GeekAI-PLUS：一站式私有化AI创作平台部署与实战指南

1. 项目概述：一个集大成的AI创作与对话平台

如果你和我一样，在过去一年里尝试过各种开源的ChatGPT WebUI项目，从最初的ChatGPT-Next-Web，到后来功能更丰富的各类变体，你可能会发现一个痛点：它们往往专注于“对话”这一核心功能，但在“创作”这个维度上，总是差那么一口气。要么是绘画功能简陋，要么是缺乏思维整理工具，想要一个能同时搞定文案、绘画、脑图，并且管理后台还足够顺手的平台，往往需要自己东拼西凑。

最近深度体验并部署了GeekAI-PLUS，它给我的感觉，就像是一个“All-in-One”的AI创作工作站。它基于广受好评的GeekAI社区版开发，但增加了一系列面向深度用户和内容创作者的高级功能，比如专业的MidJourney/Stable Diffusion绘画界面、DALL·E 3集成、思维导图（Markmap）生成，以及一套完整的会员与后台管理系统。最吸引我的是，它的界面设计非常现代，响应式做得极好，从桌面端到H5移动端的体验都相当流畅。虽然高级版（PLUS）的源码是逐步开放的，但其提供的Docker镜像可以让我们在几分钟内就搭建起一个功能完备的私有化AI平台，无论是自用、团队协作，还是进行小范围的商业化尝试，都是一个非常值得研究的方案。

2. 核心功能深度解析与设计思路

GeekAI-PLUS并非简单的功能堆砌，从其功能架构可以看出，它瞄准的是“AI赋能的内容创作全流程”。下面我们来拆解它的几个核心模块，看看它是如何思考的。

2.1 一体化AI对话：不止于ChatGPT

基础的对话功能是所有类似项目的起点，GeekAI-PLUS在这方面做得相当扎实。它支持对接多个主流的大语言模型（LLM）API，例如OpenAI的GPT系列、Anthropic的Claude，以及国内常见的各类合规商用模型接口。这意味着你可以根据需求、成本和网络环境，灵活配置后端引擎。

与许多单一对话窗口的项目不同，GeekAI-PLUS采用了会话（Session）管理的设计。你可以为不同主题（如“技术方案讨论”、“小说创作”、“学习英语”）创建独立的对话，这些对话历史会被完整保存，并且支持重命名、删除和搜索。这个设计对于需要长期、多线程使用AI的用户来说至关重要，它保证了上下文的有序性，避免了所有聊天记录混在一起的混乱。

在对话体验上，它支持流式输出（打字机效果）、消息编辑重发、以及对话导出（常见为Markdown或文本格式）。这些细节虽然看似微小，但在高频使用时能显著提升效率。例如，当AI的回答方向偏离时，你可以直接编辑上一条提问，重新生成，而无需复制粘贴或开启新会话。

2.2 专业级AI绘画：从提示词到成图的工作流

这是GeekAI-PLUS区别于大多数“聊天壳子”的核心亮点。它没有简单粗暴地扔给你一个输入框去调用绘画API，而是为不同的绘画引擎设计了专属的、功能丰富的工作界面。

1. MidJourney风格专业界面：MidJourney（MJ）以其独特的提示词（Prompt）结构和强大的出图效果闻名。GeekAI-PLUS的MJ界面深度模仿了Discord中MJ机器人的操作逻辑。你不仅可以直接输入正向提示词，还可以详细设置：

• 负面提示词（Negative Prompt）：明确告诉AI你不想要什么，对于控制画面内容、排除瑕疵非常有效。
• 模型版本选择：支持选择MJ V5, V6, Niji等不同风格的模型。
• 参数精细化调整：包括纵横比（--ar）、风格化程度（--s）、混乱值（--chaos）、种子（--seed）等。这些参数对于追求特定效果或保持系列图片一致性至关重要。
• 图片上传与垫图（Image Prompt）：支持上传参考图，让AI基于参考图的构图、色彩或风格进行再创作。

