Skip to main content
PromptQuorum
الرئيسية/LLM المحلية المتقدمة/مراجعة Farfalle: محرك بحث بالذكاء الاصطناعي ذاتي الاستضافة ومفتوح المصدر
Overview & Reference

مراجعة Farfalle: محرك بحث بالذكاء الاصطناعي ذاتي الاستضافة ومفتوح المصدر

·10 دقائق للقراءة·بقلم Hans Kuepper · مؤسس PromptQuorum، أداة إرسال الذكاء الاصطناعي متعددة النماذج · PromptQuorum

Farfalle محرك بحث بالذكاء الاصطناعي مجاني ومفتوح المصدر وذاتي الاستضافة، مصمم على غرار Perplexity، يجيب عن الأسئلة من خلال الجمع بين مزوّد بحث ونموذج LLM — بما في ذلك نماذج محلية بالكامل تعمل عبر Ollama، بحيث لا تحتاج جلسة البحث إلى مغادرة بنيتك التحتية الخاصة. وهو مرخّص بموجب Apache 2.0، ويُثبَّت عبر Docker Compose، ويدعم أيضًا مزوّدي LLM سحابيين (OpenAI وGroq وغيرهما عبر LiteLLM) إذا كنت تفضّل إعدادًا هجينًا.

Farfalle (github.com/rashadphz/farfalle) محرك بحث بالذكاء الاصطناعي مجاني ومفتوح المصدر وذاتي الاستضافة، مصمم على غرار Perplexity، وحصل على 3,541 نجمة على GitHub حتى وقت إعداد هذه المراجعة. يجيب عن الأسئلة من خلال الجمع بين مزوّد بحث (SearXNG أو Tavily أو Serper أو Bing) ونموذج LLM يمكن أن يكون سحابيًا أو محليًا بالكامل يعمل عبر Ollama. تتناول هذه المراجعة ما يقدّمه Farfalle فعليًا، وكيفية تثبيته، ولمن يناسب.

النقاط الرئيسية

  • هذه المراجعة مكمّلة لإدراج Farfalle في دليل برمجيات LLM المحلية
  • مجاني ومفتوح المصدر بموجب ترخيص Apache 2.0، تم التحقق بتاريخ 2026-09-18
  • يُثبَّت عبر Docker Compose؛ ويعمل محليًا على http://localhost:3000 بعد الإعداد
  • الخوادم الخلفية لـ LLM: محلية بالكامل عبر Ollama (Llama 3 وMistral وGemma وPhi-3)، أو سحابية عبر OpenAI أو Groq أو نماذج مخصصة عبر LiteLLM
  • مزوّدو البحث: SearXNG وTavily وSerper وBing
  • حزمة التقنيات: واجهة أمامية بـ Next.js، وخادم خلفي بـ FastAPI، وRedis للحد من معدل الطلبات، وفق المستودع
  • 3,541 نجمة على GitHub حتى تاريخ هذه المراجعة (2026-09-18)
  • يتوفر عرض تجريبي مستضاف باستخدام نماذج سحابية فقط على farfalle.dev دون الحاجة إلى استضافة ذاتية

📍 في جملة واحدة

Farfalle محرك بحث بالذكاء الاصطناعي مجاني ومفتوح المصدر (Apache 2.0) وذاتي الاستضافة، مصمم على غرار Perplexity، يقرن مزوّد بحث بنموذج LLM — بما في ذلك نماذج محلية بالكامل عبر Ollama — للإجابة عن الأسئلة بمصادر موثَّقة.

💬 بعبارات بسيطة

بدلًا من الاعتماد على Perplexity أو خدمة مستضافة مشابهة للبحث في الويب وتلخيص النتائج، يتيح لك Farfalle تشغيل أداة من النوع نفسه بنفسك، على خادمك الخاص، مع إمكانية توجيهها اختياريًا إلى نموذج محلي، بحيث لا تغادر استفساراتك واستدلال النموذج بنيتك التحتية أبدًا.

