背景介绍
在企业环境中，我们经常需要对公司项目代码进行分析和文档生成。然而，考虑到代码的保密性，将代码上传至公共AI平台存在安全隐患。为解决这一问题，我们可以在公司内部GPU服务器上部署强大的大语言模型（如qwen2.5:32b-instruct-fp16），并结合OpenDeepWiki工具，实现安全、高效的代码仓库分析与文档自动生成。
环境需求
- 硬件: 支持
qwen2.5:32b-instruct-fp16模型运行的GPU服务器（推荐配置：4*RTX 3090） - 软件: Ollama（用于部署模型）、Docker和Docker Compose环境
- 网络: 内部网络环境，确保安全性
部署步骤
1. 部署OpenDeepWiki
在服务器上创建并配置必要文件：
docker-compose.yml:
services: koalawiki: image: crpi-j9ha7sxwhatgtvj4.cn-shenzhen.personal.cr.aliyuncs.com/koala-ai/koala-wiki environment: - KOALAWIKI_REPOSITORIES=/repositories - TASK_MAX_SIZE_PER_USER=5 # 每个用户AI处理文档生成的最大数量 - REPAIR_MERMAID=1 # 是否进行Mermaid修复，1修复，其余不修复 - CHAT_MODEL=qwen2.5:32b-instruct-fp16 # 必须要支持function的模型 - ANALYSIS_MODEL=qwen2.5:32b-instruct-fp16 # 分析模型，用于生成仓库目录结构，这个很重要，模型越强，生成的目录结构越好，为空则使用ChatModel - CHAT_API_KEY=sk- #您的APIkey - LANGUAGE=简体中文 # 设置生成语言默认为"中文" - ENDPOINT=http://您的Ollamaip:11434/v1 - DB_TYPE=sqlite - DB_CONNECTION_STRING=Data Source=/data/KoalaWiki.db - UPDATE_INTERVAL=5 # 仓库增量更新间隔，单位天 - EnableSmartFilter=true # 是否启用智能过滤，这可能影响AI得到仓库的文件目录 - PARALLEL_COUNT=1 # The warehouse processes the quantity in parallel volumes: - ./repositories:/app/repositories - ./data:/data koalawiki-web: image: crpi-j9ha7sxwhatgtvj4.cn-shenzhen.personal.cr.aliyuncs.com/koala-ai/koala-wiki-web environment: - NEXT_PUBLIC_API_URL=http://koalawiki:8080 # 用于提供给server的地址 nginx: # 需要nginx将前端和后端代理到一个端口 image: crpi-j9ha7sxwhatgtvj4.cn-shenzhen.personal.cr.aliyuncs.com/koala-ai/nginx:alpine ports: - 8090:80 volumes: - ./nginx.conf:/etc/nginx/conf.d/default.conf depends_on: - koalawiki - koalawiki-webnginx.conf:
server { listen 80; server_name localhost; # 设置上传文件大小限制为 100MB client_max_body_size 100M; # 日志配置 access_log /var/log/nginx/access.log; error_log /var/log/nginx/error.log; # 代理所有 /api/ 请求到后端服务 location /api/ { proxy_pass http://koalawiki:8080/api/; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection 'upgrade'; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; proxy_cache_bypass $http_upgrade; } # 其他所有请求转发到前端服务 location / { proxy_pass http://koalawiki-web:3000; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection 'upgrade'; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; proxy_cache_bypass $http_upgrade; }}2. 启动服务
创建好上述文件后，在同级目录下执行以下命令：
拉取必要的镜像：
docker-compose pull启动容器：
docker-compose up -d等待服务初始化完成（通常需要几分钟）
3. 访问OpenDeepWiki平台
在浏览器中访问http://[服务器IP]:8090，即可看到OpenDeepWiki的界面：
使用指南
添加代码仓库进行分析
从以下地址获取OpenDeepWiki源码（推荐国内用户使用Gitee）：
下载源码的ZIP压缩包
在OpenDeepWiki平台点击"添加新仓库"：
- 选择"上传压缩包"，填写组织名称和仓库名称（这些字段必填，将影响前端路由显示），然后提交：
- 上传完成后，系统将开始处理仓库（处理时间约为3-5分钟）。处理中的仓库会显示在列表中：
- 处理完成后，点击仓库名称即可查看由
qwen2.5:32b-instruct-fp16模型自动生成的文档：
系统优势
- 安全可控：所有代码分析和文档生成过程都在内部环境完成，确保代码安全
- 高质量文档：借助强大的
qwen2.5:32b-instruct-fp16模型，生成的文档结构清晰、内容全面 - 一键操作：简单的上传流程，无需复杂配置
- 可扩展性：支持多种代码仓库格式，适用于不同项目需求
结语
通过部署OpenDeepWiki与qwen2.5:32b-instruct-fp16模型，我们可以安全、高效地为公司代码仓库生成完整文档，大幅提升项目理解和开发效率。
如果您对OpenDeepWiki感兴趣，欢迎访问以下地址并给项目点个Star：
在线体验地址：https://opendeep.wiki/
目前已有500+仓库加入！您也可以将您的开源仓库添加进来。