资料存起来不难，网盘和笔记软件都能干。麻烦的是存多了之后：记得写过某个问题，想不起在哪个文件里；文档都在 NAS 上，查一个细节还得逐个打开搜。开源项目 PandaWiki 解决的是后半段——在已有文档之上加一层 AI 搜索和问答，让存量资料变成可以直接提问的知识入口。这次拿一篇真实 Markdown 从安装到问答完整跑一遍。
它在文档管理之上加了什么
PandaWiki 是大模型驱动的开源知识库系统，能力拆开是四件事：导入（网页 URL、Sitemap、RSS、离线文件都能进）、维护（富文本编辑，兼容 Markdown 和 HTML，可导出多格式）、AI 使用（围绕库内内容搜索、问答、辅助创作）、对外服务（网页挂件加钉钉、飞书、企业微信集成）。核心判断标准只有一条：导入之后能不能直接问出准确答案，而不是页面能不能打开。
NAS 上的部署路径
以飞牛 NAS 为例，先开 SSH，远程登录后切 root 跑安装脚本，脚本会交互式询问安装目录，默认路径是 /data/pandawiki。装完记住三样东西：内网访问地址、初始用户名、初始密码。
浏览器访问时会有自签证书告警，点高级继续即可。登录后第一件事不是配模型，而是改掉初始密码——密码写在安装目录的 .env 文件里，改完执行容器重建：
vim /data/pandawiki/.env
docker compose -f /data/pandawiki/docker-compose.yml up -d
接着接入对话模型。后台支持多家供应商，DeepSeek 官方 API 或本地 Ollama 都可以：填入 API Key、拉取模型列表、选一个推理模型保存。保存后系统会要求建一个 Wiki 站——注意这是给使用者看的问答入口，和管理后台是两个独立页面，权限和暴露面完全不同。建站时若提示 80 端口被占用，换个高位端口再保存。
用一篇真文档验证问答闭环
验证方法要刻意挑"文档里明确写过的问题"。导入这篇教程的 Markdown 到建好的文件夹并发布，然后在 Wiki 首页问"如何安装 PandaWiki"。合格的回答要同时满足三点：步骤来自导入文档而非模型自由发挥、能展示文档内图片、末尾给出引用来源。
只有引用可点、来源指向正确文档，才说明检索层真的在工作。答案流畅但给不出引用，多半是模型在凭训练知识作答——这种情况下知识库等于没接上，要回头检查向量化是否完成、文档是否成功发布。
远程访问的暴露面管理
人在外网时需要访问这套本地服务，常规做法是内网穿透。这里的安全要点比工具选型重要得多：管理后台和 Wiki 问答站必须分开处理。问答站可以暴露给团队成员，后台则藏着模型 Key 和全部文档的写权限，公网上裸奔后台等于把知识库钥匙挂门上。
最低限度做三件事：给穿透隧道加一层 HTTP 基本认证、后台入口绑定强密码加 IP 白名单、Wiki 站与管理后台用不同端口和域名。工具层面 frp、Tailscale、各类穿透服务都能实现，选型看团队已有设施，别为省事把两个入口一条隧道全放出去。
两个部署后容易踩的坑
一是证书告警让团队误以为服务异常，自签证书在内网属正常现象，正式对外时再换有效证书。二是 .env 改完密码忘记重建容器，配置不生效还以为改错了文件——compose 重建后用新密码登录验证一次再继续后续配置。这套流程跑通后，剩下的事情就是持续喂文档：知识库的价值随语料增长，而不随部署复杂度增长。
评论0