🧠 Onyx：开源 AI 平台 50+ 连接器 RAG+深度研究一行命令私有部署

Onyx 是一款开源 AI 应用层平台，让团队用自然语言检索企业知识。基于 Agentic RAG 与深度研究能力，从 Slack、Notion、Confluence 等 50+ 数据源中精准回答问题。支持所有主流 LLM 提供商，本地或云端自由切换，一行命令私有化部署，数据完全自主可控。

🎤 引言

有没有遇到过这种场景：团队里有人问了 N 次同样的问题，每次都要翻邮件、翻文档、翻 Slack；而你想用 ChatGPT 帮忙回答，可公司数据又不能往公网 API 塞——一边是知识散落在十几个系统里没人能记住全貌，另一边是大模型再强也读不到你公司的私域内容。

Onyx 就是冲着这个矛盾来的：把企业内部所有数据源接到大模型前面，让 AI 能用自然语言检索并回答。同时整个平台 100% 开源 (MIT)，你完全可以私有化部署在自己机器上，数据不出门。

更离谱的是官方给出的部署命令就一行：

curl -fsSL https://onyx.app/install_onyx.sh | bash

不需要折腾 Kubernetes、不需要懂 Helm，5 分钟跑起来一个 Lite 版"ChatGPT for Your Team"。

⭐ 核心功能

1. Agentic RAG — 不只是关键词匹配，是 AI Agent 在检索

Onyx 的检索不是传统向量数据库那种"找到最像的段落"，而是混合索引 + AI Agent 驱动的多轮检索。先用关键词和向量召回候选，再让 Agent 判断这些文档够不够回答问题，不够就换关键词再来一轮。官方称之为 "Hybrid index + AI Agents for information retrieval"，2026 年 2 月的 Deep Research benchmark 显示 Onyx 排在榜首。

2. 深度研究（Deep Research）

这不是简单地把一段文档塞给 LLM 就完事。Onyx 的深度研究走的是多步研究流程：拆解问题→多次检索→交叉验证→结构化输出，能生成一份带引用的完整报告。简单说就是"自动写论文"的体验。

3. 50+ 连接器（含 MCP）

开箱即用支持这些数据源：

协作工具：Slack、Confluence、Notion、Google Drive
代码仓库：GitHub、GitLab
客户管理：Salesforce、HubSpot
通讯：邮件、Teams、Zoom
办公：Office 365、Google Workspace、SharePoint
工单系统：Jira、Zendesk

外加通过 MCP（Model Context Protocol）扩展，可以接入任意第三方应用。原项目已经自带内置爬虫，同时也支持接入 Firecrawl/Exa 做更强的网页抓取。

4. 自定义 Agent

可以创建带特定指令、特定知识库、特定动作的 AI Agent。比如"客服 Agent"只读 Zendesk 知识库 + 调工单 API；"代码 Agent"只读 GitHub + 跑代码片段。每个 Agent 的权限边界都能单独控制。

5. Actions + MCP — 让 Agent 真干活

不是只回答问题，而是能动手操作。给 Sales Agent 配置 Salesforce 的 Action，它能直接帮客户改订单状态；给 Slack Agent 配权限，它能帮人 @ 同事或者建会议。

6. 语音模式 + 图像生成

Voice Mode 内置 TTS/STT，可以语音对话；Image Generation 走任意图像模型（默认 DALL-E/Midjourney 也都能换），生成图片直接嵌在聊天流里。

7. 代码沙箱执行

让 Agent 不只是"建议代码"，而是在内置沙盒里真跑一遍，生成图表、写文件、跑数据脚本都不在话下。

8. Lite vs 标准两种部署模式

Lite 模式：内存占用 < 1GB，纯 Chat UI + Agent，适合个人/小团队快速试玩
标准模式：包含向量索引 + 后台 worker + Redis/MinIO 缓存，适合企业级部署

这也意味着低配服务器也能跑起来，不像某些"必须 K8s 才能装"的竞品那么挑环境。

📥 安装与使用

最简部署（Lite 模式）：

curl -fsSL https://onyx.app/install_onyx.sh | bash

跑完访问 http://localhost:3000 就能看到 UI 了。

生产部署（Docker Compose）：

git clone https://github.com/onyx-dot-app/onyx.git
cd onyx/deployment/docker_compose
docker compose -f docker-compose.dev.yml up -d

