copilot将我的开发效率提升300%的实战记录

👋 大家好，欢迎来到我的技术博客！ 📚 在这里，我会分享学习笔记、实战经验与技术思考，力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕AI这个话题展开，希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手，还是正在进阶的开发者，希望你都能有所收获！ 文章目录 * 告别996：GitHub Copilot将我的开发效率提升300%的实战记录 * 引言：从疲惫到高效 * 什么是GitHub Copilot？🤖 * 效率提升300%的核心场景 * 1. 快速生成样板代码 * 2. 自动编写单元测试 * 3. 智能调试与注释 * 集成Copilot到工作流 * 步骤1：设置合理的期望 * 步骤2：结合IDE使用 * 步骤3：代码审查与调整 * 高级用法：超越代码生成 * 数据库查询优化 * API接口设计 * 正则表达式助手 * 数据支撑：效率提升分析 * 避坑指南：常见问题与解决 * 1. 可能生成过时或不安全代码