企业官网建设流程全解析

自托管 AI 知识库与联网搜索全套方案：SearXNG + mcp-searxng + Infinity + R2R + pgvector

目标：用 4 个开源组件 + 1 个 MCP 桥接服务，在本地搭一套完全自托管的「向量知识库（RAG）+ 隐私联网搜索」基础设施，供 Claude、OpenCode、Cursor 等 AI 客户端调用。

一、方案总览

1.1 组件与镜像

1.2 架构图

┌──────────────────────────────┐ │ AI 客户端（Claude/OpenCode）│ └──────┬───────────────┬───────┘ MCP 协议 │ │ HTTP API ▼ ▼ ┌─────────────────┐ ┌──────────────────┐ │ mcp-searxng │ │ R2R :7272 │◄── 你自己的应用 │ （搜索工具桥） │ │ RAG 服务 │ (/v1/retrieval 等) └────────┬────────┘ └───────┬──────────┘ │ HTTP JSON │ 调用 embedding ▼ ▼ ┌─────────────────┐ ┌──────────────────┐ │ SearXNG :8080 │ │ Infinity :7997 │ │ 元搜索 │ │ bge-m3 向量模型 │ └────────┬────────┘ └──────────────────┘ │ 抓取各搜索引擎 │ 向量读写 ▼ ▼ Google/Bing/... ┌──────────────────┐ │ pgvector (PG16) │ │ 5432 向量存储 │ └──────────────────┘

两条能力线相互独立又互补：

• 联网搜索线：客户端 → mcp-searxng → SearXNG → 各大搜索引擎。解决「模型不知道最新信息」的问题。
• 私有知识线：文档 → R2R → Infinity 向量化 → pgvector 存储 → 检索问答。解决「模型不知道你的私有资料」的问题。

1.3 为什么选这套组合

1. 全部可自托管：搜索记录不出内网；Embedding 在本地 CPU 跑，不依赖 OpenAI。
2. 版本都经过社区验证：Infinity 0.0.77 与 R2R 3.6.x 是各自项目稳定期版本，镜像多架构齐全。
3. 标准协议对接：MCP 是 AI 工具生态事实标准；Infinity 和 R2R 都讲 OpenAI 兼容 HTTP，替换任何一个组件都不影响整体。

二、环境准备

目录结构约定：

/opt/ai-stack/ ├── docker-compose.yml ├── .env # 密码、密钥等敏感配置 ├── searxng/ │ ├── settings.yml # SearXNG 主配置 │ └── limiter.toml ├── r2r/ │ └── r2r.toml # R2R 配置（指向 infinity + pgvector） └── pgdata/ # PG 数据卷

三、逐个部署

3.1 pgvector：PostgreSQL 16 + 向量扩展

pgvector/pgvector:pg16就是官方 PostgreSQL 16 镜像加了 pgvector 扩展，用法与普通 PG 完全一致：

postgres: image: pgvector/pgvector:pg16 restart: unless-stopped environment: POSTGRES_USER: ${POSTGRES_USER:-r2r} POSTGRES_PASSWORD: ${POSTGRES_PASSWORD:?set in .env} POSTGRES_DB: ${POSTGRES_DB:-r2r} volumes: - ./pgdata:/var/lib/postgresql/data healthcheck: test: ["CMD-SHELL", "pg_isready -U ${POSTGRES_USER:-r2r}"] interval: 10s timeout: 5s retries: 5

验证扩展可用（R2R 会自动建表，但可以手动确认扩展存在）：

docker compose exec postgres psql -U r2r -c "CREATE EXTENSION IF NOT EXISTS vector;" docker compose exec postgres psql -U r2r -c "SELECT extname, extversion FROM pg_extension WHERE extname='vector';"

注意：pgvector 的索引（HNSW/IVFFlat）和查询参数由 R2R 自动管理，一般不需要手工建表。向量维度必须与 Embedding 模型输出一致——本文用 bge-m3（1024 维），中途换模型必须重建集合并重新入库。

3.2 Infinity：CPU 版 Embedding 服务

选BAAI/bge-m3：多语言（中英效果好）、1024 维、支持长文本（8192 tokens），是中文知识库的主力选择。

compose 片段：

infinity: image: michaelf34/infinity:0.0.77-cpu restart: unless-stopped environment: HF_ENDPOINT: ${HF_ENDPOINT:-} # 国内镜像加速，如 https://hf-mirror.com command: > v2 --model-id BAAI/bge-m3 --served-model-name bge-m3 --port 7997 --batch-size 16 volumes: - ./infinity-cache:/app/.cache # 缓存模型权重，重启不用重新下载 ports: - "127.0.0.1:7997:7997" # 只暴露给本机/容器网络