📌ملاحظة: تستند هذه المراجعة إلى ملف README الخاص بـ Farfalle على GitHub وبيانات المستودع الوصفية. وهي لا تدّعي أن PromptQuorum أجرت اختبارات عملية لجودة إجابات Farfalle مقارنةً بـ Perplexity أو محركات بحث مستضافة أخرى.

ما هو Farfalle؟

Farfalle تطبيق بحث ذاتي الاستضافة ومفتوح المصدر، يجيب عن الاستفسار من خلال استرجاع النتائج من مزوّد بحث، ثم يقوم نموذج LLM بتجميع إجابة موثَّقة بمصادر، على غرار أسلوب Perplexity. ولأنك تشغّله بنفسك، فأنت من يختار مزوّد البحث ونموذج LLM (محلي أو سحابي) الذي يشغّل كل عملية بحث.

  • نوع المنتج: تطبيق ويب ذاتي الاستضافة (مع واجهة API أساسية) — وليس منتج SaaS مستضافًا، رغم وجود عرض تجريبي محدود بنماذج سحابية على farfalle.dev
  • المنشئ/المستودع: github.com/rashadphz/farfalle
  • الترخيص: Apache 2.0، وفق المستودع
  • المحلية: هجينة — يمكن تشغيله دون اتصال بالإنترنت بالكامل مع نموذج LLM محلي ونسخة SearXNG ذاتية الاستضافة، أو استخدام مزوّدي بحث/LLM سحابيين، أو الجمع بين الاثنين
  • الحجم: 3,541 نجمة على GitHub حتى تاريخ هذه المراجعة (2026-09-18)
  • حزمة التقنيات: واجهة أمامية بـ Next.js، وخادم خلفي بـ FastAPI، وRedis للحد من معدل الطلبات، ومكونات shadcn/ui، وفق المستودع

ما الذي يقدّمه Farfalle فعليًا؟

يأخذ Farfalle سؤالًا، ويسترجع النتائج من مزوّد البحث الذي اخترته، ثم يقرأ نموذج LLM تلك النتائج ويكتب إجابة موثَّقة بمصادر — وتحدد خطوة تخطيط على غرار الوكلاء كيفية تنفيذ البحث قبل توليد الإجابة.

  • خطوة البحث: يستعلم أحد المزوّدين الأربعة المدعومين — SearXNG (قابل للاستضافة الذاتية، ولا يتطلب مفتاح API)، أو Tavily، أو Serper، أو Bing
  • خطوة الإجابة: يقوم نموذج LLM بتجميع إجابة من النتائج المسترجعة، مع ذكر المصادر، بصيغة على غرار Perplexity
  • دعم LLM المحلي: يتصل بـ Ollama للاستدلال المحلي بالكامل، مع ذكر Llama 3 وMistral وGemma وPhi-3 في المستودع كنماذج محلية مدعومة
  • دعم LLM السحابي: نماذج OpenAI (GPT-4o وGPT-3.5-turbo) وLlama 3 المستضاف على Groq، بالإضافة إلى مزوّدين آخرين يُوجَّه إليهم عبر LiteLLM
  • بحث قائم على الوكلاء: يصف README وكيلًا يخطط وينفّذ عملية البحث بدلًا من خطوة استرجاع واحدة ثابتة
  • التكامل مع المتصفح: يمكن ضبط Farfalle كمحرك بحث افتراضي في المتصفح، وفق المستودع
  • عناصر خارطة الطريق: يسرد المستودع سجل المحادثات والبحث في الملفات المحلية كميزات مخطَّط لها ولم تُطلَق بعد حتى وقت هذه المراجعة — تحقق من الحالة الراهنة في المستودع قبل الاعتماد على أيٍّ منهما

أمثلة على الاستخدام: ثلاث طرق لاستخدام Farfalle

هذه سير عمل ملموسة مبنية على إعداد Farfalle الموثّق، وليست سيناريوهات افتراضية.

