1. 先说我为什么要攒这台离线知识服务器把维基百科、可汗学院和 AI 助手同时塞进一台小主机让它们在没有外网的情况下照样工作——这事刚开始看起来像极客行为但真做完之后你会发现它对很多场景都不是花架子。我起念的契机比较实际家里孩子开始上网课学校老师布置的拓展阅读经常要查维基百科而我又不想让平板电脑的浏览器环境里混着广告、推荐流和随时可能点进去的娱乐内容。再加上我自己出差频繁很多项目现场的网络环境根本没有保障想查一个 API 文档、翻一个概念定义经常要拿着手机在窗口找信号。后来我干脆想与其等网络不如把这些知识资产直接搬回本地。这套离线知识服务器最终完成了三件事维基百科离线查询、可汗学院全量课程学习、本地大模型驱动的 AI 对话助手。三个服务跑在同一台迷你主机上通过局域网让手机、平板、笔记本都能访问整个系统不需要任何外网依赖。这套方案适合谁我觉得主要有四类人家里有学龄孩子的家长、经常在弱网或断网环境工作的技术人员、对数据隐私比较敏感的人以及纯粹喜欢折腾 homelab 的玩家。这中间最有意思的一点是做完之后你会发现自己对“知识到底存放在哪儿”这个问题的看法会变——数据在自己手里比什么都踏实。2. 硬件选型与软件架构一台 7x24 小时的小主机怎么规划2.1 先说硬件不用多贵但容量不能抠离线知识服务器的负载特点很明显大部分时间都在做“读取内容、返回网页”这种轻量 IO只有在本地 AI 模型推理的时候才会有较高的 CPU 和内存占用。所以 CPU 不需要堆到服务器级但内存和硬盘一定要给够。我用的是一台 N100 处理器的迷你主机16GB DDR4 内存1TB NVMe SSD整机功耗满载 25W 左右日常待机不到 10W。这套配置跑下来维基百科和可汗学院完全无压力7B 参数量级的本地大模型也能流畅推理。如果你打算跑 14B 以上的模型或者希望同时开多个模型建议把内存加到 32GB硬盘直接上 2TB。硬件方案优点缺点适合场景N100 迷你主机16GB/1TB功耗低、体积小、价格便宜无独显大模型推理速度一般家用、轻量部署旧笔记本/旧台式机零成本、配件可升级功耗高、体积大手头有闲置设备NAS 扩展Docker和现有存储打通性能受 NAS 硬件限制已有 NAS 的家庭带 GPU 的小服务器大模型推理快价格高、功耗高对 AI 性能有硬需求2.2 存储规划ZIM 文件、视频课程、模型权重各占多少空间我在实际部署前先做了一次容量估算避免装到一半发现硬盘塞不下内容格式预估体积中文维基百科含图ZIM20~35GB英文维基百科含图ZIM100~130GB可汗学院视频课压缩版ZIM20~40GB可汗学院完整教学系统含练习Kolibri 频道30~50GBQwen 2.5 7B 量化模型GGUF4~5GB系统 Docker 镜像 日志ext420~30GB这些数字会随官方内容更新浮动但整体看下来1TB 硬盘可以轻松容纳中文内容全家桶如果连英文维基百科全文带图也要建议直接 2TB。2.3 软件架构四件套各司其职我的软件组合是Debian 12 无桌面版做底座Kiwix 负责维基百科离线服务Kolibri 负责可汗学院内容与学习进度管理Ollama Open WebUI 负责本地 AI。四者全部跑在 Docker 里互不干扰升级和备份也都方便。选 Docker 而不是直接装裸机服务核心原因是隔离和回滚。Kiwix 升级版本、Ollama 换模型、Open WebUI 更新镜像都是独立的操作任何一个出了问题都不影响其他服务。而且以后想迁移到另一台机器备份数据目录就可以了。3. 维基百科离线化Kiwix 与 ZIM 文件是最省心的路3.1 ZIM 文件到底是个什么东西ZIM 是开放内容离线分发领域的事实标准格式你可以把它理解成一个“网站打包镜像”一个 ZIM 文件里包含了维基百科的正文、图片、样式表、检索索引和站内链接关系。浏览器或配套程序读取 ZIM 时体验和在线访问几乎一致链接可以互相跳转搜索也能用。这个格式最大的优势是“一个文件一个站点”。不需要搞什么抓站工具、不需要处理海量小文件的性能损耗下载一个 ZIM 文件Kiwix 就能把它变成一个网站在局域网里跑起来。3.2 下载 ZIM 文件与启动 kiwix-serve先从 Kiwix 官方库选择你需要的 ZIM 文件。没有特殊需求的话我建议选对应语言的维基百科“含图”版本查询体验最好。如果存储紧张可以选择纯文本版本或者“nopic”版本但阅读体验会打折扣。下载完成后最直接的启动方式是用 kiwix-serve。我用 Docker 部署命令如下# 创建数据目录zim 文件放这里 mkdir -p /data/zim # 运行 kiwix-serve将本机 8080 端口映射到容器内的 80 端口 docker run -d --name kiwix \ --restart unless-stopped \ -v /data/zim:/data \ -p 8080:80 \ ghcr.io/kiwix/kiwix-serve:latest \ --port80 /data/*.zim启动之后局域网内任何设备浏览器访问http://服务器IP:8080就能看到 Kiwix 的首页里面会列出所有已加载的 ZIM 文件点击即可进入对应维基百科。