PandaWiki 的安装和配置教程
2025-05-24 02:44:28作者:毕习沙Eudora
1. 项目基础介绍和主要编程语言
PandaWiki 是一款开源的知识库搭建系统,它利用人工智能技术为用户提供 AI 创作、AI 问答、AI 搜索等功能,帮助用户快速构建智能化的产品文档、FAQ 和博客系统。该项目的主要编程语言包括 TypeScript、Go、CSS 和 JavaScript。
2. 项目使用的关键技术和框架
PandaWiki 使用了以下关键技术和框架:
- 人工智能模型:支持接入多种大模型,如 DeepSeek、第三方AI服务、Ollama、硅基流动、月之暗面等,以及兼容标准AI模型接口的 API。
- 富文本编辑:兼容 Markdown 和 HTML,支持导出为 Word、PDF、Markdown 等多种格式。
- 第三方应用集成:支持与钉钉、飞书、企业微信等聊天机器人集成。
- 内容导入:支持通过网页 URL、网站 Sitemap、RSS 订阅、离线文件等多种方式导入内容。
3. 项目安装和配置的准备工作与详细步骤
准备工作
- 操作系统:确保你的系统为 Linux。
- CPU 指令架构:x86_64。
- 软件依赖:安装 Docker 20.10.14 版本以上,Docker Compose 2.0.0 版本以上。
- 推荐资源:1 核 CPU / 2 GB 内存 / 10 GB 磁盘。
- 最低资源:1 核 CPU / 1 GB 内存 / 5 GB 磁盘。
安装步骤
-
使用 root 权限执行以下命令进行安装:
bash -c "$(curl -fsSLk https://release.baizhi.cloud/pandawiki/manager.sh)" -
安装完成后,PandaWiki 控制台默认监听在 9998 端口,使用浏览器访问
http://127.0.0.1:9998就能看到登录页面。 -
安装时默认账号密码会随机生成,请查看安装命令的输出内容。
-
配置 AI 大模型:在 PandaWiki 控制台的右上角点击"系统配置"按钮,在弹出窗口中配置供 PandaWiki 使用的大模型。
-
配置完成后,你就可以开始使用 PandaWiki,创建文档,并使用 AI 问答功能。
通过以上步骤,即使是编程小白也能够顺利完成 PandaWiki 的安装和配置,开始构建自己的智能知识库。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
321
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
Ascend Extension for PyTorch
Python
157
178
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++
640
249
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
244
86
暂无简介
Dart
608
136
React Native鸿蒙化仓库
JavaScript
239
311
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.03 K