🔍 Fess：开源企业级搜索引擎 内置 RAG 和多数据源爬取 Docker 一键部署

Fess 是开源企业级搜索服务器，基于 OpenSearch 构建，支持全文检索、分面搜索、RAG 和语义搜索。内置 Web/文件/数据库爬虫，支持 Confluence/Jira/Slack 等 20+ 数据源，单机 Docker 部署，Apache 2.0 开源，1.1k Stars。

🎤 引言

公司内部文档、产品手册、Confluence、Jira、Slack……全散落在各处，新人入职想找个东西得问遍整个公司。

商业搜索方案（Elastic Cloud、Google Search Appliance）贵得要死，Elasticsearch 搭搜索集群光运维就累死人。有什么更轻量的选择？

Fess 就是——开源企业级搜索服务器，1.1k Stars，基于 OpenSearch，内置爬虫把各种数据源一键抓取建索引，支持全文检索、分面搜索、RAG 语义搜索，打包成 Docker 一键跑起来，Apache 2.0 完全免费。

⭐ 核心功能

1. 全文检索 + 分面搜索

• 基于 OpenSearch，支持分词、排序、搜索建议（suggest）
• 分面导航（faceting）：按文件类型、日期、标签过滤结果
• 高亮匹配词、相关性排序、布尔查询

2. 多数据源爬虫

Fess 内置爬虫支持抓取以下数据源：

爬取后自动建索引，支持增量爬取和定时调度。

3. AI / RAG 和语义搜索

• 语义搜索：基于 embedding 向量检索，不只是关键词匹配
• RAG 支持：可以接 LangChain 等 LLM 工具链，做检索增强生成
• 多语言分析：内置 20+ 语言的分词器和 analyzer

4. 权限和访问控制

• 角色权限：搜索结果按用户角色过滤，普通员工搜不到内部敏感文档
• SSO 支持：LDAP、OpenID Connect、SAML、SPNEGO、Microsoft Entra ID
• 单点登录：接完公司 IdP 后员工直接登录，不用另起账号

5. REST API + 插件扩展

• 标准 REST API（/api/v1/search 等），可被任何应用调用
• 主题插件：上传 ZIP 自定义搜索 UI 外观
• 数据源插件：社区贡献的连接器（Atlassian、Salesforce 等）
• 脚本插件：Groovy / OGNL 自定义索引和查询逻辑

6. 浏览器管理界面

• 搜索 UI：http://localhost:8080/
• 管理后台：http://localhost:8080/admin/（默认账号 admin/admin）
• 全程浏览器操作，不需要改配置文件

📥 安装与使用

Docker 一键部署（最简单）

git clone https://github.com/codelibs/docker-fess.git
cd docker-fess/compose
docker compose up -d

# 搜索界面: http://localhost:8080/
# 管理后台: http://localhost:8080/admin/

下载安装包（Java 21+）

# 下载最新版本
wget https://github.com/codelibs/fess/releases/download/fess-15.7.0/fess-15.7.0.zip
unzip fess-15.7.0.zip
cd fess-15.7.0

# 启动（需要先装好 OpenSearch）
./bin/fess

# 或用内置 OpenSearch 一起跑
docker compose -f compose/full/docker-compose.yml up -d

配置爬取任务（浏览器操作）

1. 打开 http://localhost:8080/admin/，用 admin/admin 登录
2. Web 爬取：「Web」→ 新建配置 → 填入目标 URL 和爬取规则
3. 文件爬取：「File」→ 配置路径（如 /data/docs）
4. 数据库爬取：「Data Store」→ 填 JDBC 连接串和 SQL
5. 启动调度：「Scheduler」→ 新建 job → 设置 cron 表达式（如 0 0 * * * 每小时爬一次）
6. 等待爬取完成，在搜索框里搜关键词即可

REST API 调用示例

# 搜索
curl "http://localhost:8080/api/v1/search?q=kubernetes&format=json"

# 获取健康状态
curl "http://localhost:8080/api/v1/health"

接 RAG（LangChain）

from langchain_community.retrievers import FessSearchRetriever

retriever = FessSearchRetriever(
    fess_url="http://localhost:8080",
    engine_name="fess",
    top_k=5
)
docs = retriever.get_relevant_documents("如何配置 Kubernetes Ingress")

🎯 适用场景

• 企业内部知识库搜索：把 Confluence、文档服务器、内部系统全部索引，新人搜资料不用到处问
• 政务/教育网站站内搜索：替代 Google Site Search，部署在自己服务器，数据不出墙
• 技术文档网站搜索：接 Docusaurus、MkDocs 等静态站，支持全文检索
• RAG 知识库：接 LangChain/LlamaIndex 做私有知识库的检索层，配合 LLM 实现问答
• 多数据源统一检索：把分散在 S3、Jira、Slack 的内容汇聚到一个搜索入口

🔍 对比/替代方案

Fess 的核心优势：

• 内置爬虫是最大亮点，Elasticsearch/Solr 都要自己配 Logstash/Filebeat
• 开箱即用的管理 UI，不需要写代码配置
• SSO/LDAP 原生支持，企业内用不需要新建账号
• RAG 支持，接 LLM 比纯搜索方案更简单

Fess 的短板：

• Stars 相对少（1.1k），社区规模有限
• 依赖 OpenSearch（额外组件），比 Meilisearch/Typesense 重的多
• 移动端 UI 体验一般

⚠️ 注意事项

1. Java 21 是硬性要求：旧版 Java 跑不起来，确认服务器上装了 JDK 21+。
2. OpenSearch 内存占用：Fess 背后跑 OpenSearch，JVM 建议给 4GB+ 内存，生产环境不要低于 8GB。
3. 爬虫robots.txt：默认遵守网站的 robots.txt 规则，需要抓取禁止爬取的内容要单独配置（确认有授权）。
4. 权限模型要设计好：Fess 的角色过滤依赖字段权限，配置不当可能导致搜索结果泄露。
5. 中文分词需要配置：默认 analyzer 对中文支持一般，建议按文档配置 ja_text 或 IK 等中文分词器。
6. 升级要谨慎：大版本升级（如 14.x → 15.x）建议先在测试环境跑，Fess 配置项多，容易踩到 breaking change。
7. 并发搜索性能有限：Fess 更适合中小企业（GB 级数据），超大规模（TB 级 + 高并发）建议还是用 Elasticsearch 集群。

✅ 总结

Fess 是中小企业快速搭建企业搜索的最佳选择：

• ✅ 安装极简：Docker 一键跑，不需要写一行代码
• ✅ 数据源全：20+ 内置连接器，覆盖大多数企业场景
• ✅ SSO 支持：LDAP/OIDC/SAML，企业身份无缝接入
• ✅ RAG 友好：接 LLM 做知识库问答比纯搜索更实用
• ❌ 性能上限有限：超大规模场景不如 Elasticsearch
• ❌ UI 美观度一般：功能导向，界面偏工程化

推荐指数：⭐⭐⭐⭐（4/5），适合想快速解决"资料散落各处找不到"痛点的中小企业和团队。

GitHub：github.com/codelibs/fess | 官网：fess.codelibs.org