如果你不想用 DockerDebian 系系统直接安装 kiwix-tools 也可以sudo apt install kiwix-tools kiwix-serve --port 8080 /data/zim/*.zim两种方式我都试过Docker 的好处是环境干净升级只要拉新镜像裸机方式的好处是少一层抽象、排错直观。我个人倾向 Docker。3.3 搜索、多语言与日常使用体验Kiwix 的全文搜索依赖 ZIM 文件内置的索引。下载时注意选择带索引的版本否则搜索会退回逐词匹配速度和准确度都差很多。实际使用中我在平板上打开 Safari直接把 Kiwix 首页添加到主屏幕体验和一个原生 App 没有本质区别。我额外下载了 Wikivoyage旅行指南的 ZIM 文件出差时在高铁上查目的地信息非常方便。提示下载完 ZIM 文件后建议同时下载官方提供的 SHA-512 校验文件用sha512sum命令核对一遍再部署。ZIM 文件体积大下载过程中断或文件损坏并不罕见而 Kiwix 对一个损坏的 ZIM 文件经常是“启动直接崩溃”连错误日志都不太友好。4. 可汗学院离线课程视频文件之外还有一整套教学系统4.1 两条路线怎么选ZIM 视频版 vs Kolibri 完整版可汗学院内容在离线方案里有两条路线我一开始只装了其中一条后来补全了另一条现在两条都在用。第一条是 Kiwix 官方提供的 Khan Academy ZIM 文件本质上就是把课程视频和页面打包成离线网站。优点是部署简单和维基百科共用同一个 kiwix-serve不用额外维护服务缺点是它只有视频和页面内容没有练习系统没有做题反馈也没有学习进度记录。第二条是 Kolibri。这是一个专门为离线学习环境设计的平台由 Learning Equality 维护内置了可汗学院课程的完整频道更关键的是它包含了可汗学院的练习系统、知识点地图、学习进度追踪和成绩统计。对一个需要系统学习数学的孩子或学生来说练习和即时反馈的价值不亚于视频本身。我的建议是如果只是自己看视频学知识ZIM 版就够用如果是给孩子规划课程、希望跟踪学习效果直接上 Kolibri。4.2 Kolibri 部署与课程频道导入Kolibri 官方提供了 Docker 镜像部署命令如下mkdir -p /data/kolibri docker run -d --name kolibri \ --restart unless-stopped \ -v /data/kolibri:/kolibri-data \ -p 8081:8080 \ learningequality/kolibri:latest首次访问http://服务器IP:8081会进入 Kolibri 的初始化向导创建管理员账号、设置学习设备名称。之后在“频道”页面里可以浏览可下载的频道列表找到可汗学院相关频道点击导入。导入过程会从 Kolibri 的内容服务器拉取课程数据包括视频、练习和知识地图。这个过程有几个注意点。导入操作是异步任务几十 GB 的内容不会一次下载完Kolibri 会在后台慢慢拉所以导入后不要急着关容器最好等它引导进度跑完。另外频道文件体积不小导入前确认磁盘空间充足跟前面的存储规划表对照一下即可。导入完成后学生在任意设备浏览器上访问 Kolibri 地址注册自己的账号就能看视频、做练习学习进度会记录在服务器端。家长可以登录管理端查看报告。4.3 练习系统才是离线学习的关键我最初觉得“离线可汗学院”就是把视频下载下来离线看实际用下来才发现练习系统才是灵魂。Kolibri 里的可汗学院练习是交互式的做题后立刻有对错反馈和提示错题会自动归入掌握度较低的知识点下一轮复习会优先推送相关内容。Kolibri 还有一个“学习小组”功能把多个学生的账号分到一个组里可以统一查看组内学习进度适合小范围教学场景。这一点在原版可汗学院的离线教程里很少有人提但对自鸡娃或者家教场景非常实用。5. 本地 AI 助手让离线服务器“开口说话”5.1 模型选型先看内存和 CPU再谈智能程度本地 AI 是这套系统里最“拧巴”的部分——硬件性能有限不能指望它跑出 GPT-4 级别的效果。取舍的关键是把模型量化到自己硬件能承受的档位。量化可以简单理解成把模型参数的精度从 16 位降到 4 位来换取体积和计算量的缩减质量损失在可控范围内。我的 N100 16GB 配置实测最舒服的是 7B 参数级别、Q4 量化的模型比如 Qwen 2.5 7B 或 Llama 3.2 系列。输出速度大约每秒 5~8 个 token作为问答和查询工具完全够用不适合长文生成。如果内存加到 32GB可以试 14B 量化模型智商明显上一个台阶但速度会再慢一些。我建议先把 7B 跑熟确认使用场景后再决定要不要升级。