开源工作场所搜索与聊天平台 Omni：基于 Postgres 的 AI 助手
在当今企业数据日益分散、信息孤岛问题凸显的背景下，如何高效整合并利用这些数据成为许多组织面临的挑战。近日，一个名为 Omni 的开源项目在 Hacker News 上亮相，它旨在为企业提供一个完全自托管的工作场所搜索与聊天平台，连接 Google Drive、Gmail、Slack、Confluence 等常用应用，帮助员工快速查找信息并完成工作。
核心功能：搜索、AI 代理与数据安全
Omni 的核心功能围绕三个关键点展开：
- 统一搜索：它支持连接 Google Workspace（Drive、Gmail）、Slack、Confluence、Jira 等多种数据源，并提供 全文搜索（BM25） 和 语义搜索（pgvector） 能力。这意味着用户不仅能通过关键词查找，还能基于语义相似性发现相关文档，大大提升了信息检索的准确性和广度。
- AI 代理：平台内置一个聊天界面，AI 助手不仅能理解自然语言查询、搜索已连接的应用程序并读取文档，还具备 工具使用能力。一个值得注意的特性是，它可以在一个沙盒化的容器中执行 Python 或 Bash 代码来分析数据，这为数据探索和自动化任务提供了可能，同时通过严格的隔离措施（如隔离的 Docker 网络、Landlock 文件系统限制、资源限制和只读根文件系统）确保安全。
- 完全自托管与权限继承：Omni 设计为完全运行在用户自己的基础设施上，所有数据都不会离开内部网络，这对于注重数据隐私和合规性的企业至关重要。此外，它继承源系统的权限，用户只能访问他们已有权查看的数据，无缝整合了现有安全策略。
技术架构：Postgres 为核心，多语言微服务
Omni 的一个显著技术特点是其 “一切基于 Postgres” 的架构。它利用 ParadeDB（一个基于 Postgres 的扩展）来处理 BM25 全文搜索、pgvector 语义搜索以及所有应用数据，无需 Elasticsearch 或专用的向量数据库。这种设计简化了运维，只需维护、调优和备份一个数据库系统，降低了技术栈的复杂性。
在服务层面，核心组件采用多语言开发：
- Rust：用于高性能的搜索器（searcher）、索引器（indexer）和连接器管理器（connector-manager）。
- Python：负责 AI 和 LLM 的编排逻辑。
- SvelteKit：构建现代化的 Web 前端。
数据源连接器以独立的轻量级容器运行，允许使用不同的编程语言和依赖，互不干扰，提高了系统的模块化和可扩展性。
部署与集成灵活性
Omni 提供了灵活的部署选项，以适应不同规模和环境的需求：
- 简单部署：对于单服务器场景，可以使用 Docker Compose 快速启动。
- 生产部署：对于 AWS 或 GCP 等云环境，提供了 Terraform 配置，便于自动化和管理生产级部署。
在模型支持上，Omni 遵循 “自带模型” 原则，兼容 Anthropic、OpenAI、Gemini 等主流商业 API，也支持通过 vLLM 使用开源模型，给予企业在成本、性能和隐私之间的选择自由。
目前支持的集成包括 Google Workspace、Slack、Confluence、Jira、公共网站、Fireflies（会议转录）、HubSpot 以及本地文件系统索引，覆盖了常见的办公和协作场景。
行业背景与潜在影响
Omni 的出现，直接对标了 Glean 等商业工作场所搜索平台，但以 开源和自托管 作为核心差异点。在 AI 助手和智能搜索领域，企业越来越寻求在提升效率与保障数据安全之间取得平衡。Omni 通过将 AI 能力（如语义搜索、代码执行分析）与严格的数据控制（自托管、权限继承）相结合，可能吸引那些对云服务数据出境有顾虑、或希望深度定制和审计内部工具的组织。
其基于 Postgres 的统一存储和搜索架构，也反映了当前数据库技术融合向量搜索能力的趋势，为开发者提供了一个简化技术栈的实践案例。
小结
总体而言，Omni 是一个功能全面、注重安全与可控性的开源工作场所智能平台。它将统一搜索、AI 代理对话、安全代码执行与完全自托管、权限继承等特性打包在一起，为企业提供了一个可替代商业解决方案的选择。其基于 Postgres 的简洁架构和灵活的部署选项，降低了采用门槛。对于正在寻找既能提升团队信息检索效率，又能完全掌控数据流向的 AI 工具的企业技术团队来说，Omni 值得关注和评估。项目采用 Apache License 2.0 开源，社区可通过其文档、Discord 和讨论区参与贡献或获取支持。