在咕咕(点击传送)那里看到这个应用,使用两天后发现确实非常的优秀值得推荐。能快速创建记录你的灵感,或者一些念头。拥有便捷的标签管理。自动清理和审阅你记录的灵感和想法。并且通过AI加持拥有了极其便捷的分类和搜索功能。效率提高非常可观。通过打包程序打包成APP后 双端使用极其便捷。而且支持附件功能,还能当作个人网盘使用。
可能由于docker compose版本的原因,根据咕咕的教程我没有部署成功。这里放上我的部署过程并加上免费的AI模型配置供大家参考。
目前的功能特点:
- AI 增强的笔记检索 🤖:借助 Blinko 先进的 AI 驱动的 RAG(检索增强生成),您可以使用自然语言查询快速搜索和访问您的笔记,使您轻松找到所需的内容。(目前只支持OpenAI的API)
- 数据所有权 🔒:您的隐私很重要。您所有的笔记和数据都安全地存储在您自托管的环境中,确保对您的信息完全控制。
- 高效且快速 🚀:即时捕捉想法并将其存储为纯文本,便于访问,支持完整的 Markdown 格式,便于快速格式化和无缝共享。
- 轻量级架构与重负载 💡: 基于 Next.js,Blinko 提供了一种流畅、轻量级的架构,能够在不牺牲速度或效率的情况下提供强大的性能。
- 开放合作 🔓:作为一个开源项目,Blinko 邀请社区的贡献。所有代码都是透明的,并且可以在 GitHub 上获取,促进了合作精神和持续改进。
- 完全免费 🎉:Blinko 是并将始终是免费的使用,没有隐藏费用或锁在付费墙后的高级功能。
项目地址:https://github.com/blinko-space/blinko
文档地址:https://blinko.mintlify.app/introduction
部署Blinko
此教程并非基础教程,如需基础内容可参照咕咕(点击传送)
在你想要部署的文件夹下新建docker-compose.yml
并编辑成以下内容
version: '3'
services:
postgres:
image: postgres:14
container_name: postgres
environment:
- POSTGRES_DB=blinko
- POSTGRES_USER=postgres
- POSTGRES_PASSWORD=PASSWORD
- TZ=Asia/Shanghai
ports:
- "5432:5432"
restart: unless-stopped
volumes: # 确保 volumes 在新的一行并且正确缩进
- ./postgres-data:/var/lib/postgresql/data
blinko:
image: blinkospace/blinko:latest
container_name: blinko
environment:
- NODE_ENV=production
- NEXTAUTH_URL=http://localhost:1111
- NEXT_PUBLIC_BASE_URL=http://localhost:1111
- NEXTAUTH_SECRET=my_ultra_secure_nextauth_secret
- DATABASE_URL=postgresql://postgres:PASSWORD@postgres:5432/blinko
ports:
- "3000:1111"
volumes:
- ./blinko/.blinko:/app/.blinko
depends_on:
- postgres
restart: unless-stopped
logging:
options:
max-size: "10m"
max-file: "3"
在命令行输入
docker compose up -d
完成部署后可以通过ip:端口进行访问。 需要域名反代的参考咕咕教程
自动更新
注:已经发生过好几个通过docker-compose更新掉数据库的情况,请使用以下命令使用 watchtower配置自动更新 检测频率为1小时
docker run -d \
--name watchtower \
--restart=always \
-v /var/run/docker.sock:/var/run/docker.sock \
-w / \
containrrr/watchtower blinko --cleanup -i 3600
配置AI
通过我的邀请链接(点击直达)注册硅基流
注册后登录并在左侧面板中获得你的API密钥
硅基流提供了常见的主流AI模型 收费免费均有。 通过邀请链接注册的会获得15元赠费,如果对AI模型感兴趣的可以在上面逛逛。
在blinko设置页面下 打开AI功能 使用模型deepseek-ai/DeepSeek-V2.5(付费) 或者 Qwen/Qwen2.5-7B-Instruct (免费)
Model:deepseek-ai/DeepSeek-V2.5 或者 Qwen/Qwen2.5-7B-Instruct
Embeddine:BAAI/bge-m3
API:填入你硅基流的API
填写完成后点击重建即可。
补充advanced设置
在最新版本中,作者已经加入了嵌入式模型的单独设置,这样更避免了部分人使用没有嵌入模型供应商的API时需要自建中转的麻烦.
什么是嵌入模型:简单来说,嵌入模型就是把数据“翻译”成计算机更容易理解和比较的向量形式,从而方便进行各种下游任务 在Blinko中 嵌入模型就负责记录你发布的笔记,并在你咨询AI的时候提取出来告知.
点击Adcanced 既可单独设置嵌入模型
设置方式与之前的chat模型一样,输入 接口地址和API密钥即可.(小白推荐无脑硅基)
Top K 和Score 根据你的具体模型调整
Top K: 指定返回结果的最大数量。比如Top K 设置为 5,这意味着查询时将反馈相关性最高的 5 个结果。
Score:代表结果相关性分数的阈值。只有分数等于或高于此阈值的结果才会被返回。从图中看,分数设置为 0.5 简单的说就是你的提问与文章的相关度.如果你调试时发现AI无法找出你想要的那条笔记 那么请调低这个选项
排除标签:指不想让AI进行阅读的标签内容,比如:密钥
项目作者当前更新非常的勤,如有任何问题可以通过评论询问。
硅基流api和key填写后重建失败
应该是你的embedding模型没填或者填错了,你试试直接对话有没有问题?对话没问题的话那就是embedding模型问题 你可以加blinko的TG群发个截图 看看
按照教程注册了硅基流,但是blinkoai部分配置不好,文档能写细一点嘛,
咕咕那里的教程已经很详细的呀,你具体哪里出了问题?
这个不错 可以试试的
非常好用!
这个不错 可以试试的