5.2 Ollama 安装与模型拉取Ollama 是目前本地模型部署最顺手的工具之一一条命令安装一条命令拉模型curl -fsSL https://ollama.com/install.sh | sh # 拉取 Qwen 2.5 7B 指令模型约 4.7GB ollama pull qwen2.5:7b # 命令行里直接对话测试 ollama run qwen2.5:7b拉取模型前先确认 CPU 支持 avx2 指令集N100 支持没问题部分老旧的 Atom 处理器的机器可能不支持跑起来会异常慢甚至直接报错。可以用grep avx2 /proc/cpuinfo快速查看。Ollama 默认监听本机的 11434 端口局域网内其他设备不能直接访问这是设计意图不需要改。我们需要给用户访问的是一个 Web 界面所以下一步装 Open WebUI。5.3 Open WebUI 做界面层一个漂亮的前端口袋Open WebUI 是目前很成熟的本地大模型 Web 前端支持多会话、Markdown 渲染、附件上传还能接知识库插件。部署命令docker run -d --name open-webui \ --restart unless-stopped \ -p 3000:8080 \ -e OLLAMA_BASE_URLhttp://127.0.0.1:11434 \ -v open-webui:/app/backend/data \ ghcr.io/open-webui/open-webui:main这里最容易踩的坑是OLLAMA_BASE_URL。如果 Open WebUI 容器和 Ollama 在同一个宿主机上这个地址要写http://主机实际IP:11434不能写localhost或127.0.0.1指向容器自己否则前端会报“连接不到模型服务”。开 Web UI 时先确认这个配置能少折腾半小时。部署完成后访问http://服务器IP:3000注册管理员账号选择模型就能和本地 AI 对话了。5.4 把 AI 和离线资料库串起来这是下一步的重点把本地大模型和维基百科、可汗学院串起来才是“知识服务器”名副其实的关键。实现思路是给再搭一个本地知识库检索层把 ZIM 里的文本内容切片、向量化后存到向量数据库AI 在回答问题时先检索相关内容再结合上下文生成回答。这条路线的完整链路是文档解析 → 文本切片 → 嵌入模型向量化 → 存入向量数据库 → 查询时召回 → 交给大模型生成。本质上就是现在很热门的“本地部署企业级知识库助手”架构只是把“企业文档”换成了“维基百科/课程资料”并且完全跑在内网里数据不出门。Open WebUI 本身也支持外部知识库对接基于一个本地嵌入模型导入维基百科的文本切片做向量化就能让 AI 回答“本地资料里的具体问题”。我目前正在做这一层后续会把完整方案单独写一篇这里先立个 flag。6. 局域网访问与多设备协同手机、平板、电视都能用6.1 固定 IP服务器不能被路由器“随手分配”离线知识服务器稳定运行的前提是 IP 地址固定。我推荐在路由器后台做 DHCP 静态绑定把迷你主机的 MAC 地址和某个 IP 绑死。做完以后三个服务的局域网地址就固定下来了服务端口访问地址Kiwix 维基百科8080http://192.168.1.100:8080Kolibri 可汗学院8081http://192.168.1.100:8081Open WebUI AI 助手3000http://192.168.1.100:3000如果不想进路由器后台也可以在系统里直接设置静态 IPnmcli con mod Wired connection 1 ipv4.addresses 192.168.1.100/24 nmcli con mod Wired connection 1 ipv4.gateway 192.168.1.1 nmcli con mod Wired connection 1 ipv4.dns 192.168.1.1 nmcli con mod Wired connection 1 ipv4.method manual nmcli con up Wired connection 16.2 一个导航页解决全家人的“记不住端口”问题家里人要用的服务有三个端口都不一样每次都要输 IP 加端口很容易记混。我直接用 nginx 在宿主机上做了一个反向代理加导航首页server { listen 80; server_name _; location / { root /var/www/home; index index.html; } location /wiki/ { proxy_pass http://127.0.0.1:8080/; proxy_set_header Host $host; } location /learn/ { proxy_pass http://127.0.0.1:8081/; proxy_set_header Host $host; } location /ai/ { proxy_pass http://127.0.0.1:3000/; proxy_set_header Host $host; } }这样全家只需要记一个地址http://192.168.1.100首页放三个大按钮分别指向三个子路径。