AI 2026年3月8日 2 分钟阅读

Omni 完全指南：开源职场 AI 搜索与助手平台让你的工作效率提升 400%

tinyash 0 条评论

文章信息

发布时间 2026年3月8日
作者 tinyash
阅读时长 2 分钟阅读

引言

在现代职场中，信息分散在各个角落——Google Drive、Gmail、Slack、Confluence、Jira……每天花费大量时间在不同应用间切换搜索信息？Omni 来了。

Omni 是一个开源的职场 AI 助手和搜索平台，能够连接你所有的职场应用，提供统一的搜索界面和智能 AI 对话助手。最重要的是：完全自托管，数据永不离开你的网络。

本文将带你从零开始部署 Omni，并展示如何用它提升团队工作效率。

什么是 Omni？

Omni 是由 getomnico 团队开发的开源职场搜索与 AI 助手平台。它的核心理念很简单：用一个工具连接所有职场应用，用 AI 帮你快速找到信息并完成工作。

核心特性

统一搜索：连接 Google Drive/Gmail、Slack、Confluence、Jira 等应用，支持全文搜索（BM25）和语义搜索（pgvector）
AI 助手：聊天界面支持工具调用，可搜索连接的应用、阅读文档、在沙箱容器中执行 Python/bash 代码分析数据
自托管部署：完全运行在你的基础设施上，数据不出内网
权限继承：尊重源系统权限，用户只能看到已授权访问的数据
自带 LLM：支持 Anthropic、OpenAI、Gemini 或通过 vLLM 使用开源模型
简单部署：Docker Compose 适用于单服务器，Terraform 支持生产级 AWS/GCP 部署

技术架构亮点

Omni 的技术选型非常独特：全部使用 Postgres（ParadeDB）。BM25 全文搜索、pgvector 语义搜索、所有应用数据都存储在 Postgres 中。无需 Elasticsearch，无需专用向量数据库——一个数据库搞定所有。

核心服务使用 Rust（搜索器、索引器、连接器管理器）、Python（AI/LLM 编排）和 SvelteKit（Web 前端）。每个数据源连接器作为独立的轻量级容器运行，允许使用不同语言和依赖而不互相影响。

快速开始：30 分钟部署 Omni

前置要求

Docker 和 Docker Compose
至少 4GB RAM（推荐 8GB）
一个 LLM API 密钥（Anthropic/OpenAI/Gemini 等）

步骤 1：克隆仓库

git clone https://github.com/getomnico/omni.git
cd omni

步骤 2：配置环境变量

复制示例环境文件并修改：

cp .env.example .env

编辑 .env 文件，配置以下关键变量：

# LLM 配置（以 Anthropic 为例）
LLM_PROVIDER=anthropic
LLM_API_KEY=your-anthropic-api-key
LLM_MODEL=claude-sonnet-4-5-20260728

# 数据库配置
POSTGRES_USER=omni
POSTGRES_PASSWORD=your-secure-password
POSTGRES_DB=omni

# 应用配置
OMNI_SECRET_KEY=generate-a-random-secret-key
OMNI_FRONTEND_URL=http://localhost:3000

步骤 3：启动服务

使用 Docker Compose 启动所有服务：

docker compose up -d

等待所有容器启动完成：

docker compose ps

你应该看到以下服务运行：

omni-frontend：Web 前端
omni-api：API 服务
omni-searcher：搜索服务
omni-indexer：索引服务
omni-db：Postgres 数据库

步骤 4：访问 Web 界面

打开浏览器访问 http://localhost:3000，你将看到 Omni 的登录界面。

首次登录使用默认管理员账户（在 .env 中配置），登录后即可开始配置连接器。

配置数据源连接器

Omni 支持多种数据源连接器，以下是常用连接器的配置方法。

Google Workspace 连接器

在 Google Cloud Console 创建项目并启用 Drive API 和 Gmail API
创建 OAuth 2.0 凭据
在 Omni 管理界面添加 Google Workspace 连接器
输入客户端 ID 和密钥
授权 Omni 访问你的 Google Workspace 数据

Slack 连接器

在 Slack API 页面创建新应用
添加所需权限（channels:read、files:read、im:read 等）
安装应用到工作区
在 Omni 中输入 Bot Token

Confluence 连接器

生成 Confluence API Token
在 Omni 中输入 Confluence 实例 URL 和 API Token
选择要索引的空间

本地文件连接器

Omni 还可以索引本地文件系统：

# 在 docker-compose.yml 中挂载目录
volumes:
  - /path/to/your/documents:/data/local-files:ro

然后在 Omni 界面配置本地文件连接器，指定要索引的目录。

使用 AI 助手

Omni 的 AI 助手是其核心功能。以下是使用场景示例。

场景 1：快速查找文档

用户：帮我找一下上季度关于产品路线图的会议记录

Omni：找到 3 条相关结果：
1. [Fireflies] 产品路线图讨论 - 2025 年 12 月 15 日
2. [Google Drive] Q4 产品路线图.pptx
3. [Confluence] 2026 产品规划空间

需要我总结这些内容吗？

场景 2：数据分析

用户：分析上个月 Slack 中关于客户反馈的讨论

Omni：正在分析...

