DeepWiki-Open本地构建指南:从源码编译到运行的完整流程
2026-02-05 04:56:17作者:廉皓灿Ida
项目简介
DeepWiki-Open是一款AI驱动的Wiki生成工具,能够为任何GitHub、GitLab或BitBucket仓库自动创建美观、交互式的文档。只需输入仓库名称,DeepWiki就能分析代码结构、生成全面文档、创建可视化图表并组织成易于导航的Wiki系统。
环境准备
硬件要求
- CPU: 4核及以上
- 内存: 8GB及以上
- 硬盘: 至少10GB可用空间
- 网络: 能够访问Git仓库和模型服务
软件依赖
- Git
- Python 3.8+
- Node.js 18+
- npm或yarn
- Docker和Docker Compose (可选)
源码获取
克隆仓库
# 克隆DeepWiki-Open仓库
git clone https://gitcode.com/gh_mirrors/de/deepwiki-open.git
cd deepwiki-open
配置环境变量
创建.env文件
在项目根目录创建.env文件,添加必要的API密钥和配置:
# 创建.env文件
echo "GOOGLE_API_KEY=your_google_api_key" > .env
echo "OPENAI_API_KEY=your_openai_api_key" >> .env
# 可选:使用Google AI嵌入模型替代OpenAI(推荐配合Google模型使用)
echo "DEEPWIKI_EMBEDDER_TYPE=google" >> .env
# 可选:添加OpenRouter API密钥
echo "OPENROUTER_API_KEY=your_openrouter_api_key" >> .env
# 可选:添加Ollama主机地址(如非本地)
echo "OLLAMA_HOST=your_ollama_host" >> .env
完整的环境变量说明可参考项目文档:README.md
构建与运行方式
方式一:使用Docker Compose(推荐)
Docker方式可以简化部署流程,避免环境依赖问题:
# 使用Docker Compose启动服务
docker-compose up
Docker配置文件:docker-compose.yml
方式二:手动构建与运行
后端API服务
# 安装Python依赖
pip install -r api/requirements.txt
# 启动API服务器
python -m api.main
后端API源码:api/main.py
前端Web应用
# 安装JavaScript依赖
npm install
# 或
yarn install
# 启动开发服务器
npm run dev
# 或
yarn dev
前端主页面代码:src/app/page.tsx
项目结构解析
DeepWiki-Open采用前后端分离架构,主要目录结构如下:
deepwiki/
├── api/ # 后端API服务器
│ ├── main.py # API入口点
│ ├── api.py # FastAPI实现
│ ├── rag.py # 检索增强生成
│ ├── data_pipeline.py # 数据处理工具
│ └── requirements.txt # Python依赖
│
├── src/ # 前端Next.js应用
│ ├── app/ # Next.js应用目录
│ │ └── page.tsx # 主应用页面
│ └── components/ # React组件
│ └── Mermaid.tsx # Mermaid图表渲染器
│
├── public/ # 静态资源
├── package.json # JavaScript依赖
└── .env # 环境变量(需创建)
详细的项目结构可参考项目结构说明
运行验证
启动服务后,打开浏览器访问以下地址验证是否运行成功:
- Web界面:http://localhost:3000
- API服务:http://localhost:8001
成功运行后,您将看到DeepWiki的主界面,可以输入GitHub仓库URL开始生成Wiki文档。
高级配置
模型选择配置
DeepWiki支持多种AI模型提供商,包括Google、OpenAI、OpenRouter、Azure OpenAI和本地Ollama模型。模型配置文件位于:
- 生成器配置:api/config/generator.json
- 嵌入模型配置:api/config/embedder.json
使用本地Ollama模型
如果希望完全在本地运行,可使用Ollama模型:
# 在.env文件中添加
DEEPWIKI_EMBEDDER_TYPE=ollama
OLLAMA_HOST=http://localhost:11434
Ollama详细配置指南:Ollama-instruction.md
故障排除
常见问题解决
- API密钥错误:检查.env文件中的API密钥是否正确配置
- 依赖安装问题:确保Python和Node.js版本满足要求
- 端口冲突:修改环境变量中的PORT和SERVER_BASE_URL解决端口冲突
- 日志查看:API服务日志默认位于api/logs/application.log
开启调试日志
如需详细调试信息,可在.env文件中添加日志配置:
LOG_LEVEL=DEBUG
LOG_FILE_PATH=./debug.log
日志配置代码:api/logging_config.py
总结
通过本指南,您已了解如何从源码构建和运行DeepWiki-Open。无论是使用Docker快速部署,还是手动构建进行二次开发,DeepWiki都提供了灵活的选项。现在您可以开始体验AI驱动的智能Wiki生成功能,为您的项目创建专业的文档。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0211
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0135
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
871
2.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
Ascend Extension for PyTorch
Python
756
956
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
695
1.39 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
182
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
644



