Onyx：开源 AI 平台，让你的团队拥有自己的 ChatGPT
posts posts 2026-04-04T14:35:00+08:00Onyx 是一个开源 AI 平台，提供 RAG、Deep Research、自定义 Agent、代码执行等高级功能，支持所有主流 LLM 提供商。本文介绍其核心功能、架构设计和部署方式。技术笔记AI平台, RAG, Deep Research, Agent, 开源Onyx：开源 AI 平台，让你的团队拥有自己的 ChatGPT
项目地址：onyx-dot-app / onyx
今日Star：23,499（今日 +1,852）| Forks：3,151 | 最新版本：v3.1.1
🌟 如果你需要一个可以私有化部署的 ChatGPT 替代品，Onyx 值得一看
学习目标
读完本文后，你应该能够：
- 理解 Onyx 作为 LLM 应用层平台的核心定位。
- 掌握 Onyx 的核心功能模块（RAG、Deep Research、Agent 等）。
- 了解 Onyx Lite 和 Standard 两种部署模式的区别。
- 完成 Onyx 的最小化安装和基本配置。
- 判断 Onyx 适合哪些场景（团队协作、企业搜索、个人使用）。
一、项目简介
Onyx 是 LLM 的"应用层"——一个功能丰富的 AI 聊天平台，任何人都可以私有化部署。它让 LLM 具备高级能力，如 RAG（检索增强生成）、网络搜索、代码执行、文件创建、深度研究等。
用通俗的话说：Onyx 就是可以私有化部署的 ChatGPT，而且还多了很多企业级功能。
核心特点
| 特点 | 说明 |
|---|---|
| 开源免费 | MIT 许可证，社区版免费使用 |
| 私有化部署 | Docker/Kubernetes 一键部署 |
| 支持所有 LLM | OpenAI、Anthropic、Google、Gemini，开源模型（Ollama、vLLM） |
| 企业级功能 | SSO、RBAC、审计日志、协作功能 |
| 50+ 连接器 | 支持 Confluence、Google Drive、Slack、Notion 等数据源 |
二、核心功能详解
2.1 Agentic RAG — 下一代检索增强生成
RAG（Retrieval-Augmented Generation）是企业使用 LLM 的核心场景。Onyx 提供了混合索引 + AI Agent 的 RAG 方案：
- 混合索引：结合向量搜索和关键词搜索，兼顾语义匹配和精确检索
- AI Agent 增强：Agent 会自动判断检索策略、多次迭代搜索、验证答案质量
工作流程示意：query → 混合索引检索 → Agent 二次检索 → 生成答案 → 答案验证
2.2 Deep Research — 深度研究代理
Onyx 的 Deep Research 功能可以自动完成多步骤研究流程：
- 分解研究问题为子问题
- 并行执行各子问题研究
- 综合分析并生成报告
根据官方数据，Onyx Deep Research 在 2026 年 2 月的排行榜上名列前茅。
2.3 自定义 Agent
构建具有独特指令、知识和行为的 AI Agent：
- 个性化指令：为 Agent 定义系统提示词
- 知识库关联：让 Agent 访问特定数据源
- Actions 配置：赋予 Agent 执行特定操作的能力
2.4 Web Search
支持多种搜索引擎：
- Serper
- Google PSE（自定义搜索引擎）
- Brave Search
- SearXNG
- 自托管爬虫（支持 Firecrawl、Exa）
2.5 代码执行
在沙箱环境中执行代码：
- 数据分析并生成图表
- 文件创建和修改
- 自动化任务执行
2.6 其他功能
| 功能 | 说明 |
|---|---|
| Artifacts | 生成文档、图形、可下载内容 |
| Voice Mode | 语音对话（文字转语音 + 语音转文字） |
| Image Generation | 根据提示词生成图像 |
| Actions and MCP | 与外部应用集成，支持灵活认证 |
三、两种部署模式
Onyx 提供两种部署模式，适合不同场景：
3.1 Onyx Lite — 轻量级体验
适用场景：快速测试、个人使用、小团队
| 要求 | 规格 |
|---|---|
| 内存 | < 1GB |
| 复杂度 | 轻量级技术栈 |
