onyx 是什么?

Onyx 是一个开源的 AI 平台——LLM 的「应用层」,提供功能丰富、任何人都能自托管的界面。它在 LLM 之上加上 RAG、网页搜索、代码执行、文件/产物生成、深度研究等高级能力,并通过 50+ 开箱即用的索引连接器(或经 MCP)把企业应用接进来做检索。它适配所有主流 LLM,既支持自托管(Ollama/LiteLLM/vLLM 等)也支持专有模型(Anthropic/OpenAI/Gemini 等)。后端 Python、前端 Next.js,约 29,649 stars,可一条命令部署。

⭐ 25,872 Stars 🍴 3,451 Forks Python 作者: onyx-dot-app
来源:README.md(首段、Features、Deployment、连接器说明);GitHub 仓库元数据(stars=29649、language=Python、topics 含 enterprise-search/rag/self-hosted) 查看 GitHub 仓库 →

为什么值得关注

企业和团队需要一个可自托管、能接入内部知识、又支持各种模型的 AI 聊天与搜索平台,而不被单一厂商或云锁定。Onyx 把「企业搜索 + RAG + Agent + 深度研究」整合成一个开源应用层,连接器多、可一键部署、且其深度研究在 2026 年 2 月一度居基准榜首,因而获得高关注。截至数据采集约 29,649 stars。

来源:README.md(首段、Features → Deep Research 榜首、Deployment);GitHub 仓库元数据(stars=29649)

核心功能

Agentic RAG 与企业搜索

混合索引 + AI Agent 的信息检索,配 50+ 开箱连接器(或 MCP)接入企业应用,提供高质量搜索与回答。

来源:README.md(Features → Agentic RAG、首段连接器)
深度研究与自定义 Agent

多步研究流生成深度报告(2026-02 一度居基准榜首);可构建带专属指令、知识与动作的自定义 Agent。

来源:README.md(Features → Deep Research、Custom Agents)
网页搜索 + 动作/MCP + 代码执行

支持多种搜索后端与自带爬虫;Actions & MCP 让 Agent 与外部应用交互(灵活鉴权);沙箱代码执行用于数据分析、绘图或改文件。

来源:README.md(Features → Web Search、Actions & MCP、Code Execution)
多模态与全模型支持

产物生成、语音模式(TTS/STT)、图像生成;适配所有主流 LLM,自托管(Ollama/LiteLLM/vLLM)与专有(Anthropic/OpenAI/Gemini)皆可。

来源:README.md(Features → Artifacts/Voice/Image、全模型支持说明)

技术架构

Onyx 是 Python 后端 + Next.js 前端的自托管 AI 平台。核心能力包括:Agentic RAG(混合索引 + AI Agent 做信息检索)、深度研究(多步研究流出深度报告)、自定义 Agent(自带指令/知识/动作)、网页搜索(支持 Serper/Google PSE/Brave/SearXNG 等,并自带爬虫、支持 Firecrawl/Exa)、产物生成(文档/图形等可下载)、Actions & MCP(让 Agent 与外部应用交互,含灵活鉴权)、沙箱代码执行、语音模式(TTS/STT)和图像生成。它通过 50+ 索引连接器或 MCP 接入企业数据源,适配自托管与专有的各类 LLM。部署支持 Docker、Kubernetes、Helm/Terraform 与各大云,并分标准版与 Lite 两种模式,可一条命令安装。

来源:README.md(Features 各项、首段连接器、Deployment Modes)

项目知识图谱

知识图谱:项目核心节点(中心)+ 核心功能(内环六边形)+ 关键技术依赖(外环 chip) 向量/混合检索 LLM:Ollama/LiteLLM/vLLM 或 Anthropic/OpenAI/GeminiLLM:Ollama/Li… 搜索后端:Serper/Google PSE/Brave/SearXNG/Firecrawl/Exa搜索后端:Serpe… 50+ 索引连接器、MCP50+ 索引连接器… Agentic RAG 与企业搜索Agentic RAG 与企业搜… 深度研究与自定义 Agent 网页搜索 + 动作/MCP + 代码执行网页搜索 + 动作/MCP… 多模态与全模型支持 onyx 项目本体 核心功能 关键依赖