孩子打开平板直接点“学习”就进可汗学院点“百科”就查维基没有广告、没有推荐流清清爽爽。6.3 多设备同时访问的性能表现我实测过三台设备同时访问的场景一台平板看 Kolibri 视频课一台手机查维基百科一台笔记本在 Open WebUI 里跑 AI 问答。N100 在这三个轻负载场景下表现很稳CPU 占用不到 50%视频播放不卡顿AI 响应速度会慢一点但可以接受。如果家里路由器开启了“AP 隔离”功能各设备之间互相访问会被阻断最典型的表现就是手机连了同一个 WiFi 却打不开服务器页面。遇到这种情况去路由器后台关掉 AP 隔离即可。7. 折腾过程中踩过的坑和对应的解决方式7.1 ZIM 文件下载到一半校验失败Kiwix 直接崩溃我第一次下载英文维基百科时没有校验拉完才发现文件比官方标注的体积小了几个 GBk 起 kiwix-serve 后容器反复重启日志里只有一句模糊的“invalid file”。排查半天才发现是 ZIM 文件不完整。后来我固定流程先下载.sha512校验文件再用sha512sum -c核对确认无误后再把 ZIM 文件放进数据目录。这一步虽然多花两分钟但能避免后面一晚上的排查。7.2 Docker 容器内存默认限制导致的 OOMKiwix 在处理带全文索引的 ZIM 文件时内存占用会随搜索请求明显波动。我一度遇到容器进程被系统 OOM killer 杀掉的情况检查dmesg才发现进程内存飙到了 1.5GB 以上。解决方式是给容器显式设置内存上限并确保宿主机内存足够docker run -d --name kiwix \ --memory4g \ --restart unless-stopped \ -v /data/zim:/data \ -p 8080:80 \ ghcr.io/kiwix/kiwix-serve:latest \ --port80 /data/*.zim7.3 Open WebUI 连不上 Ollama问题出在“Host”理解这是一个典型的容器网络问题。Open WebUI 容器里的localhost指向的是它自己不是宿主机。我一开始写OLLAMA_BASE_URLhttp://localhost:11434前端一直报错。改成宿主机内网 IP 后立刻就好。如果你用 Docker Compose 同时编排两个容器可以用服务名互相访问比如OLLAMA_BASE_URLhttp://ollama:11434前提是两个容器在同一个 compose 网络里。7.4 突然断电导致的文件系统问题有一次家里跳闸重启后 Kolibri 的 SQLite 数据库报错部分频道内容状态无法读取。后来我把系统盘和数据盘统一用 ext4 格式并在 BIOS 里开了自动恢复同时给迷你主机配了一个小功率 UPS断电后能正常关机。这个问题可能不是每个人都会遇到但一旦遇到就是灾难级别提前规划好电源是值得的。7.5 模型上下文窗口与内存实测本地模型跑起来之后我习惯用ollama ps看当前模型的内存占用。以 Qwen 2.5 7B Q4 为例静态占用约 4.5GB对话时实际占用会随着上下文长度增加而上涨。16GB 内存的机器Open WebUI 自己也要占一部分建议不要同时加载两个 7B 模型否则内存吃紧会触发系统 swap性能断崖式下跌。8. 这台服务器之后还能往哪个方向长离线知识服务器的价值不在于“能开机跑起来”而在于内容可以持续扩充。Kiwix 官方库里有大量非维基类的 ZIM 文件比如古腾堡计划书籍、Wiktionary、维基教科书、甚至一些医学和地理资料中文用户还可以关注中文维基语录和词典类内容。这些内容下载后直接丢进/data/zim目录重启容器就能加载不需要额外配置。AI 方向的空间更大。当前这套 Ollama Open WebUI 是典型的本地知识库基础架构后面可以接本地嵌入模型做 RAG把维基百科、可汗学院课件、甚至自己积累的技术文档全部向量化让 AI 在回答问题时引用本地资料来源。这也是“企业级知识库助手”在个人和家庭场景下的落地路径数据完全留在内网不用把内容上传到任何外部平台。备份方面我目前用 rsync 每天凌晨把 ZIM 数据目录和 Kolibri 数据目录同步到一块外置硬盘上。一次同步大约 20 分钟成本很低但能避免所有内容推倒重来。最后分享一个我在实际使用中最深的体会这套系统真正改变的不是“能不能查到资料”而是“查资料的心态”。以前遇到问题第一反应是连上网搜现在孩子会主动说“去服务器上查一下”。把知识放在自己家里这种感觉很难替代也让我对“数据自主”这件事有了更具体的认知。如果你也在琢磨给家里或小团队搞一套离线知识环境不要犹豫直接开干。硬件门槛不高工具链已经非常成熟你现在缺的只是一块硬盘和半天时间。 离线知识服务器搭建指南：维基百科、可汗学院与本地AI三合一