Lite 模式是简化的聊天界面，适合只想体验 Chat 和 Agents 功能的用户。
3.2 Standard Onyx — 完整功能集
适用场景：生产环境、中大型团队、企业用户
完整功能包括：
- Vector + Keyword 混合索引（RAG 必须）
- 后台容器（任务队列和 Worker，用于数据源同步）
- AI 推理服务器（用于索引和推理的深度学习模型）
- 性能优化（Redis 缓存、MinIO 对象存储）
四、快速安装
4.1 一键安装（推荐）
curl -fsSL https://onyx.app/install_onyx.sh | bash4.2 Docker 部署
# 拉取镜像
docker pull onyxdotapp/onyx:latest
# 运行容器
docker run -d \
--name onyx \
-p 3000:3000 \
-v onyx_data:/data \
onyxdotapp/onyx:latest4.3 Kubernetes 部署
# 添加 Helm 仓库
helm repo add onyx https://charts.onyx.app
helm repo update
# 安装
helm install onyx onyx/onyx -n onyx --create-namespace五、企业级功能
Onyx 面向企业场景提供完整解决方案：
| 功能 | 说明 |
|---|---|
| 协作共享 | 在组织内部分享聊天和 Agent |
| SSO 单点登录 | 支持 Google OAuth、OIDC、SAML |
| SCIM 用户同步 | 自动同步用户和组 |
| RBAC 权限控制 | 基于角色的资源访问控制 |
| 使用分析 | 按团队、LLM、Agent 统计用量 |
| 查询审计 | 记录和审计 AI 使用情况 |
| 自定义代码 | 移除 PII、拒绝敏感查询 |
| 白标定制 | 自定义品牌、图标、横幅 |
六、支持的 LLM 提供商
Onyx 支持所有主流 LLM，包括：
闭源模型：
- OpenAI (GPT-4o, GPT-4 Turbo)
- Anthropic (Claude 3.5, Claude 3)
- Google (Gemini Pro, Gemini Ultra)
- Azure OpenAI
开源模型：
- Ollama（本地运行）
- vLLM（高吞吐量推理）
- LiteLLM（统一接口）
- LM Studio
七、适用场景
| 场景 | 推荐配置 |
|---|---|
| 个人 AI 助手 | Onyx Lite，单机部署 |
| 团队协作 | Standard Onyx，共享知识库 |
| 企业知识管理 | Standard Onyx + SSO + RBAC |
| 客服机器人 | Standard Onyx + Actions + MCP |
| 代码助手 | Standard Onyx + 代码执行 |
八、项目结构
onyx/
├── backend/ # Python 后端
├── cli/ # 命令行工具
├── desktop/ # 桌面应用
├── docs/ # 文档
├── web/ # Next.js 前端
├── widget/ # 嵌入式小组件
├── extensions/ # 浏览器扩展
│ └── chrome/ # Chrome 扩展
├── deployment/ # 部署配置
│ ├── docker/ # Docker 配置
│ └── kubernetes/ # K8s Helm Chart
└── tools/ # 工具集九、总结
Onyx 为团队提供了一个功能完整、可私有化部署的 AI 平台。无论是个人探索还是企业级应用，都能找到合适的方案。其核心优势在于：
- 开源免费：MIT 许可证，无供应商锁定
- 功能丰富：RAG、Deep Research、Agent、代码执行等
- 部署灵活：从单机到 Kubernetes 集群
- 企业就绪：SSO、RBAC、审计日志等
- 生态完善：50+ 数据连接器、MCP 支持
相关链接：
- 官网：https://www.onyx.app
- 文档：https://docs.onyx.app
- GitHub：https://github.com/onyx-dot-app/onyx
- Discord：https://discord.gg/TDJ59cGV2X