这个界面将原本需要在Discord中通过复杂指令完成的操作，变成了可视化的表单和按钮，大大降低了MJ的使用门槛。

2. Stable Diffusion（SD）控制台：对于更极客、需要本地部署SDXL或各类LoRA模型的用户，GeekAI-PLUS提供了与ComfyUI或Automatic1111的WebUI类似的参数面板。你可以调整采样步数（Steps）、采样器（Sampler）、提示词引导系数（CFG Scale）等核心参数。这意味着你可以将GeekAI-PLUS作为前端，后端连接你自己部署的、加载了各种定制化模型的Stable Diffusion服务，实现高度的灵活性。

3. DALL·E 3集成：作为OpenAI的亲儿子，DALL·E 3在理解复杂自然语言提示词方面表现突出。GeekAI-PLUS将其作为一个独立的绘画选项集成进来，操作简洁直观。你只需要用平常说话的方式描述你想要的画面，它就能生成质量很高、且与描述高度匹配的图片。这对于快速生成概念图、插图素材非常方便。

4. 统一的画廊（Gallery）管理：所有通过上述引擎生成的图片，都会自动归档到“画廊”中。你可以在这里按时间、模型进行浏览、下载、删除，甚至可以将某张图片再次作为垫图发送给AI。这个功能解决了图片分散、难以管理的问题，形成了一个完整的创作-归档闭环。

2.3 思维导图生成：将对话转化为结构

这是另一个令人惊喜的功能。在与AI对话的过程中，特别是进行头脑风暴、梳理知识体系或制定计划时，我们得到的往往是长篇的文本。GeekAI-PLUS内置了Markmap（基于Markdown的思维导图）生成功能。

你可以在对话中，直接要求AI：“将以上内容整理成一个Markdown格式的思维导图大纲。” AI会生成结构化的Markdown文本。此时，GeekAI-PLUS的界面中会出现一个“思维导图”标签页，一键即可将这段Markdown文本渲染成可交互的、层级清晰的思维导图。你可以展开/折叠节点，直观地把握全局结构。这个功能完美衔接了“发散性AI对话”和“结构化知识输出”两个环节，是内容创作者和思考者的利器。

2.4 会员与后台管理系统：面向运营的考量

GeekAI-PLUS并非一个单纯的个人玩具，它内置了一套完整的后台管理系统和会员积分体系，这为其应用于团队或小型商业化场景提供了可能。

• 用户与权限管理：管理员可以管理所有注册用户，查看其使用情况。
• 会话与日志管理：可以全局查看系统的对话、绘画记录（出于隐私考虑，此功能需谨慎使用并告知用户）。
• 模型配置管理：在后台集中配置各个AI模型（对话、绘画）的API密钥、端点地址、单价等。这意味着你可以轻松切换模型供应商，或者设置不同的计费策略。
• 会员与积分体系：系统内置了积分概念。管理员可以设置注册赠送积分、每日签到奖励，以及最关键的不同模型、不同操作（如图像尺寸）所消耗的积分点数。用户则可以通过“会员充值”界面（支持接入第三方支付渠道的预留接口）来购买积分包。这套体系有效地解决了API调用成本的管控和分摊问题。

3. 实战部署：从零到一的搭建过程

GeekAI-PLUS提供了极为便捷的Docker Compose部署方式，这几乎是目前部署此类复杂Web应用的最佳实践。下面我将详细拆解每一步，并补充官方文档中未提及的细节和避坑指南。

3.1 环境准备：不仅仅是安装Docker

系统要求：

• 服务器：一台拥有公网IP（如需外网访问）的VPS或云服务器。配置建议至少1核2G，对于需要同时处理多人对话和绘画请求的场景，2核4G或更高配置会更稳妥。操作系统推荐Ubuntu 22.04 LTS或CentOS 7/8。
• 网络：服务器需要能稳定访问你所选用的AI模型API。例如，如果使用OpenAI的接口，则需要确保服务器网络可以畅通连接api.openai.com（或你使用的代理中转地址）。这是部署成功与否的先决条件，务必提前测试。

