使用离线部署32B模型实现OpenDeepWiki项目代码自动分析与文档生成

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-web

nginx.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：

1. 拉取必要的镜像：

   docker-compose pull
   

2. 启动容器：

   docker-compose up -d
   

3. 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

1. 从以下地址获取OpenDeepWiki源码（推荐国内用户使用Gitee）：

   • GitHub: https://github.com/AIDotNet/OpenDeepWiki
   • Gitee: https://gitee.com/AIDotNet/OpenDeepWiki

2. 下载源码的ZIP压缩包

3. 在OpenDeepWiki平台点击"添加新仓库"：

1. 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：

1. 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：

1. 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：

• GitHub: https://github.com/AIDotNet/OpenDeepWiki
• Gitee: https://gitee.com/AIDotNet/OpenDeepWiki

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。