📌 项目地址：ItzCrazyKns/Vane | ⭐ 35,005 颗星 | 🔧 TypeScript | 📜 MIT
前阵子想查“失眠 治疗”的循证方法，但我既不想把搜索词喂给Google（它拿去做广告匹配），也不想把医疗查询发给ChatGPT（数据训练不知道会存多久）。找了半天，发现Vane这个项目正好解决了这个问题——在你自己硬件上跑一个AI搜索引擎，搜索用SearxNG（不给任何引擎留cookie），回答用你指定的AI模型，本地或云端随便选。
它有35005个star（2025年3月数据），仓库用TypeScript写，MIT许可。我花了一顿饭的时间部署完，做了几轮实测，下面讲清楚它的架构逻辑、你该选哪个模式、以及哪些地方还差点意思。
搜索层：SearxNG调度，不绑定任何一家
Vane默认用SearxNG做元搜索。SearxNG自己收集Google、Bing、DuckDuckGo等多个后端的结果，去重排序后返回。它不设追踪cookie，不记录你的查询IP或历史。README提到后续会支持Tavily和Exa，但目前只有SearxNG可用。
你可以在Vane设置里切换搜索源：只搜网页、只搜论坛讨论（比如Reddit）、只搜学术论文。我查一个Python协程的bug时选了“讨论”，直接看到Stack Overflow的踩坑帖，比全局搜索快得多。这个源切换是在Vane UI里做的，不是手敲site:语法。
回答层：AI模型任选，隐私成本一目了然
在Vane的设置下拉菜单里，你可以切换：
- 本地：Ollama。数据完全不离开你机器。我用自己16GB笔记本跑Qwen2.5-7B，回答质量接近GPT-3.5，但生成速度慢，一次回答要15秒左右。
- 云端：OpenAI、Claude、Gemini、Groq。Vane自己不记录查询，但你的查询内容会经过这些服务商——你用GPT-4o，搜索词就是直接发给OpenAI的。没有中间代理，隐私取舍很透明。
搜索层和回答层可以自由组合：用SearxNG搜知乎，本地模型总结；或者用SearxNG搜论文，Claude解析。两层之间的数据只有Vane前端转发，不经过Vane自己的后端（后端就是SearxNG+你选择的AI）。
三种搜索模式，对应不同时间投入
Vane预设了三个模式，核心区别在于AI看了多少搜索来源后再回答。我分别测了同一个问题“Transformer为什么用缩放点积而不是直接点积”。
- Speed Mode：只抓2-3个来源，回答最快。5-8秒出答案，讲”避免梯度爆炸“，够用，但只有一个引用链接。
- Balanced Mode：抓5-7个来源，默认选项。10秒左右，从数值稳定性和梯度溢出两个角度解释，每个论点后面标了来源。日常查API用法、技术概念用这个。
- Quality Mode：抓十几个来源，还要多轮整合。花了15秒，不仅说了缩放原因，还对比了其他归一化方案，引用格式也更像论文。做技术调研或论文综述时值得等这几秒。
注意：这三个模式只影响AI的检索深度，不影响搜索层本身。你用哪个模式，搜索引擎列表都一样（SearxNG）。模式切换后，Vane会用不同的prompt告诉AI”你多抓几个结果再回答“。
几个值得试的设计细节
Widgets（小部件）
搜索“巴黎天气”弹出温度卡片，搜“2的10次方”出计算结果，搜“AAPL”显示实时股价曲线。数据来自SearxNG抓的公开API，不依赖第三方付费接口。目前只有天气、计算、股票三类，数量有限，但够高频。
文件上传问答
拖入PDF问“这篇论文用的数据集是哪个”，它会定位到Methods章节回答，不是全文盲扫。支持PDF、文本文件、图片（如果模型支持多模态，则走OCR+图像理解）。搜到的内容和上传的文件可以同时被AI看到，相当于交叉引用。我传入一份10页的Python文档，问“装饰器的最佳实践”，它引用了文档第8页的两个例子。
限定域名搜索
在Vane搜索框里直接输入type safety site:typescriptlang.org，结果只来自TypeScript官方文档。底层是SearxNG支持site:语法，但Vane的UI没有单独做按钮，需要你手动敲。翻手册、查issue时特别好用。
Discover（发现功能）
首页展示当天热门文章。来源是搜索引擎聚合的，没有算法推荐，本质是个随机新闻流。我偶尔打开看看，比刷推荐流少了很多“猜你喜欢”的抗拒感。但文章质量参差不齐，来自一些小众博客。
搜索历史存本地
存在浏览器IndexedDB里，不经过任何服务器。换台电脑就看不到历史。如果你需要跨设备同步，只能用云端AI模型，但历史仍留在原设备。
部署：Docker最快，20分钟完成
README顶部有Docker Hub链接（itzcrazykns1337/vane）。我推荐用Docker Compose，配置环境变量（至少需要AI模型的API key或Ollama地址），启动容器大约20分钟。架构文档在docs/architecture/目录下，写得挺清楚。
如果不喜欢Docker，可以本地构建。仓库用TypeScript写，但README没有列出npm install的具体步骤——想本地跑直接去看docs/architecture或者进官方Discord问。我推荐Docker，省去环境依赖。
实际缺点
中文搜索效果偏弱。 SearxNG抓中文结果的效率不如谷歌，偶尔混入不相关的英文页面。我试了“失眠 治疗”，第一条结果是英文wikiHow。解决办法是在查询里加中文站点限制，比如失眠 恢复 site:zhihu.com。
Widgets种类太少。 只有天气、计算、股票三个。如果能加单位换算、词典、时区转换，会更实用。官方Discord说社区在讨论，但没定排期。
本地模型需要常开机器。 用Ollama跑模型，电脑必须一直开机。用云端模型则不需要，但隐私打折扣。
官方文档侧重架构而非操作。 README没有一步步的截图教程。第一次部署如果有问题，去Discord问最快，社区挺活跃的。
值不值得花一小时部署
如果你对搜索引擎的追踪感到烦躁，或者你经常做需要交叉验证的技术研究（写文章、查论文综述），Vane解决了一个具体问题：用AI总结搜索内容时，不必把每个搜索词都送给大公司。搜索归你，回答归你，选择权也归你。花一顿饭的时间部署一下，值得。
如果你只是日常快速搜索（查菜谱、看新闻），那直接浏览器默认搜索就行，没必要折腾。