1. 先说我为什么要攒这台离线知识服务器把维基百科、可汗学院和 AI 助手同时塞进一台小主机让它们在没有外网的情况下照样工作——这事刚开始看起来像极客行为但真做完之后你会发现它对很多场景都不是花架子。我起念的契机比较实际家里孩子开始上网课学校老师布置的拓展阅读经常要查维基百科而我又不想让平板电脑的浏览器环境里混着广告、推荐流和随时可能点进去的娱乐内容。再加上我自己出差频繁很多项目现场的网络环境根本没有保障想查一个 API 文档、翻一个概念定义经常要拿着手机在窗口找信号。后来我干脆想与其等网络不如把这些知识资产直接搬回本地。这套离线知识服务器最终完成了三件事维基百科离线查询、可汗学院全量课程学习、本地大模型驱动的 AI 对话助手。三个服务跑在同一台迷你主机上通过局域网让手机、平板、笔记本都能访问整个系统不需要任何外网依赖。这套方案适合谁我觉得主要有四类人家里有学龄孩子的家长、经常在弱网或断网环境工作的技术人员、对数据隐私比较敏感的人以及纯粹喜欢折腾 homelab 的玩家。这中间最有意思的一点是做完之后你会发现自己对“知识到底存放在哪儿”这个问题的看法会变——数据在自己手里比什么都踏实。2. 硬件选型与软件架构一台 7x24 小时的小主机怎么规划2.1 先说硬件不用多贵但容量不能抠离线知识服务器的负载特点很明显大部分时间都在做“读取内容、返回网页”这种轻量 IO只有在本地 AI 模型推理的时候才会有较高的 CPU 和内存占用。所以 CPU 不需要堆到服务器级但内存和硬盘一定要给够。我用的是一台 N100 处理器的迷你主机16GB DDR4 内存1TB NVMe SSD整机功耗满载 25W 左右日常待机不到 10W。这套配置跑下来维基百科和可汗学院完全无压力7B 参数量级的本地大模型也能流畅推理。如果你打算跑 14B 以上的模型或者希望同时开多个模型建议把内存加到 32GB硬盘直接上 2TB。硬件方案优点缺点适合场景N100 迷你主机16GB/1TB功耗低、体积小、价格便宜无独显大模型推理速度一般家用、轻量部署旧笔记本/旧台式机零成本、配件可升级功耗高、体积大手头有闲置设备NAS 扩展Docker和现有存储打通性能受 NAS 硬件限制已有 NAS 的家庭带 GPU 的小服务器大模型推理快价格高、功耗高对 AI 性能有硬需求2.2 存储规划ZIM 文件、视频课程、模型权重各占多少空间我在实际部署前先做了一次容量估算避免装到一半发现硬盘塞不下内容格式预估体积中文维基百科含图ZIM20~35GB英文维基百科含图ZIM100~130GB可汗学院视频课压缩版ZIM20~40GB可汗学院完整教学系统含练习Kolibri 频道30~50GBQwen 2.5 7B 量化模型GGUF4~5GB系统 Docker 镜像 日志ext420~30GB这些数字会随官方内容更新浮动但整体看下来1TB 硬盘可以轻松容纳中文内容全家桶如果连英文维基百科全文带图也要建议直接 2TB。2.3 软件架构四件套各司其职我的软件组合是Debian 12 无桌面版做底座Kiwix 负责维基百科离线服务Kolibri 负责可汗学院内容与学习进度管理Ollama Open WebUI 负责本地 AI。四者全部跑在 Docker 里互不干扰升级和备份也都方便。选 Docker 而不是直接装裸机服务核心原因是隔离和回滚。Kiwix 升级版本、Ollama 换模型、Open WebUI 更新镜像都是独立的操作任何一个出了问题都不影响其他服务。而且以后想迁移到另一台机器备份数据目录就可以了。3. 维基百科离线化Kiwix 与 ZIM 文件是最省心的路3.1 ZIM 文件到底是个什么东西ZIM 是开放内容离线分发领域的事实标准格式你可以把它理解成一个“网站打包镜像”一个 ZIM 文件里包含了维基百科的正文、图片、样式表、检索索引和站内链接关系。浏览器或配套程序读取 ZIM 时体验和在线访问几乎一致链接可以互相跳转搜索也能用。这个格式最大的优势是“一个文件一个站点”。不需要搞什么抓站工具、不需要处理海量小文件的性能损耗下载一个 ZIM 文件Kiwix 就能把它变成一个网站在局域网里跑起来。3.2 下载 ZIM 文件与启动 kiwix-serve先从 Kiwix 官方库选择你需要的 ZIM 文件。没有特殊需求的话我建议选对应语言的维基百科“含图”版本查询体验最好。如果存储紧张可以选择纯文本版本或者“nopic”版本但阅读体验会打折扣。下载完成后最直接的启动方式是用 kiwix-serve。我用 Docker 部署命令如下# 创建数据目录zim 文件放这里 mkdir -p /data/zim # 运行 kiwix-serve将本机 8080 端口映射到容器内的 80 端口 docker run -d --name kiwix \ --restart unless-stopped \ -v /data/zim:/data \ -p 8080:80 \ ghcr.io/kiwix/kiwix-serve:latest \ --port80 /data/*.zim启动之后局域网内任何设备浏览器访问http://服务器IP:8080就能看到 Kiwix 的首页里面会列出所有已加载的 ZIM 文件点击即可进入对应维基百科。