Onyx 是什么？3.2万星的企业知识 Agent 底座，把 Glean 那套开源了
你有没有过这种经历：想问同事”去年那个功能的验收标准写在哪儿”，翻了 Slack、Confluence、Google Drive、GitHub，四十分钟后还是得开个会问本人。
大模型能帮你省时间，但有个硬前提——它得先知道你公司里有什么。Onyx 就是干这一件事的：把散在几十个应用里的知识索引成一个底座，然后让 AI Agent 和同事共用这一层。它不是又一个聊天 UI，而是给 AI Agent 用的公司记忆体。
它是谁
Onyx 是 YC W24 的旧金山团队做的，2023 年成立，二十来号人，主创 Yuhong Sun 在 Alation 做过 NL-to-SQL 和混合检索，Chris Weaver 是 Robinhood 的 TL。仓库在 onyx-dot-app/onyx，GitHub 32.3K 星、4.5K fork、1 万多次提交，2026 年 9 月底还在每天提交。
这项目的前身叫 Danswer，改名过来的——同一套代码、同一条 GitHub 历史、同一个 YC 批次，融资也跟着延续。所以你在老文章里看到 Danswer 不用怀疑，就是它。
2025 年 3 月拿了 1000 万美元种子轮。顺带排个雷：搜索”onyx 融资 1.13 亿 B 轮”出来的那个 Onyx Security 是一家做 AI 安全的另一家公司，跟这个项目没关系，别搞混。
到底解决什么
Onyx 的逻辑是：别让 Agent 每次都现去翻。README 里写得很直白——Agent 靠协调和反复调用几十个 MCP 搜索动辄烧掉几万 token，而 Onyx 直接在自己的知识表示里一次性把上下文捞出来、过滤成最相关的真实文档。
检索这块是真下了功夫的：向量索引加关键词索引的混合检索，配 prefix-aware embedding（对比损失训练）和 BM25，再叠 rerank 和查询扩展。文档站还提到用了上下文检索和 AI 生成的知识图谱。
接数据源方面，README 写的是 50+ 应用，Google Drive、Slack、GitHub、Confluence、Salesforce 这些常见的都在列。权限是跟着源一起继承的——这是它和”把文档全塞进向量库”的关键差别。
上手
官方给了一条命令：
curl -fsSL https://onyx.app/install_onyx.sh | bash
交互式脚本，会帮你装 Docker、拉配置、起全套服务。部署支持 Docker、Kubernetes、Helm、Terraform，仓库里连 terraform-provider-onyx 都给你写好了。
但硬件这块得先看清楚，官方明确写了最低要求：
| 模式 | 最低配置 | 放弃了什么 |
|---|---|---|
| Standard | 4 vCPU / 10GB 内存 / 32GB 磁盘 | 无，全功能 |
| Lite | 2 vCPU / 2GB 内存 / 10GB 磁盘 | 连接器、RAG 检索、向量召回 |
Standard 是十一个服务的 compose（Vespa + Redis + 模型服务 + Celery worker），Lite 本质就是个轻量聊天 UI，不建索引。想先看看长什么样，Lite 足够；真要接公司数据，Standard 起步 10GB 内存。
用起来之后入口很多：Web 和桌面端、Slack/Discord 机器人、MCP server（可以直接指给 Claude Code、Codex、OpenCode 用）、Chrome 扩展、能嵌进自家网站的 widget。手机上还有客户端。
模型随便接：Ollama、LiteLLM、vLLM 这类自托管的，OpenAI、Anthropic、Gemini 这类闭源的都行。
说实话
三点。
第一，MIT 许可只覆盖 Community Edition。 企业版（SSO、SCIM、RBAC、白标）单独授权，你要有合规硬需求，开源那一半只能顶个七成。
第二，别指望它替代 Glean 的全部能力。 Glean 闭源、估值 72 亿、ARR 3 亿，还有 OpenAI 挑过刺——这些是真本事，Onyx 的价值在于它把 60~70% 的场景用 MIT 协议免费给你了。云版标价 20 美元/用户/月，对照着看就行。
第三，这仓库正在被 Agent 一起开发。 我翻提交记录时看到 Co-authored-by: Claude Fable 5、Co-authored-by: Cursor、Co-authored-by: Codex，CI 里还有 Devin 在同步模型目录。这既是效率也是信号——这项目自己就是它主打那套玩法的活样本。
另外文档站挂了个预告：权限模型要改成 group-based，Curator / Global Curator 角色会移除。已有部署的现在该看一看了。
适合谁
- 已经有几十人规模团队、资料散在三四套系统里、痛点是”找不到东西”的公司。
- 有合规红线、数据不能出厂、又不想被按人头收费卡住的团队。
- 想给 Claude Code / Codex 这类编码 Agent 喂公司上下文的开发者——MCP 那条路是真的好用。
个人玩家、家用两三台机器就折腾的，看这篇就够：AnythingLLM 那种轻量自托管；纯聊天入口，Open WebUI 星更多更省事。RAG 引擎本身怎么选，看 RAGFlow 那篇。要盯着 Agent 上线后的表现，配合 Langfuse 一起用。
Onyx 值得单独开一篇，是因为它代表了一个方向的确立：Agent 平台的下半场不是让 Agent 更聪明，是让它知道你们公司到底有什么。 谁的上下文层建得好，谁的 Agent 才敢真干活。
by 数码罗记·godsun.pro
本文数据核对于 2026 年 10 月 3 日，star 数、提交记录、许可条款与硬件要求均取自 GitHub 仓库与官方文档实时内容。