安装Docker与Docker Compose：虽然项目说“自行解决”，但对于新手，这里给出Ubuntu下的可靠命令：

# 1. 卸载旧版本（如有） sudo apt-get remove docker docker-engine docker.io containerd runc # 2. 安装依赖包 sudo apt-get update sudo apt-get install \ ca-certificates \ curl \ gnupg \ lsb-release # 3. 添加Docker官方GPG密钥 sudo mkdir -p /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg # 4. 设置稳定版仓库 echo \ "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \ $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null # 5. 安装Docker引擎 sudo apt-get update sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin # 6. 验证安装 sudo docker run hello-world

注意：Docker Compose Plugin (docker-compose-plugin) 是现在推荐的方式，它提供了docker compose命令（注意中间没有横杠）。旧版的docker-compose（带横杠）需要单独安装。GeekAI-PLUS的docker-compose.yml文件两者都兼容，但建议使用新插件。

3.2 获取与配置项目

1. 获取部署文件：通常，项目作者会提供一个包含docker-compose.yml和必要配置文件的压缩包，或者一个Git仓库（可能只包含部署配置，不包含核心源码）。你需要联系项目获取最新的部署包。假设你获得了一个名为geekai-plus-deploy.zip的文件。

# 在服务器上创建一个工作目录 mkdir -p /opt/geekai-plus && cd /opt/geekai-plus # 上传并解压部署包（以zip为例） unzip /path/to/geekai-plus-deploy.zip # 查看目录结构，通常应包含 docker-compose.yml, .env.example 等文件 ls -la

2. 关键配置文件详解：核心配置文件是.env和docker-compose.yml。你需要复制环境变量模板并编辑。

# 复制环境变量模板 cp .env.example .env # 使用vim或nano编辑 .env 文件 vim .env

.env文件中的配置项决定了系统的行为。以下是一些最关键的配置，需要你根据实际情况修改：

# 数据库配置（通常由Docker Compose自动创建，你只需设置强密码） MYSQL_ROOT_PASSWORD=your_strong_root_password_here MYSQL_DATABASE=geekai MYSQL_USER=geekai_user MYSQL_PASSWORD=your_strong_db_password_here # Redis配置（用于会话缓存） REDIS_PASSWORD=your_strong_redis_password_here # 应用核心配置 APP_SECRET_KEY=generate_a_very_long_random_string_here # 用于加密会话，务必修改！ APP_HOST=0.0.0.0 # 监听地址 APP_PORT=3001 # 应用运行端口 # 前端访问地址（至关重要！） NEXT_PUBLIC_API_BASE_URL=http://你的服务器IP或域名:3001 NEXT_PUBLIC_WEB_BASE_URL=http://你的服务器IP或域名:3000 # AI模型API配置（这是功能的核心） OPENAI_API_KEY=sk-your-openai-api-key # OpenAI对话模型（GPT）密钥 OPENAI_BASE_URL=https://api.openai.com/v1 # 或你的代理中转地址 # 绘画配置（以DALL·E为例） OPENAI_DALLE_API_KEY=sk-your-openai-api-key # 可与上面相同，如果使用DALL·E # MidJourney和Stable Diffusion的配置通常需要在管理后台设置，这里可能只是开关 ENABLE_MIDJOURNEY=true ENABLE_STABLE_DIFFUSION=true

重要提示：NEXT_PUBLIC_API_BASE_URL和NEXT_PUBLIC_WEB_BASE_URL必须配置正确。如果打算通过域名访问，这里就填域名（如https://ai.yourdomain.com），并确保端口（3000, 3001）被正确映射或由反向代理（如Nginx）处理。配置错误会导致前端无法连接到后端API，页面白屏或功能异常。