如果你不想用 DockerDebian 系系统直接安装 kiwix-tools 也可以sudo apt install kiwix-tools kiwix-serve --port 8080 /data/zim/*.zim两种方式我都试过Docker 的好处是环境干净升级只要拉新镜像裸机方式的好处是少一层抽象、排错直观。我个人倾向 Docker。3.3 搜索、多语言与日常使用体验Kiwix 的全文搜索依赖 ZIM 文件内置的索引。下载时注意选择带索引的版本否则搜索会退回逐词匹配速度和准确度都差很多。实际使用中我在平板上打开 Safari直接把 Kiwix 首页添加到主屏幕体验和一个原生 App 没有本质区别。我额外下载了 Wikivoyage旅行指南的 ZIM 文件出差时在高铁上查目的地信息非常方便。提示下载完 ZIM 文件后建议同时下载官方提供的 SHA-512 校验文件用sha512sum命令核对一遍再部署。ZIM 文件体积大下载过程中断或文件损坏并不罕见而 Kiwix 对一个损坏的 ZIM 文件经常是“启动直接崩溃”连错误日志都不太友好。4. 可汗学院离线课程视频文件之外还有一整套教学系统4.1 两条路线怎么选ZIM 视频版 vs Kolibri 完整版可汗学院内容在离线方案里有两条路线我一开始只装了其中一条后来补全了另一条现在两条都在用。第一条是 Kiwix 官方提供的 Khan Academy ZIM 文件本质上就是把课程视频和页面打包成离线网站。优点是部署简单和维基百科共用同一个 kiwix-serve不用额外维护服务缺点是它只有视频和页面内容没有练习系统没有做题反馈也没有学习进度记录。第二条是 Kolibri。这是一个专门为离线学习环境设计的平台由 Learning Equality 维护内置了可汗学院课程的完整频道更关键的是它包含了可汗学院的练习系统、知识点地图、学习进度追踪和成绩统计。对一个需要系统学习数学的孩子或学生来说练习和即时反馈的价值不亚于视频本身。我的建议是如果只是自己看视频学知识ZIM 版就够用如果是给孩子规划课程、希望跟踪学习效果直接上 Kolibri。4.2 Kolibri 部署与课程频道导入Kolibri 官方提供了 Docker 镜像部署命令如下mkdir -p /data/kolibri docker run -d --name kolibri \ --restart unless-stopped \ -v /data/kolibri:/kolibri-data \ -p 8081:8080 \ learningequality/kolibri:latest首次访问http://服务器IP:8081会进入 Kolibri 的初始化向导创建管理员账号、设置学习设备名称。之后在“频道”页面里可以浏览可下载的频道列表找到可汗学院相关频道点击导入。导入过程会从 Kolibri 的内容服务器拉取课程数据包括视频、练习和知识地图。这个过程有几个注意点。导入操作是异步任务几十 GB 的内容不会一次下载完Kolibri 会在后台慢慢拉所以导入后不要急着关容器最好等它引导进度跑完。另外频道文件体积不小导入前确认磁盘空间充足跟前面的存储规划表对照一下即可。导入完成后学生在任意设备浏览器上访问 Kolibri 地址注册自己的账号就能看视频、做练习学习进度会记录在服务器端。家长可以登录管理端查看报告。4.3 练习系统才是离线学习的关键我最初觉得“离线可汗学院”就是把视频下载下来离线看实际用下来才发现练习系统才是灵魂。Kolibri 里的可汗学院练习是交互式的做题后立刻有对错反馈和提示错题会自动归入掌握度较低的知识点下一轮复习会优先推送相关内容。Kolibri 还有一个“学习小组”功能把多个学生的账号分到一个组里可以统一查看组内学习进度适合小范围教学场景。这一点在原版可汗学院的离线教程里很少有人提但对自鸡娃或者家教场景非常实用。5. 本地 AI 助手让离线服务器“开口说话”5.1 模型选型先看内存和 CPU再谈智能程度本地 AI 是这套系统里最“拧巴”的部分——硬件性能有限不能指望它跑出 GPT-4 级别的效果。取舍的关键是把模型量化到自己硬件能承受的档位。量化可以简单理解成把模型参数的精度从 16 位降到 4 位来换取体积和计算量的缩减质量损失在可控范围内。我的 N100 16GB 配置实测最舒服的是 7B 参数级别、Q4 量化的模型比如 Qwen 2.5 7B 或 Llama 3.2 系列。输出速度大约每秒 5~8 个 token作为问答和查询工具完全够用不适合长文生成。如果内存加到 32GB可以试 14B 量化模型智商明显上一个台阶但速度会再慢一些。我建议先把 7B 跑熟确认使用场景后再决定要不要升级。