تسعير وترخيص Farfalle

Farfalle نفسه مجاني تمامًا ولا توجد به فئة مدفوعة. وهو مرخّص بموجب Apache 2.0، وفق المستودع — وهو ترخيص متساهل يسمح بالاستخدام التجاري والتعديل وإعادة التوزيع.

  • لا يوجد اشتراك، ولا فئة مدفوعة، ولا حدود استخدام يفرضها Farfalle نفسه
  • لا يتطلب إنشاء حساب أو التسجيل لاستضافته ذاتيًا
  • تشغيله محليًا بالكامل (SearXNG ذاتي الاستضافة مع نموذج Ollama محلي) لا يحمّل أي تكلفة لكل استعلام باستثناء عتادك الخاص واستهلاك الكهرباء
  • إذا اتصلت بدلًا من ذلك بـ Tavily أو Serper أو Bing أو OpenAI أو Groq، فإن تسعير تلك الجهات نفسها يصبح ساريًا — ولا يضيف Farfalle أي هامش سعر
  • العرض التجريبي المستضاف على farfalle.dev هو نسخة منفصلة ومحدودة بنماذج سحابية فقط، وليس فئة منتج مدفوعة

Farfalle مقابل Local Deep Research

يجمع كل من Farfalle وLocal Deep Research بين البحث في الويب ونموذج LLM، إلا أنهما يستهدفان مهمتين مختلفتين: صُمم Farfalle لتقديم إجابات بحث سريعة وموثَّقة بمصادر من جولة واحدة، بينما صُمم Local Deep Research لإعداد تقارير بحثية أطول ومتعددة الخطوات.

حالة الاستخدام الأساسية

Farfalle:
أسئلة وأجوبة سريعة موثَّقة بمصادر على غرار Perplexity
Local Deep Research:
تقارير بحث معمّق متعددة الخطوات

الواجهة

Farfalle:
تطبيق ويب + سطر أوامر
Local Deep Research:
تطبيق ويب + سطر أوامر + واجهة API لـ Python

دعم LLM المحلي

Farfalle:
عبر Ollama
Local Deep Research:
عبر Ollama وخوادم خلفية محلية أخرى

مزوّدو البحث

Farfalle:
SearXNG وTavily وSerper وBing
Local Deep Research:
متعددون، بما في ذلك SearXNG

طريقة التثبيت

Farfalle:
Docker Compose
Local Deep Research:
pip أو Docker

إذا كنت تريد بديلًا سريعًا لإجابة بحث واحدة، فإن نطاق Farfalle هو الأنسب. أما إذا احتجت إلى تقرير بحثي أطول يجمع بين مصادر متعددة، فراجع Local Deep Research مباشرةً. كلاهما مجاني ومفتوح المصدر؛ تحقق من تفاصيل الميزات الحالية في مستودع كل مشروع قبل اتخاذ القرار.

لمن يناسب استخدام Farfalle؟

يناسب Farfalle الأشخاص الذين يريدون تجربة بحث على غرار Perplexity يتحكمون بها من طرف إلى طرف، بما في ذلك خيار إبقاء الحزمة بأكملها محلية.

ما لا يناسبه Farfalle

لا يناسب Farfalle إذا كنت تريد منتجًا مستضافًا بلا إعداد، أو سجل محادثات اليوم، أو تقارير بحث معمّقة متعددة الخطوات.

