Farfalle

Farfalle 是一个开源的 AI 搜索引擎项目，思路与 Perplexity 相近：把大语言模型接进检索流程，让搜索结果以带来源的问答形式呈现。它支持本地模型和云端 API 两条路线，也能自托管部署。这篇文章面向想搞清楚它到底能做什么、值不值得折腾的开发者、技术爱好者和小团队，聊聊定位、上手感受和需要注意的地方。

使用体验：可控性强，但门槛不低

从定位上看，Farfalle 更接近“可以自己搭起来的 AI 问答搜索”，而不是要替代通用搜索引擎。官网（farfalle.dev）主要提供项目说明和入口，真要跑起来通常得从 GitHub 仓库开始：克隆代码、配置模型和搜索 API 的密钥、用 Docker Compose 拉起服务，或者走 Vercel 部署。流程不算复杂，但每一步都需要一点后端常识。

优点在于可控性。模型跑在本地（llama3、gemma、mistral、phi3 之类）还是调用云端（OpenAI、Groq），搜索源用 SearXNG 还是 Tavily、Serper、Bing，都可以自己选，数据流向相对清楚。项目本身基于 Next.js 加 FastAPI，还带了 Redis 限流和日志组件，结构比较规整，适合拿来改。

不足也比较明显：它不是开箱即用的产品。环境变量、密钥、容器这几关，对不写代码的人不太友好。最终效果也高度依赖你接入的模型和搜索源，不同组合的差异可能不小，别指望换个默认配置就有惊喜。专家搜索、聊天历史、本地文件对话这些功能听着实用，实际表现仍以所选模型为准。

更适合这几类人：

• 想自己掌控检索与模型调用链的开发者；
• 需要在自有服务器或内网跑问答检索的小团队；
• 教学、研究场景中想观察 RAG 流程怎么搭起来的人；
• 只想找个现成搜索工具、不愿碰命令行的普通用户，用起来可能会觉得费劲。

动手前有几件事值得留意：

• 先看仓库的更新时间、issue 和依赖版本，避免踩到旧坑；
• 镜像和第三方组件建议过一遍安全扫描；
• 云模型与搜索 API 多为按量计费，是否免费以实际页面为准；
• 数据合规与可用性因地区而异，自建时尤其要考虑清楚；
• 功能清单和文档随时可能调整，以实际页面为准。

常见问题 FAQ

• Farfalle 是免费的吗？项目本身开源，可自行部署；但接入云模型或搜索 API 通常涉及费用，具体以实际页面为准。
• 必须有好显卡吗？跑本地模型一般需要一定显存，改用云端 API 则对本地硬件要求低得多。
• 它和 Perplexity 是什么关系？项目基于 Perplexity 的思路开发，属于独立的开源实现，并非官方产品。
• 不会写代码能用吗？需要配置环境变量和容器，非技术用户门槛偏高，建议先看文档再决定。
• 搜索结果是中文的吗？取决于所接入的模型和搜索源，中文表现以实际测试为准。

Farfalle 的价值在于把“AI 搜索”这条链路交到用户手里，可改、可托管、数据路径清楚；代价是要自己承担部署和维护。它更适合当作自建检索问答的补充性方案，配合合规的模型与数据渠道一起用。想找更多同类工具，可以顺带看看 {{内链:AI 工具导航}} 里的其他收录。