onyx-dot-app/onyx · 上手攻略
- 仓库：onyx-dot-app/onyx
- 链接：https://github.com/onyx-dot-app/onyx
- 分类：ai
- 作者：Jay
- 更新：2026-07-13
这是什么
Onyx 是 LLM 的应用层——一个功能丰富的开源 AI 平台，支持自托管。它让团队通过 RAG（检索增强生成）、深度研究、自定义 Agent、代码执行、Web 搜索、MCP 等高级能力，把 LLM 接入真实工作流。
核心定位：企业级 AI 平台（类 ChatGPT + RAG + Deep Research + Agents），可一键部署，适合需要数据隐私和定制化的团队。
解决什么问题
企业引入 LLM 时常见的问题： - 直接用 ChatGPT 无法接入内部文档和数据（RAG 缺失） - 团队需要协作管理 AI Agent 和知识库，缺乏平台支撑 - 对接各种数据源（Notion、Slack、数据库……）需要大量定制开发 - 需要深度研究能力（多步骤调研、多源整合），普通聊天满足不了 - 数据隐私要求高，必须自托管
Onyx 提供开箱即用的 AI 平台，包含 Chat、Agent、RAG、深度研究、Web 搜索、代码执行、MCP Actions、语音模式等功能，支持 50+ 数据连接器，一条命令完成部署。
快速安装
一键安装（最简方式）
curl -fsSL https://onyx.app/install_onyx.sh | bash
Docker 部署（推荐生产使用）
# 标准部署（完整功能，推荐）
git clone https://github.com/onyx-dot-app/onyx.git
cd onyx/deploy/docker
docker-compose up -d
# Lite 模式（轻量版，<1GB 内存，仅 Chat UI + Agent）
# 适合快速体验或资源受限场景
docker-compose -f docker-compose-lite.yml up -d
Kubernetes / Helm（生产规模部署）
# 参考官方部署文档
# https://docs.onyx.app/deployment/overview
helm install onyx onyx/onyx -n onyx --create-namespace
云端试用（不想部署）
访问 https://cloud.onyx.app/signup 免费体验，无需信用卡。
核心用法
1. Chat（对话界面）
最基础的用法：选择 LLM（支持 OpenAI、Anthropic、Gemini、Ollama、vLLM 等所有主流提供商），开始对话。支持自托管模型和商业模型。
2. Agentic RAG（智能检索）
- 构建混合索引（向量 + 关键词）
- 用 AI Agent 驱动检索，理解语义并综合多文档答案
- 支持 50+ 数据连接器（Notion、Google Drive、Slack、数据库等）
- benchmark 表现优秀（截至 2026 年 2 月在 leaderboard 位居前列）
# 通过 MCP 连接外部数据源示例
# Onyx 内置 MCP Server，可连接各种外部应用
# 参考文档：https://docs.onyx.app/admins/overview
3. Deep Research（深度研究）
多步骤研究工作流： - 自动规划研究路径 - 分步执行，收集多源信息 - 生成综合报告
截至 2026 年 2 月，Onyx Deep Research 在 onyx_deep_research_bench leaderboard 上排名靠前。
4. 自定义 Agent
在 Onyx 中构建专属 AI Agent： - 定义 Agent 指令（角色、行为规则） - 上传知识库（让 Agent 有特定领域知识） - 挂载 Actions（让 Agent 能执行特定操作，如查数据库、发消息）
5. Web Search
支持多个搜索提供商：Serper、Google PSE、Brave、SearXNG 等，还支持自托管爬虫（Firecrawl、Exa）。
6. Code Execution
沙箱内执行代码，用于： - 数据分析与可视化 - 文件操作 - 复杂计算
7. MCP Actions
让 Agent 连接外部应用，通过 MCP 协议进行认证和授权，支持灵活认证方案。
典型适用场景
- 企业内部 AI 助手：RAG + 内部文档，让 LLM 回答基于公司知识库的问题
- 深度研究团队：学术研究、市场调研用 Deep Research 多步调研，整合网络信息生成报告
- AI Agent 平台：构建和托管团队专属 Agent，协作管理，RBAC 权限控制
- 数据隐私敏感场景：完全自托管，数据不出境，适合金融、医疗、法律等行业
- 语音交互：Voice Mode 支持语音输入输出，搭建语音 AI 助手
坑与注意
- 标准部署资源需求高：完整版（标准模式）需要多个容器（含向量数据库、Redis 缓存、MinIO 对象存储），最低配置建议 4GB+ 内存；Lite 模式 <1GB 但功能受限
- 深度研究 benchmark 数据较少：Deep Research 2026 年 2 月数据，真实场景效果建议自行测试
- 版本迭代快：v3.0 是当前主流版本，部署前确认
docker-compose.yml对应版本 - MCP Actions 挂载有学习成本：需要了解 MCP 协议和目标应用的身份验证机制，配置有门槛
- 没有中文文档：官方文档为英文，中文社区资料有限
与同类对比
| 工具 | 定位 | RAG | Deep Research | 部署方式 | 许可证 |
|---|---|---|---|---|---|
| Onyx | 企业 AI 平台 | 原生 Hybrid RAG | 原生 | Docker/K8s/云 | MIT (CE) |
| ChatGPT (OpenAI) | 通用对话 | 无（仅 Chat） | ChatGPT Deep Research（付费） | SaaS | 专有 |
| Dify | 开源 LLM 应用平台 | 支持 | 有限 | Docker/K8s | Apache 2.0 |
| AutoGPT | AI Agent | 有限 | 无 | 本地/Docker | MIT |
| OpenWebUI | Chat UI | 插件支持 | 无 | Docker | MIT |
核心差异：Onyx 是最接近"企业级 ChatGPT + RAG + Deep Research"全能开源方案的工具，Deep Research 是差异化亮点；Dify 更偏工作流编排，Onyx 更偏对话与知识检索；相比 AutoGPT，Onyx 有 Web UI 和团队协作能力。
一句话推荐结论
需要自托管、RAG + 深度研究 + Agent 能力同时具备的企业 AI 平台？Onyx 是目前开源领域最接近"全能"的选项，一条命令就能跑起来，值得一试。
来源：GitHub README、docs.onyx.app、onyx.app 官网