5.2 Ollama 安装与模型拉取Ollama 是目前本地模型部署最顺手的工具之一一条命令安装一条命令拉模型curl -fsSL https://ollama.com/install.sh | sh # 拉取 Qwen 2.5 7B 指令模型约 4.7GB ollama pull qwen2.5:7b # 命令行里直接对话测试 ollama run qwen2.5:7b拉取模型前先确认 CPU 支持 avx2 指令集N100 支持没问题部分老旧的 Atom 处理器的机器可能不支持跑起来会异常慢甚至直接报错。可以用grep avx2 /proc/cpuinfo快速查看。Ollama 默认监听本机的 11434 端口局域网内其他设备不能直接访问这是设计意图不需要改。我们需要给用户访问的是一个 Web 界面所以下一步装 Open WebUI。5.3 Open WebUI 做界面层一个漂亮的前端口袋Open WebUI 是目前很成熟的本地大模型 Web 前端支持多会话、Markdown 渲染、附件上传还能接知识库插件。部署命令docker run -d --name open-webui \ --restart unless-stopped \ -p 3000:8080 \ -e OLLAMA_BASE_URLhttp://127.0.0.1:11434 \ -v open-webui:/app/backend/data \ ghcr.io/open-webui/open-webui:main这里最容易踩的坑是OLLAMA_BASE_URL。如果 Open WebUI 容器和 Ollama 在同一个宿主机上这个地址要写http://主机实际IP:11434不能写localhost或127.0.0.1指向容器自己否则前端会报“连接不到模型服务”。开 Web UI 时先确认这个配置能少折腾半小时。部署完成后访问http://服务器IP:3000注册管理员账号选择模型就能和本地 AI 对话了。5.4 把 AI 和离线资料库串起来这是下一步的重点把本地大模型和维基百科、可汗学院串起来才是“知识服务器”名副其实的关键。实现思路是给再搭一个本地知识库检索层把 ZIM 里的文本内容切片、向量化后存到向量数据库AI 在回答问题时先检索相关内容再结合上下文生成回答。这条路线的完整链路是文档解析 → 文本切片 → 嵌入模型向量化 → 存入向量数据库 → 查询时召回 → 交给大模型生成。本质上就是现在很热门的“本地部署企业级知识库助手”架构只是把“企业文档”换成了“维基百科/课程资料”并且完全跑在内网里数据不出门。Open WebUI 本身也支持外部知识库对接基于一个本地嵌入模型导入维基百科的文本切片做向量化就能让 AI 回答“本地资料里的具体问题”。我目前正在做这一层后续会把完整方案单独写一篇这里先立个 flag。6. 局域网访问与多设备协同手机、平板、电视都能用6.1 固定 IP服务器不能被路由器“随手分配”离线知识服务器稳定运行的前提是 IP 地址固定。我推荐在路由器后台做 DHCP 静态绑定把迷你主机的 MAC 地址和某个 IP 绑死。做完以后三个服务的局域网地址就固定下来了服务端口访问地址Kiwix 维基百科8080http://192.168.1.100:8080Kolibri 可汗学院8081http://192.168.1.100:8081Open WebUI AI 助手3000http://192.168.1.100:3000如果不想进路由器后台也可以在系统里直接设置静态 IPnmcli con mod Wired connection 1 ipv4.addresses 192.168.1.100/24 nmcli con mod Wired connection 1 ipv4.gateway 192.168.1.1 nmcli con mod Wired connection 1 ipv4.dns 192.168.1.1 nmcli con mod Wired connection 1 ipv4.method manual nmcli con up Wired connection 16.2 一个导航页解决全家人的“记不住端口”问题家里人要用的服务有三个端口都不一样每次都要输 IP 加端口很容易记混。我直接用 nginx 在宿主机上做了一个反向代理加导航首页server { listen 80; server_name _; location / { root /var/www/home; index index.html; } location /wiki/ { proxy_pass http://127.0.0.1:8080/; proxy_set_header Host $host; } location /learn/ { proxy_pass http://127.0.0.1:8081/; proxy_set_header Host $host; } location /ai/ { proxy_pass http://127.0.0.1:3000/; proxy_set_header Host $host; } }这样全家只需要记一个地址http://192.168.1.100首页放三个大按钮分别指向三个子路径。