引言
從熊貓開始撰寫 NAS 相關內容至今，已有五年時間。這五年間，累計撰寫字數已突破四百萬，其中長文教程更是多達近 600 篇。雖然熊貓的內容一直在各大自媒體平臺分發，但這些平臺更多是作爲一個“擴圈”的渠道，旨在讓更多人瞭解並學會使用 NAS。然而，分散的平臺特性使得它們並不適合作爲一個集中的知識庫。
這就導致粉絲們想要翻閱往期教程或搜索特定內容時，往往感到困難重重。因此，熊貓決定將所有 NAS 相關教程無償公開，建立一個專屬的知識庫。爲了方便粉絲查詢和檢索信息，選擇一款合適的 Wiki 系統便成了重中之重。
PandaWiki：不僅是知識庫，更是 AI 助手
PandaWiki 這個項目熊貓之前就介紹過，因爲名字裏也帶個“Panda”，所以對它有着天然的親切感，關注度也自然多了一些。也希望大家能去點個 Star 支持一下開發者，或者在使用過程中有任何建議和需求，都可以積極提 Issue：
👉 GitHub 地址：https://github.com/chaitin/PandaWiki
作爲一個在 GitHub 斬獲 8.5K Star 的 Wiki 項目，PandaWiki 的用戶羣相當廣泛，目前裝機量已超 3W+。在商用領域，其專業版案例也十分豐富，比如熊貓前段時間介紹過的 冬瓜 HAOS，就採用了 PandaWiki 構建在線文檔。
在功能特性上，PandaWiki 完美契合了我的需求：
AI 賦能：支持 AI 輔助創作、智能問答以及語義搜索。
Markdown 友好：作爲 Markdown 的重度使用者，PandaWiki 對語法的兼容性是我目前體驗下來最舒適的。
便捷導入：它支持通過網頁、Sitemap 以及 RSS 訂閱進行直接導入，這讓我可以結合現有的博客內容，免去了一篇篇手動搬運的痛苦。
項目部署
作爲知識庫，支持私有化自部署是基本要求。PandaWiki 的部署方式非常靈活，支持 Docker 和 Compose，不侷限於特定設備。熊貓這裏以綠聯 NAS 爲例進行演示。
如果想要傻瓜式的部署，那麼官方提供了一鍵部署的指令，打開NAS的SSH端口之後輸入指令根據引導就可以直接部署：bash -c "$(curl -fsSLk https://release.baizhi.cloud/panda-wiki/manager.sh)"
如果不想用官方命令，想更精細地控制，也可以選擇手動部署。那麼在項目部署前我們需要準備好部署需要的文件。首先需要新建pandawiki文件夾，隨後到https://release.baizhi.cloud/panda-wiki/docker-compose.yml下載Compose文件，將其放入文件夾中。
在目錄下再新建.env環境變量文件，其中配置如下。需要注意裏面的內容請在部署前進行更改，端口如果有衝突情況也記得換一下。（這裏可以直接用全部替換將{{PASSWORD}}替換成你需要設置的密碼。
# 時區
TIMEZONE=Asia/Shanghai
# 容器網段
SUBNET_PREFIX=169.254.15
# 中間件密碼（請用隨機密碼替換{{PASSWORD}}）
POSTGRES_PASSWORD={{PASSWORD}}
NATS_PASSWORD={{PASSWORD}}
JWT_SECRET={{PASSWORD}}
S3_SECRET_KEY={{PASSWORD}}
QDRANT_API_KEY={{PASSWORD}}
REDIS_PASSWORD={{PASSWORD}}
# 管理後臺登錄密碼（請務必牢記）
ADMIN_PASSWORD={{PASSWORD}}
# 管理後臺訪問端口
ADMIN_PORT=2443
最後確定內容無誤之後直接導入Compose文件，再次確認無誤就可以部署了。
PandaWiki 涉及的鏡像較多，設計了包含數據庫、向量庫、對象存儲、Nginx 等，部署過程需要耐心等待。
初次啓動時，部分容器可能會反覆重啓，這是正常的初始化過程。待所有容器狀態穩定且日誌無報錯，即代表部署成功。雖然容器數量看着嚇人，但整個過程其實非常“傻瓜式”，無需繁瑣地手動映射文件夾。