验证（OpenAI 兼容接口）：

curl http://127.0.0.1:7997/embeddings \ -H "Content-Type: application/json" \ -d '{"model":"bge-m3","input":["你好，世界"]}' # 返回 JSON 中 data[0].embedding 应为长度 1024 的数组

要点说明：

• 0.0.77版本起命令行入口为v2子命令，所有参数也可用INFINITY_前缀环境变量代替（如INFINITY_MODEL_ID=BAAI/bge-m3;）。
• -cpu镜像内置 ONNX/CPU 优化，无 NVIDIA 显卡时的最佳选择；有卡请换默认镜像并加--gpus all。
• 还可以再挂一个 rerank 模型（如--model-id BAAI/bge-reranker-base）供 R2R 重排用，按需增加。
• 首次启动要下载约 2GB 权重，耐心等待日志出现Uvicorn running再测接口。

3.3 R2R：RAG 编排服务

R2R 负责最重的活：文档摄取（PDF/DOCX/HTML/MD）、语义切块、调 Infinity 向量化、写入 pgvector、提供检索与 RAG 问答 API。

r2r/r2r.toml关键配置（把 embedding 指到本地 Infinity，把存储指到本地 pgvector）：

[completion] # 生成模型仍需要一个 LLM 提供方；provider 用 litellm 时模型名要带 openai/ 前缀 provider = "litellm" concurrent_request_limit = 16 [completion.generation_config] model = "openai/gpt-4o-mini" # 也可以指向任意 OpenAI 兼容的本地大模型 temperature = 0.1 max_tokens_to_sample = 1024 stream = true [embedding] provider = "openai" # 走 OpenAI 兼容协议 → 即本地 Infinity base_model = "bge-m3" # 对应 --served-model-name [database] provider = "pgvector"

配套环境变量（写入.env或 compose 的environment）：

# 让 R2R 的 openai/litellm 客户端打到本地 Infinity OPENAI_API_BASE=http://infinity:7997/v1 OPENAI_API_KEY=empty # Infinity 不校验，占位即可 # pgvector 连接 POSTGRES_HOST=postgres POSTGRES_PORT=5432 POSTGRES_USER=r2r POSTGRES_PASSWORD=your-strong-password POSTGRES_DB=r2r

提示：不同小版本的 toml 字段名偶有调整，以上结构以 R2R GitHub 仓库 v3.6.x 的示例配置为准，冲突时以官方模板为准。

compose 片段：

r2r: image: sciphiai/r2r:3.6.6-amd64 restart: unless-stopped depends_on: postgres: condition: service_healthy infinity: condition: service_started environment: OPENAI_API_BASE: http://infinity:7997/v1 OPENAI_API_KEY: empty POSTGRES_HOST: postgres POSTGRES_PORT: "5432" POSTGRES_USER: ${POSTGRES_USER:-r2r} POSTGRES_PASSWORD: ${POSTGRES_PASSWORD} POSTGRES_DB: ${POSTGRES_DB:-r2r} volumes: - ./r2r/r2r.toml:/app/config/r2r.toml - ./r2r/data:/app/data ports: - "7272:7272" # R2R API

常用操作：

# 上传文档建立知识库（会自动切片→Infinity向量化→入pgvector） curl -X POST http://127.0.0.1:7272/v1/documents \ -F "file=@./manual.pdf" # RAG 问答：检索 + LLM 生成 curl -X POST http://127.0.0.1:7272/v1/retrieval/rag \ -H "Content-Type: application/json" \ -d '{"query":"设备保修政策是什么？"}'

排错速查：

3.4 SearXNG：隐私元搜索

SearXNG 必须开启 JSON 输出格式，否则 mcp-searxng 拿不到数据（最常见的坑）。

searxng/settings.yml最小可用配置：

use_default_settings: true server: secret_key: "change-me-to-random-string" # openssl rand -hex 32 生成 limiter: false # 仅本机/内网使用时可关 image_proxy: true search: safe_search: 0 formats: # ← 关键！默认没有 json - html - json engines: - name: google disabled: false - name: bing disabled: false - name: duckduckgo disabled: false

compose 片段（SearXNG 官方推荐 Redis 做缓存）：

redis: image: valkey/valkey:8-alpine restart: unless-stopped command: valkey-server --save 30 1 --loglevel warning searxng: image: searxng/searxng:latest restart: unless-stopped depends_on: - redis environment: SEARXNG_BASE_URL: http://127.0.0.1:8080/ volumes: - ./searxng/settings.yml:/etc/searxng/settings.yml:ro ports: - "8080:8080"

