MiniSearch

GitHub
554 57 简单 1 次阅读 昨天Apache-2.0Agent语言模型其他图像开发框架
AI 解读 由 AI 自动生成,仅供参考

MiniSearch 是一款极简的网页搜索+AI 助手,全部运算都在浏览器里完成,无需把数据上传到云端。它把 SearXNG 的隐私搜索和 WebLLM/Wllama 本地大模型打包在一起,点开就能用,不追踪、不插广告、不留痕。
对担心隐私泄露的普通用户,MiniSearch 让你像用 Google 一样搜索,却不必交出任何个人信息;对开发者或研究人员,它提供 Docker 一键部署,还能接入自己的 OpenAI-Compatible API,把推理成本留在本地或私有服务器。
界面干净,手机和桌面都能跑,支持把地址栏设成默认搜索引擎,也支持 Raycast 快捷启动。想进一步定制,可以换模型、调参数、加密码,甚至把实例分享给团队而不暴露 API Key。
一句话:如果你既想享受 AI 搜索的便利,又想守住数据主权,MiniSearch 值得一试。

使用场景

张工是一名独立开发者,正在咖啡馆里赶一个紧急的副业项目:用 React + Vite 做一个“极简番茄钟”网页,需要快速查资料、生成示例代码并验证思路,但公共 Wi-Fi 不稳定,且他极度在意隐私。

没有 MiniSearch 时

  • 打开 Google/Bing,广告和追踪脚本让老旧 MacBook 风扇狂转,页面加载 5 秒以上,打断思路
  • 搜索“vite react typescript template”后,还得跳三四个博客才能找到可复制的代码片段,来回切换标签页,时间被切碎
  • 想确认“番茄钟 25 分钟科学依据”,结果前 10 条都是付费课程广告,真正论文藏在第 3 页,浪费 8 分钟
  • 用在线 AI 助手(如 ChatGPT Web)需要登录、授权、同意隐私条款,,且公共网络下明文传输,心里不踏实
  • 浏览器地址栏默认搜索引擎无法自定义,每次都得先打开搜索引擎主页再输入关键词,步骤冗余

使用 MiniSearch 后

  • 浏览器地址栏直接设成 http://localhost:7860/?q=%s,输入关键词瞬间返回无广告结果,本地模型推理,风扇安静
  • 搜索结果右侧即时出现 AI 生成的“最小可运行示例”,一键复制即可粘贴到 VS Code,无需再开新标签
  • 搜索同一关键词时,MiniSearch 自动总结 3 篇权威论文摘要,并给出 PDF 直链,2 分钟完成资料收集
  • 所有推理在浏览器 WebLLM 里完成,零登录、零上传,公共 Wi-Fi 下也敢放心用
  • 地址栏即搜即得,减少 3 次点击,番茄钟原型从“查资料”到“跑起来”缩短到 15 分钟

MiniSearch 把搜索、AI 问答和隐私保护装进浏览器,让独立开发者在碎片场景里也能高效、安心地“写完就跑”。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes仅需安装 Docker 即可运行;所有 AI 模型均在浏览器内运行,无需本地 GPU;可通过配置 .env 文件接入远程 OpenAI-Compatible API;支持通过 Docker Compose 一键启动;默认端口 7860。
python未说明
MiniSearch hero image

快速开始

MiniSearch

一款极简的网页搜索应用,内置AI助手,直接在浏览器中运行。

在线演示:https://felladrin-minisearch.hf.space

截图

MiniSearch 截图

功能

  • 注重隐私不追踪、无广告、不收集数据
  • 易于使用:极简却直观的界面,适合所有用户
  • 跨平台:模型在浏览器内运行,无论桌面端还是移动端均可使用
  • 集成化:通过将MiniSearch设为默认搜索引擎,即可从浏览器地址栏直接搜索
  • 高效:模型仅在需要时加载并缓存
  • 可定制:可调整搜索结果与文本生成的相关设置
  • 开源代码已在GitHub上公开,欢迎查看与贡献

先决条件

快速入门

以下是开始使用MiniSearch的最简单方法,请选择最适合您的方式。

选项1 - 使用MiniSearch的Docker镜像,只需在终端运行:

docker run -p 7860:7860 ghcr.io/felladrin/minisearch:main

选项2 - 将MiniSearch的Docker镜像添加到您现有的Docker Compose文件中:

services:
  minisearch:
    image: ghcr.io/felladrin/minisearch:main
    ports:
      - "7860:7860"

选项3 - 从源码构建,先下载仓库文件(链接),然后运行:

docker compose -f docker-compose.production.yml up --build

容器启动后,在浏览器中打开http://localhost:7860,即可开始搜索!

常见问题 向DeepWiki提问

如何通过浏览器地址栏进行搜索?

您可以将MiniSearch设为浏览器地址栏的搜索引擎,使用模式:http://localhost:7860/?q=%s,其中您的搜索词将替换%s

如何通过Raycast进行搜索?

您可以将此快捷链接添加到Raycast,输入查询后即可打开MiniSearch并显示搜索结果。您也可以将其修改为指向自己的域名。

image
能否通过OpenAI兼容API使用自定义模型?

可以!为此,请打开菜单,将“AI处理位置”改为远程服务器(API)。随后配置基础URL,并可选地设置API密钥和要使用的模型。

如何通过密码限制对MiniSearch实例的访问?

创建一个.env文件,并为ACCESS_KEYS设置值。随后重置MiniSearch的Docker容器。

例如,若您想将密码设为PepperoniPizza,则应在.env中添加如下内容:
ACCESS_KEYS="PepperoniPizza"

更多示例请参阅.env.example文件。

我想将自己的MiniSearch实例提供给其他用户使用,允许他们使用我的OpenAI兼容API密钥,但又不想让他们知道密钥本身。这可行吗?

当然!在MiniSearch中,我们把这一文本生成功能称为“内部OpenAI兼容API”。要使用它,需:

  1. .env文件中配置以下环境变量,以搭建您的OpenAI兼容API端点:
    • INTERNAL_OPENAI_COMPATIBLE_API_BASE_URL:您的API基础URL
    • INTERNAL_OPENAI_COMPATIBLE_API_KEY:您的API访问密钥
    • INTERNAL_OPENAI_COMPATIBLE_API_MODEL:要使用的模型
    • INTERNAL_OPENAI_COMPATIBLE_API_NAME:在UI中显示的名称
  2. 重启MiniSearch服务器。
  3. 在MiniSearch菜单中,从“AI处理位置”下拉菜单中选择新选项(名称根据您设置的INTERNAL_OPENAI_COMPATIBLE_API_NAME命名)。
我该如何为这款工具的开发贡献力量?

我们非常欢迎贡献!请阅读我们的贡献指南,了解详细的入门信息。

快速入门:

  1. Fork本仓库并克隆
  2. 启动开发服务器:docker compose up
  3. 进行修改并测试
  4. 推送到您的fork并提交pull request

所有贡献均受欢迎!🎉

在哪里可以找到更多信息?

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架