項目配置
⚠ 重要提示：PandaWiki 默認使用 HTTPS 協議。因此，訪問後臺的地址必須是 https://NAS_IP:端口號。如果直接用 HTTP 訪問，你只會看到報錯頁面。
使用默認用戶名 admin 和你在 .env 中設置的密碼登錄。首次登錄會進入引導流程，我們需要配置 Wiki 站點的模型和 API。你可以直接使用百智雲的官方 API Key，也可以手動配置第三方的對話、向量、排序及文檔分析模型。
PandaWiki提供了非常多的供應商，也是目前熊貓用過的項目中，模型供應商支持最全面的之一。從國內大模型到國外主流模型，從官方 API 到第三方中轉站點，統統支持。
這裏熊貓使用的是自有的模型 API。關於如何獲取模型 API，之前的文章有詳細介紹，大家可以翻閱一下。配置好後，PandaWiki 就具備了直接搜索問題並獲取答案的能力。
跟着引導點擊下一步，設置WIKI站的名稱以及啓用的端口，這裏需要注意，如果此處報錯，可以通過PandaWiki API容器日誌觀察報錯情況，通常是因爲向量模型不兼容。建議嘗試更換爲 OpenAI API 格式的向量模型，或者直接使用百智雲提供的向量服務，畢竟向量模型並不費Token。
使用體驗
一切配置就緒後，就可以開始導入文檔了。在文檔目錄中，你可以看到發佈信息和學習狀態。導入文件後，務必記得點擊“文檔學習”，讓 AI 理解並消化這些內容，這是實現智能問答的基礎。
後臺統計界面非常詳盡，不僅顯示熱門文檔排名，還能對訪客進行 IP 分析，包括地區、來源域名、設備客戶端等信息，讓你對站點的訪問情況瞭如指掌。
在設置中開啓“貢獻與反饋”後，用戶可以在前端對文檔提出修改建議。這些內容不會直接覆蓋原文檔，而是進入後臺審覈流程，管理員審批通過後纔會生效，有效防止了文檔被惡意篡改。
PandaWiki 允許對前臺界面進行高度自定義，包括歡迎頁、導航欄以及底部的 Footer。同時提供了三種不同寬度的佈局樣式，滿足不同場景需求。
熊貓將默認首頁設置爲了歡迎頁，簡潔大方，方便大家快速查詢內容。
輸入問題後，AI 會基於已學習的文檔庫進行回答，並且會在回答中附上引用來源。如果你對某個點感興趣，可以直接點擊引用鏈接跳轉查看原文，體驗非常絲滑。
之前常有粉絲反饋各平臺的代碼複製困難，或者某些 NAS 部署教程不夠詳細。現在通過 AI，你可以直接生成可複製的代碼塊，甚至通過連續追問的形式，讓 AI 基於現有的知識庫，推導生成其他類似 NAS 項目的部署教程。
除了智能問答，如果你覺得 AI 的方案不夠精準，也可以切換到傳統的文檔搜索模式，直接檢索文檔原文。
目前 PandaWiki 的編輯器支持富文本和 Markdown。Markdown 的兼容性極佳，數學公式、表格、流程圖等都能完美渲染。
目前編輯器的撰寫體驗非常不錯了，不過希望後續能更新爲“所見即所得”的實時預覽模式，體驗會更上一層樓。另外，既然已經引入了向量庫，未來是否可以考慮增加 AI 文檔自動打標/分類 功能？這其實對文檔的整理分類很有幫助。
寫在最後
文章的最後，熊貓也將自己搭建的 Wiki 站點分享給大家，歡迎訪問使用，希望能通過這個知識庫，幫助大家解決 NAS 玩法交流中的各種疑難雜症。
👉 熊貓的 NAS 知識庫：https://wiki.panda995.fun:520/
PandaWiki 作爲一款開源的知識庫項目，通過 AI 驅動實現了文檔協作與智能檢索的完美結合。如果你覺得這個項目對你有幫助，請務必去 GitHub 給作者點個 Star 🌟，有任何新功能建議或 Bug 反饋，也歡迎去提 Issue 📝。官方也有交流羣，這裏熊貓直接貼上二維碼，方便大家深入探討。
以上便是本次分享的全部內容了，如果你覺得還算有趣或者對你有所幫助，不妨點贊收藏，最後也希望能得到你的關注，咱們下期見！
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