中心为项目本体,内环 = 核心功能模块,外环 = 关键技术依赖;按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成

技术栈

语言Python(后端)+ TypeScript/Next.js(前端)框架自托管 AI 平台(聊天 + RAG + Agent)
向量/混合检索LLM:Ollama/LiteLLM/vLLM 或 Anthropic/…搜索后端:Serper/Google PSE/Brave/SearXNG…50+ 索引连接器、MCP
Docker / Kubernetes / Helm / Terraform 与各大云;标准版与 Lite;一键安装脚本
来源:README.md(首段、Features、Deployment Modes);GitHub 仓库元数据(language=Python)

快速上手

最快方式是一条命令部署:curl -fsSL https://onyx.app/install_onyx.sh | bash。也支持 Docker、Kubernetes、Helm/Terraform 与各大云的部署指南(见官方文档),并提供标准版与 Lite 两种模式。部署后配置你的 LLM 提供商(自托管的 Ollama/LiteLLM/vLLM 或专有的 Anthropic/OpenAI/Gemini)、接入 50+ 连接器或 MCP 把数据源索引进来,即可使用 RAG 搜索、深度研究、自定义 Agent 等能力。详细配置见 docs.onyx.app。
来源:README.md(TIP 一键部署、Deployment Modes、Features)

使用场景

适合企业和团队搭建可自托管、可控的内部 AI 平台:把内部文档/应用通过连接器接入做企业搜索与 RAG 问答、用深度研究生成报告、构建带专属知识与动作的自定义 Agent、让 Agent 经 MCP 与外部系统交互、用沙箱代码执行做数据分析,并按需选择自托管或专有模型以兼顾成本与隐私。对在意数据掌控、不愿被单一云/模型锁定的组织尤其合适。

来源:README.md(首段、Features、Deployment)

优势与局限

优势

  • 功能全面的开源 AI 应用层:RAG/企业搜索/深度研究/Agent/网搜/代码执行/多模态
  • 50+ 连接器 + MCP,企业数据接入能力强;适配自托管与专有全模型
  • 可自托管、部署方式多(Docker/K8s/Helm/Terraform/云)、一键安装
  • 深度研究质量曾居基准榜首,社区活跃、文档完善

局限

  • 功能与连接器多,完整部署与运维(尤其企业级)有一定复杂度
  • 效果依赖所接模型、连接器配置与数据质量
  • 许可信息以仓库为准(README 标 MIT),商用前建议确认 LICENSE
  • 标准版资源需求较高,轻量场景可用 Lite
来源:README.md(Features、Deployment Modes、License 徽章)

最新版本

本页未列出具体版本号(README 演示资源标注 v3.0.0)。Onyx 以自托管平台持续迭代,支持多种部署方式与标准/Lite 两种模式,并在深度研究等能力上持续打榜与改进。更新以扩展连接器、Agent/RAG 能力与多模态为主。

来源:README.md(演示 GIF 的 v3.0.0、Deployment Modes、Features)

总结评价

Onyx 是开源「AI 应用层」里很完整的一个:在 LLM 之上提供企业搜索、Agentic RAG、深度研究、自定义 Agent、网搜、代码执行和多模态,配 50+ 连接器与 MCP 接入企业数据,且可自托管、适配全模型、部署方式齐全。对想搭可控内部 AI 平台、不愿被单一云/模型锁定的企业和团队很有价值,深度研究质量也曾居榜首。要权衡的是功能/连接器多带来的部署运维复杂度、对所接模型与数据质量的依赖。作为可自托管的开源企业 AI 平台,它覆盖广、生态成熟、落地性强。

来源:综合 README.md 的能力覆盖、连接器与部署特性
透明度声明
本页内容由 AI(大语言模型)基于以下公开材料自动生成:GitHub README、代码目录结构、依赖文件、Release 信息。 分析时间: 2026-05-24 13:25. 质量评分: 100/100.

数据来源:README、GitHub API、依赖文件