孩子打开平板直接点“学习”就进可汗学院点“百科”就查维基没有广告、没有推荐流清清爽爽。6.3 多设备同时访问的性能表现我实测过三台设备同时访问的场景一台平板看 Kolibri 视频课一台手机查维基百科一台笔记本在 Open WebUI 里跑 AI 问答。N100 在这三个轻负载场景下表现很稳CPU 占用不到 50%视频播放不卡顿AI 响应速度会慢一点但可以接受。如果家里路由器开启了“AP 隔离”功能各设备之间互相访问会被阻断最典型的表现就是手机连了同一个 WiFi 却打不开服务器页面。遇到这种情况去路由器后台关掉 AP 隔离即可。7. 折腾过程中踩过的坑和对应的解决方式7.1 ZIM 文件下载到一半校验失败Kiwix 直接崩溃我第一次下载英文维基百科时没有校验拉完才发现文件比官方标注的体积小了几个 GBk 起 kiwix-serve 后容器反复重启日志里只有一句模糊的“invalid file”。排查半天才发现是 ZIM 文件不完整。后来我固定流程先下载.sha512校验文件再用sha512sum -c核对确认无误后再把 ZIM 文件放进数据目录。这一步虽然多花两分钟但能避免后面一晚上的排查。7.2 Docker 容器内存默认限制导致的 OOMKiwix 在处理带全文索引的 ZIM 文件时内存占用会随搜索请求明显波动。我一度遇到容器进程被系统 OOM killer 杀掉的情况检查dmesg才发现进程内存飙到了 1.5GB 以上。解决方式是给容器显式设置内存上限并确保宿主机内存足够docker run -d --name kiwix \ --memory4g \ --restart unless-stopped \ -v /data/zim:/data \ -p 8080:80 \ ghcr.io/kiwix/kiwix-serve:latest \ --port80 /data/*.zim7.3 Open WebUI 连不上 Ollama问题出在“Host”理解这是一个典型的容器网络问题。Open WebUI 容器里的localhost指向的是它自己不是宿主机。我一开始写OLLAMA_BASE_URLhttp://localhost:11434前端一直报错。改成宿主机内网 IP 后立刻就好。如果你用 Docker Compose 同时编排两个容器可以用服务名互相访问比如OLLAMA_BASE_URLhttp://ollama:11434前提是两个容器在同一个 compose 网络里。7.4 突然断电导致的文件系统问题有一次家里跳闸重启后 Kolibri 的 SQLite 数据库报错部分频道内容状态无法读取。后来我把系统盘和数据盘统一用 ext4 格式并在 BIOS 里开了自动恢复同时给迷你主机配了一个小功率 UPS断电后能正常关机。这个问题可能不是每个人都会遇到但一旦遇到就是灾难级别提前规划好电源是值得的。7.5 模型上下文窗口与内存实测本地模型跑起来之后我习惯用ollama ps看当前模型的内存占用。以 Qwen 2.5 7B Q4 为例静态占用约 4.5GB对话时实际占用会随着上下文长度增加而上涨。16GB 内存的机器Open WebUI 自己也要占一部分建议不要同时加载两个 7B 模型否则内存吃紧会触发系统 swap性能断崖式下跌。8. 这台服务器之后还能往哪个方向长离线知识服务器的价值不在于“能开机跑起来”而在于内容可以持续扩充。Kiwix 官方库里有大量非维基类的 ZIM 文件比如古腾堡计划书籍、Wiktionary、维基教科书、甚至一些医学和地理资料中文用户还可以关注中文维基语录和词典类内容。这些内容下载后直接丢进/data/zim目录重启容器就能加载不需要额外配置。AI 方向的空间更大。当前这套 Ollama Open WebUI 是典型的本地知识库基础架构后面可以接本地嵌入模型做 RAG把维基百科、可汗学院课件、甚至自己积累的技术文档全部向量化让 AI 在回答问题时引用本地资料来源。这也是“企业级知识库助手”在个人和家庭场景下的落地路径数据完全留在内网不用把内容上传到任何外部平台。备份方面我目前用 rsync 每天凌晨把 ZIM 数据目录和 Kolibri 数据目录同步到一块外置硬盘上。一次同步大约 20 分钟成本很低但能避免所有内容推倒重来。最后分享一个我在实际使用中最深的体会这套系统真正改变的不是“能不能查到资料”而是“查资料的心态”。以前遇到问题第一反应是连上网搜现在孩子会主动说“去服务器上查一下”。把知识放在自己家里这种感觉很难替代也让我对“数据自主”这件事有了更具体的认知。如果你也在琢磨给家里或小团队搞一套离线知识环境不要犹豫直接开干。硬件门槛不高工具链已经非常成熟你现在缺的只是一块硬盘和半天时间。