它到底是什么
一句话：用 AI 给任意 Git 仓库自动生成可浏览的 Wiki 文档。
你有没有过这种经历：打开一个陌生的 GitHub 仓库，README 写了三行字，目录结构一团乱，想搞清楚这个项目到底干了什么、怎么跑起来的——结果花了俩小时还在迷路。
DeepWiki-Open 就是来解决这个问题的。你丢一个 GitHub 链接进去，它几秒钟帮你生成一份完整的项目 Wiki：模块说明、架构图、数据流图，全都自动搞定。还能用 RAG 对着代码直接提问。
支持 GitHub、GitLab、Bitbucket 三个平台。你输入仓库 URL，它会：
- Clone 代码到本地
- 分析目录结构和代码关系
- 用 FAISS 做向量嵌入（后面 RAG 问答用）
- 调 LLM 生成文档（支持 Gemini、OpenAI、OpenRouter、Ollama）
- 自动生成 Mermaid 架构图和数据流图
- 组装成一个可交互的 Wiki 站点
整个过程全自动，用户只需要粘贴一个链接。
解决的核心痛点
开发者面对不熟悉的代码库，传统做法无非几种：
| 方式 | 问题 |
|---|---|
| 读 README | 很多项目 README 就三行，信息量约等于零 |
| 翻目录结构 | 大项目几百个文件，根本理不清依赖关系 |
| 搜文档站 | 开源项目的文档经常过时或者根本没有 |
| 直接读代码 | 最准但最慢，一个下午可能只搞懂一个模块 |
DeepWiki 的思路是：让 AI 先把整个仓库读一遍，然后把理解结果组织成结构化文档给你看。它不是替代 README，而是给整个代码库做一次"全身 CT"。
技术架构拆解
前端：Next.js 15
前端用 Next.js 15.3 + React 19 + TypeScript + Tailwind CSS 4。几个关键依赖：
Mermaid.js— 渲染架构图和流程图react-markdown+remark-gfm— Markdown 渲染rehype-katex— LaTeX 数学公式支持svg-pan-zoom— 图表缩放交互next-intl— 支持 10 种语言
后端：Python FastAPI
后端是 FastAPI + Uvicorn，核心模块：
api/rag.py— RAG 检索增强生成api/data_pipeline.py— 代码数据处理管线api/prompts.py— 提示词模板api/websocket_wiki.py— WebSocket 流式推送api/simple_chat.py— 代码问答功能
向量搜索用的 FAISS（faiss-cpu），embedding 模型通过 Google 或 OpenAI 的 API。LLM 客户端支持：OpenAI、Google Gemini、Ollama、OpenRouter、Azure AI、AWS Bedrock、阿里 DashScope、LiteLLM。
数据处理流程
用户输入 Repo URL
↓
Clone 仓库（支持 Private Repo + Token）
↓
按 repo.json 规则过滤文件
↓
代码切片 → 向量嵌入 → 存入 FAISS 索引
↓
LLM 分析每个模块 → 生成文档
↓
LLM 分析模块关系 → 生成 Mermaid 架构图
↓
组装 Wiki 页面 → WebSocket 流式推送到前端三个核心功能
1. Wiki 生成
主功能。生成的 Wiki 包含项目概览、模块文档、自动 Mermaid 架构图和数据流图。图表支持缩放、拖拽，支持导出。
2. Ask（RAG 问答）
Wiki 旁边有聊天框，可以对着代码库直接提问。底层是 RAG：先用 FAISS 检索相关代码片段，再喂给 LLM 生成回答。支持对话历史，可以追问。
3. Deep Research（深度研究）
2.0 新加的功能。针对复杂问题做多轮迭代研究（最多 5 轮）：制定计划 → 检索分析 → 更新理解 → 下一轮 → 输出结论。
怎么自己部署
Docker 一键启动
git clone https://github.com/AsyncFuncAI/deepwiki-open.git
cd deepwiki-open
# 配置 API Key
echo "GOOGLE_API_KEY=*** > .env
echo "OPENAI_API_KEY=*** >> .env
# 启动
docker-compose up起来之后访问 http://localhost:3000，前端 3000 端口，API 8001 端口。
Docker Compose 会自动挂载 ~/.adalflow 目录做持久化，内存限制 6GB。
如果不想用 OpenAI，可以只配 GOOGLE_API_KEY 用 Gemini。也可以接 Ollama 跑本地模型，零 API 成本。
关键环境变量
| 变量 | 说明 |
|---|---|
GOOGLE_API_KEY | Gemini 模型（默认） |
OPENAI_API_KEY | OpenAI 模型 + Embedding |
OPENROUTER_API_KEY | OpenRouter 多模型路由 |
OPENAI_BASE_URL | 自定义 OpenAI 兼容端点 |
DEEPWIKI_AUTH_MODE | 设为 true 开启访问密码 |
DEEPWIKI_AUTH_CODE | 访问密码 |
适用场景
- 新人入职 — 接手项目先生成全貌文档，比翻代码快 10 倍
- 选型评估 — 用开源库之前先看架构是否靠谱
- 代码考古 — 维护老项目，前人没写文档，用 DeepWiki 补课
- 技术尽调 — 投资或收购时快速评估代码库质量
- 学习研究 — 读大型开源项目源码，先看 Wiki 再看代码
和同类工具对比
| 工具 | 特点 | DeepWiki 的优势 |
|---|---|---|
| GitHub Copilot Chat | IDE 内即时问答 | 生成持久化可浏览的 Wiki |
| Sourcegraph Cody | 代码搜索 + 补全 | 专注文档生成 + 架构图可视化 |
| Mintlify / Readme.io | 文档托管平台 | 那些要手写，DeepWiki 全自动 |
| 直接读 README | 信息量取决于作者 | 覆盖整个代码库 |
DeepWiki vs DeepWiki-Open
两个东西都叫 DeepWiki：
- deepwiki.com — Cognition AI（做 Devin 的那家）的 SaaS 产品，闭源
- deepwiki-open（本文）— AsyncFuncAI 的开源实现，MIT 协议，可自建，2.0 改名 Grok-Wiki
实际体验的一些坑
- 大仓库很慢 — 代码量大的项目生成 Wiki 要等很久，向量嵌入吃内存
- 依赖 API Key — 默认 Gemini，国内需要代理；省钱接 Ollama
- 文档质量参差 — 取决于代码结构是否清晰
- Private Repo 需要 Token — 需配 GitHub Personal Access Token
总结
DeepWiki-Open 是一个很实用的工具，特别适合需要快速理解陌生代码库的场景。17K Star 不是白来的——它确实解决了真实痛点。自建部署门槛不高，Docker 一把梭。
项目地址：github.com/AsyncFuncAI/deepwiki-open
在线体验：deepwiki.com