找到 47 条相关消息。主要话题：
- 登录问题（18 次提及）
- 新功能请求（15 次提及）
- 性能问题（9 次提及）
- 其他（5 次提及）

需要我生成详细报告吗？

场景 3：代码执行

Omni 的 AI 助手可以在沙箱容器中执行代码：

用户：从 HubSpot 导出上周新增的联系人，按行业分类统计

Omni：正在执行 Python 脚本...

完成！统计结果：
- 科技行业：45 个联系人
- 金融行业：32 个联系人
- 医疗行业：28 个联系人
- 其他：67 个联系人

总计：172 个新联系人

需要导出为 CSV 吗？

高级配置

自定义 LLM 模型

Omni 支持通过 vLLM 部署开源模型：

# 在 docker-compose.yml 中添加 vLLM 服务
vllm:
  image: vllm/vllm-openai
  command: --model meta-llama/Llama-3-70b
  ports:
    - "8000:8000"
  volumes:
    - /path/to/models:/models

然后在 .env 中配置：

LLM_PROVIDER=openai
LLM_API_KEY=not-needed
LLM_BASE_URL=http://vllm:8000/v1
LLM_MODEL=meta-llama/Llama-3-70b

权限配置

Omni 支持细粒度权限控制：

# permissions.yaml
roles:
  - name: admin
    permissions:
      - search:all
      - connectors:manage
      - users:manage

  - name: user
    permissions:
      - search:own
      - connectors:view

  - name: guest
    permissions:
      - search:limited

性能优化

对于大型部署，建议进行以下优化：

增加 Postgres 内存：

# 在 postgres.conf 中
shared_buffers = 4GB
effective_cache_size = 12GB
work_mem = 256MB

调整索引策略：

-- 为常用搜索字段创建索引
CREATE INDEX CONCURRENTLY idx_content_search ON documents USING gin(to_tsvector('english', content));

启用缓存：

# 在 docker-compose.yml 中添加 Redis
redis:
  image: redis:7-alpine
  ports:
    - "6379:6379"

安全最佳实践

网络安全

将 Omni 部署在内网，通过反向代理（如 Nginx）暴露
使用 HTTPS（推荐使用 Let’s Encrypt）
配置防火墙规则，仅允许必要端口

数据安全

定期备份 Postgres 数据库
使用强密码和密钥
启用审计日志

# 备份脚本示例
#!/bin/bash
docker compose exec omni-db pg_dump -U omni omni | gzip > /backups/omni-$(date +%Y%m%d).sql.gz

访问控制

启用双因素认证（2FA）
定期审查用户权限
使用 SSO（如 Okta、Auth0）集成

常见问题解答

Q: Omni 支持哪些语言？

A: 目前支持英语，其他语言的语义搜索效果取决于使用的 LLM 模型。使用多语言模型（如 mBERT）可改善非英语搜索效果。

Q: 数据同步频率是多少？

A: 默认每 30 分钟同步一次。可在连接器配置中调整，最小间隔为 5 分钟。

Q: 能否离线使用？

A: 可以。使用本地部署的 LLM（如通过 vLLM 运行 Llama 3），Omni 可完全离线运行。

Q: 支持多少并发用户？

A: 取决于硬件配置。在 8GB RAM、4 核 CPU 服务器上，可支持约 50 个并发用户。生产环境建议使用 Kubernetes 进行水平扩展。

Q: 如何监控 Omni 运行状态？

A: Omni 提供 Prometheus 指标端点（/metrics），可集成 Grafana 进行监控。关键指标包括搜索延迟、索引队列长度、LLM 调用次数等。

总结

Omni 是一个强大的开源职场 AI 搜索与助手平台，具有以下优势：

统一入口：连接所有职场应用，无需切换
智能搜索：结合全文搜索和语义搜索，找信息更准确
AI 助手：不仅能搜索，还能执行代码、分析数据
自托管：数据完全可控，适合对数据安全有要求的团队
开源免费：Apache 2.0 许可，可自由修改和分发

对于希望提升团队信息检索效率、构建内部 AI 助手的组织，Omni 是一个值得考虑的选择。

资源链接

AI AI 工具

引言