验证 JSON API：

curl "http://127.0.0.1:8080/search?q=docker+searxng&format=json" # 返回 results 数组即成功；返回 403 说明 formats 里没开 json

3.5 mcp-searxng：给 AI 客户端装上搜索

mcp-searxng 不是 SearXNG 插件，而是独立的 MCP Server（Node.js 进程），唯一必填变量是SEARXNG_URL。它通常跑在客户端一侧（STDIO 模式），不必进 compose。

Claude Code 注册（用户级）：

claude mcp add --scope user --env SEARXNG_URL=http://127.0.0.1:8080 --transport stdio searxng -- npx -y mcp-searxng

Claude Desktop / Cursor / OpenCode 等（JSON 配置）：

{ "mcpServers": { "searxng": { "command": "npx", "args": ["-y", "mcp-searxng"], "env": { "SEARXNG_URL": "http://127.0.0.1:8080", "SEARXNG_MAX_RESULTS": "10", "SEARXNG_DEFAULT_LANGUAGE": "zh-CN" } } } }

常用可选变量：

配置完成后在客户端里说一句"搜一下 xxx"，能看到工具调用 SearXNG 即接入成功。

四、完整 docker-compose.yml（汇总）

services: postgres: image: pgvector/pgvector:pg16 restart: unless-stopped environment: POSTGRES_USER: ${POSTGRES_USER:-r2r} POSTGRES_PASSWORD: ${POSTGRES_PASSWORD:?set in .env} POSTGRES_DB: ${POSTGRES_DB:-r2r} volumes: - ./pgdata:/var/lib/postgresql/data healthcheck: test: ["CMD-SHELL", "pg_isready -U ${POSTGRES_USER:-r2r}"] interval: 10s timeout: 5s retries: 5 infinity: image: michaelf34/infinity:0.0.77-cpu restart: unless-stopped environment: HF_ENDPOINT: ${HF_ENDPOINT:-} command: > v2 --model-id BAAI/bge-m3 --served-model-name bge-m3 --port 7997 --batch-size 16 volumes: - ./infinity-cache:/app/.cache ports: - "127.0.0.1:7997:7997" r2r: image: sciphiai/r2r:3.6.6-amd64 restart: unless-stopped depends_on: postgres: condition: service_healthy environment: OPENAI_API_BASE: http://infinity:7997/v1 OPENAI_API_KEY: empty POSTGRES_HOST: postgres POSTGRES_PORT: "5432" POSTGRES_USER: ${POSTGRES_USER:-r2r} POSTGRES_PASSWORD: ${POSTGRES_PASSWORD} POSTGRES_DB: ${POSTGRES_DB:-r2r} volumes: - ./r2r/r2r.toml:/app/config/r2r.toml - ./r2r/data:/app/data ports: - "7272:7272" redis: image: valkey/valkey:8-alpine restart: unless-stopped command: valkey-server --save 30 1 --loglevel warning searxng: image: searxng/searxng:latest restart: unless-stopped depends_on: - redis environment: SEARXNG_BASE_URL: http://127.0.0.1:8080/ volumes: - ./searxng/settings.yml:/etc/searxng/settings.yml:ro ports: - "8080:8080"

.env示例：

POSTGRES_USER=r2r POSTGRES_PASSWORD=please-change-me POSTGRES_DB=r2r HF_ENDPOINT=https://hf-mirror.com

一键启停：

docker compose up -d docker compose ps # 全部 healthy/running 即就绪 docker compose logs -f infinity # 观察模型加载

五、验收清单

六、安全与运维建议

1. 不要把端口裸奔公网：SearXNG/R2R/Infinity/PG 只绑127.0.0.1或走反向代理加认证；mcp-searxng 若以 HTTP 模式对外，务必设置MCP_HTTP_AUTH_TOKEN并启用 hardened 模式。
2. 密钥管理：settings.yml的secret_key、.env里的数据库密码都要换掉示例值；csdcn.env类凭据文件不要进 git。
3. 备份：定期备份pgdata/目录（或用pg_dump），向量库重建成本高。
4. 升级策略：Infinity 与 R2R 升级可能改变向量维度或表结构，升级前备份，升级后先跑第五节验收清单。