DeepWiki-Open Ollama本地部署：完全离线的AI文档生成方案

你是否还在为代码文档生成依赖外部API而烦恼？担心数据隐私泄露？本文将详细介绍如何通过Ollama在本地部署DeepWiki-Open，实现完全离线的AI文档生成方案，无需依赖任何外部服务，保护你的代码数据安全。读完本文，你将掌握DeepWiki-Open的本地部署流程、模型配置方法以及常见问题解决策略。

方案概述

DeepWiki-Open是一个开源的AI驱动的Wiki生成器，专为GitHub仓库设计。通过Ollama本地部署，我们可以实现完全离线的文档生成，避免API调用成本，同时保护代码隐私。该方案适用于需要在隔离网络环境中工作的开发团队，或对数据安全有严格要求的组织。

硬件准备与环境要求

在开始部署前，请确保你的设备满足以下最低要求：

• CPU: 4+ cores
• RAM: 8GB minimum，推荐16GB+
• 存储: 10GB+ 可用空间（用于模型存储）
• GPU: 可选，但推荐用于加速处理

部署步骤

1. 安装Ollama

Ollama是一个轻量级的本地LLM管理工具，支持多种操作系统。

Windows/macOS

从Ollama官方网站下载对应系统的安装程序，按照向导完成安装。

Linux

在终端中执行以下命令：

curl -fsSL https://ollama.com/install.sh | sh

2. 下载所需模型

打开终端，执行以下命令下载DeepWiki所需的模型：

ollama pull nomic-embed-text
ollama pull qwen3:1.7b

其中，nomic-embed-text是用于代码理解的嵌入模型，qwen3:1.7b是用于文档生成的语言模型。

3. 获取DeepWiki-Open代码

克隆项目仓库：

git clone https://gitcode.com/gh_mirrors/de/deepwiki-open
cd deepwiki-open

4. 配置环境

创建并配置.env文件：

# 在项目根目录创建.env文件
touch .env

编辑.env文件，添加以下内容：

PORT=8001
# 如果Ollama不在本地运行，需指定OLLAMA_HOST
# OLLAMA_HOST=your_ollama_host

配置本地嵌入模型：

cp api/config/embedder.ollama.json.bak api/config/embedder.json

5. 启动服务

后端启动

pip install -r api/requirements.txt
python -m api.main

前端启动

npm install
npm run dev

6. Docker一键部署（推荐）

对于更便捷的部署体验，可以使用项目提供的Dockerfile-ollama-local：

# 构建镜像
docker build -f Dockerfile-ollama-local -t deepwiki:ollama-local .

# 运行容器
docker run -p 3000:3000 -p 8001:8001 --name deepwiki \
  -v ~/.adalflow:/root/.adalflow \
  deepwiki:ollama-local

Dockerfile-ollama-local文件已经预先配置了所有依赖和启动脚本，可以大大简化部署流程。

使用方法

1. 打开浏览器，访问 http://localhost:3000
2. 输入GitHub仓库URL（或本地仓库路径）
3. 勾选"使用本地Ollama模型"选项
4. 点击"Generate Wiki"开始文档生成

高级配置

模型选择与优化

DeepWiki允许你根据需求更换不同的模型。编辑配置文件 api/config/generator.json：

"generator_ollama": {
    "model_client": "OllamaClient",
    "model_kwargs": {
        "model": "qwen3:1.7b",  // 更改为其他模型
        "options": {
            "temperature": 0.7,
            "top_p": 0.8
        }
    }
}

同样，你也可以修改嵌入模型配置 api/config/embedder.json：

"embedder_ollama": {
    "model_client": "OllamaClient",
    "model_kwargs": {
        "model": "nomic-embed-text"  // 更改为其他嵌入模型
    }
}

以下是一些推荐的模型选择：

Model	大小	速度	质量	适用场景
phi3:mini	1.3GB	快	良好	小型项目，快速测试
qwen3:1.7b	3.8GB	中等	较好	默认选择，平衡速度与质量
llama3:8b	8GB	慢	优秀	复杂项目，详细分析

本地代码库分析

要分析本地代码库，可使用以下Docker命令挂载代码目录：

docker run -p 3000:3000 -p 8001:8001 --name deepwiki \
  -v ~/.adalflow:/root/.adalflow \
  -v /path/to/your/repo:/app/local-repos/repo-name \
  deepwiki:ollama-local

在界面中使用路径/app/local-repos/repo-name访问本地代码库。

工作原理

DeepWiki-Open与Ollama的集成工作流程如下：

1. 用户输入仓库URL或本地路径
2. 系统使用nomic-embed-text模型对代码进行嵌入处理
3. 嵌入后的代码片段存储在本地向量数据库
4. 用户查询时，系统检索相关代码片段
5. qwen3:1.7b模型基于检索结果生成自然语言文档

常见问题解决

"无法连接到Ollama服务器"

• 确保Ollama服务正在后台运行，可通过ollama list命令检查
• 验证Ollama是否运行在默认端口(11434)
• 尝试重启Ollama服务

生成速度慢

• 考虑使用更小的模型，如phi3:mini
• 关闭其他内存密集型应用
• 如果可能，添加GPU加速

内存不足错误

• 减少同时处理的文件数量
• 使用更小的模型
• 增加系统内存

总结与展望

通过Ollama本地部署DeepWiki-Open，我们实现了完全离线的AI文档生成能力，既保护了代码隐私，又避免了API调用成本。虽然本地模型在速度和质量上可能不如云服务，但对于大多数项目而言，这是一个免费且隐私优先的优秀替代方案。

未来，随着本地LLM技术的不断进步，DeepWiki-Open将进一步优化模型选择和资源利用，为用户提供更好的离线文档生成体验。

官方文档：Ollama-instruction.md 部署配置：Dockerfile-ollama-local 项目源码：api/