Kubernetes / Helm / Terraform：

官方文档给了几大云厂商的部署指南，包括 AWS、GCP、Azure。详见官方部署文档。

LLM 配置：

Onyx 的杀手锏之一是 LLM Provider 完全可选：

自托管：Ollama、LiteLLM、vLLM
云端 API：OpenAI、Anthropic、Google Gemini
都能塞进去，没有锁定

配置示例（接入 OpenAI）：

# 配置文件位置：config.yaml
LLM_PROVIDER: openai
OPENAI_API_KEY: sk-xxx
OPENAI_MODEL: gpt-4o

Slack 数据接入示例：

# 进入 Onyx 管理界面 → Connectors → 添加 Slack
# 填入 Bot Token + Signing Secret
# 选定同步频道，立即开始把消息索引化

完整文档见 docs.onyx.app。

🎯 适用场景

SaaS 公司内部知识库：Sales 找产品资料、Support 查历史工单、研发读 Wiki，全用一个聊天入口
咨询/咨询团队：把客户过往项目资料、案例库喂进去，新人入职几天就能上手回答客户问题
学术研究小组：接入 arXiv/PDF 库，深度研究模式能直接出文献综述
个人开发者的私有 AI 助手：Lite 模式跑在 NAS 上，统一管理笔记、代码片段、PDF 资料
对数据合规要求高的团队：自托管 + 本地 LLM，数据全程不出内网

🔍 对比 / 替代方案

工具	类型	核心差异	Onyx 优势
Dify	开源 LLM 应用开发平台	偏"工作流编排"+ Agent 搭建	Onyx 更偏"知识检索+Chat"，开箱即用的连接器多
AnythingLLM	本地知识库	主要面向单机用户	Onyx 支持企业级多用户+SSO+RBAC
RAGFlow	开源 RAG 引擎	引擎层，需自己搭 UI	Onyx 自带完整聊天界面，部署更简单
Notion AI	SaaS	数据锁在 Notion 内	Onyx 数据可来自任意源，不被单一平台绑死
Glean	商业企业搜索	价格贵，闭源	Onyx 完全免费，代码可改
Haystack / LlamaIndex	Python 框架	库级，需要工程师自己封装 UI	Onyx 是产品级，普通员工就能用

如果你的核心诉求是"给非技术同事一个 ChatGPT 入口 + 接入公司全部数据源"，Onyx 的性价比几乎无敌。

⚠️ 注意事项

首次部署资源消耗：标准模式需要至少 8GB RAM + Docker。想跑生产级别（向量索引 + Worker）建议 16GB 起步。
连接器越多，索引越慢：Slack/邮件这种增量同步还好，整库同步 Confluence/Google Drive 第一次可能要几小时。建议初始部署时只接入最关键的数据源。
LLM 选择影响答案质量：用 GPT-4o/Claude Sonnet 4 效果明显比用开源小模型好。预算紧可以混合用——简单检索用本地模型，深度研究用云端。
RAG 仍然会幻觉：再强的检索也不能 100% 消除幻觉。Onyx 在每条回答下面附上引用源，但用户仍需要自己点开核对，特别是涉及合规/法律问题时。
Lite vs 标准功能差距不小：Lite 模式跑不出向量检索，过滤会变成纯关键词匹配。想体验完整 AI 能力还是得装标准模式。
Enterprise Edition 是收费的：核心功能在 MIT 版的 CE（Community Edition）里都有，但 SSO、SCIM、白标等企业特性在 Enterprise 里。个人和小团队用 CE 完全够用。

✅ 总结

Onyx 解决的问题非常具体：让团队每一份散落在 Slack、邮件、Confluence、Drive 里的知识，都能被一个 AI 入口随时调用起来，同时不把数据拱手让给 ChatGPT。

它的优势：

Agentic RAG + 深度研究，检索质量是开源天花板
50+ 连接器 + MCP 扩展，几乎通吃所有企业数据源
一行命令部署，Lite 模式吃内存 < 1GB
MIT 协议 + Y Combinator 背书，活跃维护中

不足也很明显：标准模式吃资源、首次全量索引耗时、对超大团队需要 EE 版才能完整体验 RBAC 和 SSO。

推荐给：3 人以上小团队到中型公司，特别是已经在用 Slack + Notion + Google Workspace 混合办公的，会立刻感受到"知识不再沉睡"。个人玩家可以用 Lite 模式搭个本地知识库，体验一下"对话式整理笔记"的工作流。

如果只想体验不想折腾，直接走 Onyx Cloud 注册也能白嫖试用。

项目地址：https://github.com/onyx-dot-app/onyx
官方文档：https://docs.onyx.app/welcome
官方主页：https://www.onyx.app/