3.3 启动与初始化

配置好.env文件后，启动过程非常简单：

# 在项目根目录（包含 docker-compose.yml 的目录）执行 # 使用 Docker Compose Plugin 的命令格式 sudo docker compose up -d # 或者，如果你安装的是旧版 docker-compose（带横杠） sudo docker-compose up -d

-d参数代表后台运行。执行后，Docker会依次拉取MySQL、Redis、后端API、前端Web等镜像并启动容器。

查看日志与排查：启动后，建议查看日志以确保一切正常。

# 查看所有容器的综合日志 sudo docker compose logs -f # 查看特定容器的日志，例如后端api sudo docker compose logs -f api # 查看容器运行状态 sudo docker compose ps

如果看到数据库初始化完成、后端API启动成功、前端编译完成的字样，通常就表示启动成功了。此时，你可以通过浏览器访问http://你的服务器IP:3000来打开GeekAI-PLUS的首页。

首次访问与管理员初始化：首次访问，你需要注册一个账号。第一个注册的账号通常会自动成为超级管理员。登录后，即可进入管理后台（通常通过点击头像或访问http://你的服务器IP:3000/admin）。

3.4 配置反向代理与HTTPS（生产环境必备）

直接通过IP和端口访问既不安全也不专业。在生产环境，我们必须使用Nginx等Web服务器做反向代理，并配置HTTPS。

1. 安装Nginx：

sudo apt-get install nginx

2. 配置Nginx站点：创建一个新的配置文件，例如/etc/nginx/sites-available/geekai：

server { listen 80; server_name ai.yourdomain.com; # 替换为你的域名 # 将HTTP请求重定向到HTTPS（申请证书后启用） # return 301 https://$server_name$request_uri; location / { proxy_pass http://127.0.0.1:3000; # 代理到前端容器 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_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection "upgrade"; # 支持WebSocket，用于流式输出 } # 代理后端API请求 location /api/ { proxy_pass http://127.0.0.1:3001/; 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; } }

创建软链接并测试配置：

sudo ln -s /etc/nginx/sites-available/geekai /etc/nginx/sites-enabled/ sudo nginx -t # 测试配置语法 sudo systemctl reload nginx # 重载配置

3. 申请SSL证书（以Let‘s Encrypt为例）：

sudo apt-get install certbot python3-certbot-nginx sudo certbot --nginx -d ai.yourdomain.com

Certbot会自动修改你的Nginx配置，启用HTTPS并设置自动续期。

4. 修改GeekAI-PLUS环境变量：最后，别忘了将.env文件中的NEXT_PUBLIC_API_BASE_URL和NEXT_PUBLIC_WEB_BASE_URL修改为你的HTTPS域名，然后重启Docker Compose服务。

cd /opt/geekai-plus sudo docker compose down sudo docker compose up -d

4. 高级配置与使用心得

系统跑起来只是第一步，要让其发挥最大效用，还需要进行精细化的配置。以下是我在实际使用中总结的关键点。

4.1 模型API配置实战

登录管理后台，找到“模型配置”或类似菜单。这里是系统的“大脑”连接处。

• 对话模型配置：除了OpenAI，你完全可以添加新的模型提供商。例如，添加一个“Claude”配置，填写Anthropic的API密钥和端点。在后台设置好每1000 tokens的积分消耗成本。这样，用户在前端选择模型时，就可以在GPT-4、Claude-3等模型间切换，系统会自动根据你的设置扣减积分。
• 绘画模型配置：这是GeekAI-PLUS的强项。
  • MidJourney：配置项需要填写MJ的API密钥（通常来自一些MJ API服务商，如imagineapi.io等）和基础URL。这里有个大坑：原版MidJourney没有官方API，市面上所谓的MJ API都是第三方反向工程服务，稳定性、成本和出图效果参差不齐，选择时务必谨慎测试。
  • Stable Diffusion：这里填写的是你自行部署的SD WebUI或ComfyUI的API地址（例如http://你的sd服务器IP:7860）和API密钥（如果设置了）。这意味着你可以将GeekAI-PLUS作为前端，连接一个拥有强大显卡、加载了无数LoRA模型的本地SD服务器，实现高质量的免费绘画。
  • DALL·E 3：配置相对简单，使用OpenAI的API密钥即可，但需要在后台指定使用dall-e-3模型。

4.2 积分体系与商业化微调

内置的积分系统非常适合小团队或知识付费场景。

• 成本核算：在后台设置积分充值比例（如1元=100积分）前，必须先核算清楚你的API调用成本。例如，GPT-4 Turbo输入token成本约$0.01/1K，输出约$0.03/1K。你需要估算平均一次对话的token消耗，将其转化为积分消耗值，并预留一定的运营毛利空间。
• 差异化定价：可以为不同模型、不同操作设置不同的积分消耗。例如，GPT-4对话每1000字符消耗10积分，文心一言消耗5积分；生成1024x1024的DALL·E图片消耗50积分，生成2048x2048的消耗120积分。这种精细化的控制是管控成本的关键。
• 促销活动：可以利用后台的“注册送积分”、“签到奖励”功能进行拉新和促活。

4.3 数据备份与迁移

任何线上服务，数据备份都是生命线。

• 数据库备份：GeekAI-PLUS的数据（用户、会话、订单等）主要存储在MySQL中。定期备份数据库：

  # 进入MySQL容器执行备份 sudo docker exec -t geekai-plus-mysql-1 mysqldump -u root -p$MYSQL_ROOT_PASSWORD geekai > /path/to/backup/geekai_backup_$(date +%Y%m%d).sql

  也可以将整个mysql容器的数据卷目录（在docker-compose.yml中定义，如./data/mysql:/var/lib/mysql）定期打包备份。
• 上传文件备份：用户上传的垫图、生成的图片等，通常存储在某个指定的卷或目录（如./data/uploads）。这个目录也需要定期备份。
• 迁移：迁移到新服务器时，只需将备份的SQL文件、上传文件目录，以及修改好的.env和docker-compose.yml文件复制到新服务器，然后启动docker compose up -d即可。

5. 常见问题与故障排查实录

在部署和使用过程中，我遇到了一些典型问题，这里记录下来供你参考。

5.1 部署启动问题

5.2 使用过程中的问题

5.3 安全与优化建议

1. 修改默认密钥：部署后第一件事就是修改.env中的APP_SECRET_KEY、数据库密码、Redis密码，不要使用任何默认值。
2. 限制注册：如果只是自用或小范围使用，可以在管理后台关闭开放注册，手动添加用户，或设置注册邀请码。
3. API调用限额：在后台为用户设置每日或每月积分消耗上限，防止API密钥被滥用导致高额账单。
4. 监控与日志：定期查看Docker容器日志和Nginx访问日志，监控系统运行状态和异常请求。
5. 版本更新：关注项目更新。更新时，通常需要docker compose pull拉取新镜像，然后docker compose down再docker compose up -d。务必先备份数据和配置文件！

部署和深度使用GeekAI-PLUS的过程，让我感觉它不仅仅是一个工具，更像是一个可高度定制的AI创作平台底座。它把那些分散的、需要复杂操作才能实现的功能，优雅地整合在了一个统一的、美观的界面之下。虽然高级版源码的逐步开放策略意味着深度二次开发需要等待或转向社区版，但对于绝大多数想要快速拥有一个功能强大、体验优秀的私有化AI助手的用户来说，它的Docker镜像已经提供了极高的价值。如果你正在寻找一个能同时满足对话、绘画、思维整理，且具备一定管理能力的开源项目，GeekAI-PLUS绝对值得你花上一个下午的时间部署体验一番。