  • ليس بلا إعداد — تتطلب الاستضافة الذاتية Docker Compose، وبالنسبة لحزمة محلية بالكامل، إعداد SearXNG وOllama الخاص بك
  • ليس أداة لسجل المحادثات بعد — يسرد المستودع هذه الميزة كعنصر في خارطة الطريق، وليست ميزة مُطلَقة، حتى وقت هذه المراجعة
  • ليس أداة للبحث في الملفات المحلية بعد — وهي أيضًا مدرجة في خارطة الطريق ولم تُطلَق بعد، حتى وقت هذه المراجعة
  • ليس محليًا بالكامل ما لم تخترْ ذلك عمدًا — فـ Tavily وSerper وBing مزوّدو بحث سحابيون؛ ويمكن استضافة SearXNG فقط ذاتيًا إلى جانب نموذج Ollama محلي للحصول على حزمة تعمل دون اتصال بالإنترنت بالكامل
  • غير مدعوم بجولة تمويل أو شركة تمكنت هذه المراجعة من التحقق منها — تعامل معه كمشروع مستقل تدعمه المجتمعية

أخطاء شائعة عند تقييم Farfalle

يأتي معظم الالتباس حول Farfalle من افتراض أنه خاص بالكامل تلقائيًا، أو توقع ميزات لا تزال على خارطة الطريق.

المنافسون والبدائل

غالبًا ما تتم مقارنة Farfalle بأدوات بحث وأبحاث محلية أخرى ذاتية الاستضافة، مثل Local Deep Research وOnyx وHyperlink — وأهم ما يميزه هو صيغة إجابات سريعة وموثَّقة بمصادر على غرار Perplexity مع إعداد بسيط عبر Docker Compose.

الأداة
الأشهر بـ
الرابط
Local Deep Researchتوليد تقارير بحث معمّق متعددة الخطوات عبر مصادر محلية وويبمراجعة Local Deep Research
Onyxمنصة بحث مؤسسي وRAG ذاتية الاستضافة (تُعرف سابقًا باسم Danswer)مراجعة Onyx
Hyperlink (Nexa AI)تطبيق بحث محلي ومساعد شخصي يعمل على ملفاتك الخاصةمراجعة Hyperlink

تعكس هذه القائمة الأدوات التي تتم مقارنتها عادةً بـ Farfalle، وليست تصنيفًا مستقلًا من PromptQuorum — تحقق من مجموعة ميزات كل أداة الحالية قبل الاختيار.

الأسئلة الشائعة

ما هو Farfalle؟

Farfalle (github.com/rashadphz/farfalle) محرك بحث بالذكاء الاصطناعي مجاني ومفتوح المصدر (Apache 2.0) وذاتي الاستضافة، مصمم على غرار Perplexity، يقرن مزوّد بحث بنموذج LLM لإنتاج إجابات موثَّقة بمصادر.

هل Farfalle مجاني؟

نعم. Farfalle مجاني ومفتوح المصدر بموجب ترخيص Apache 2.0، ولا توجد به فئة مدفوعة. إذا اتصلت بمزوّد بحث أو LLM مدفوع (Tavily أو Serper أو Bing أو OpenAI أو Groq)، فإن تسعير ذلك المزوّد نفسه يصبح ساريًا — ولا يفرض Farfalle نفسه أي رسوم.

هل يمكن تشغيل Farfalle دون اتصال بالإنترنت بالكامل باستخدام نماذج محلية؟

نعم، إذا اخترت ذلك عمدًا: اتصل بـ Ollama للحصول على نموذج LLM محلي بالكامل، واستضف SearXNG ذاتيًا للبحث. تظل Tavily وSerper وBing خدمات سحابية، لذا تجنبها إذا أردت حزمة تعمل دون اتصال بالإنترنت بالكامل.

كيف أثبّت Farfalle؟

استنسخ المستودع، وانسخ .env-template إلى .env، ثم نفّذ docker-compose -f docker-compose.dev.yaml up -d. يصبح التطبيق بعدها متاحًا على http://localhost:3000. تحقق من خطوات الإعداد الحالية في مستودع GitHub قبل تنفيذها.

ما نماذج LLM المحلية التي يدعمها Farfalle؟

عبر Ollama، يذكر المستودع Llama 3 وMistral وGemma وPhi-3 كنماذج محلية مدعومة.

ما مزوّدو البحث الذين يدعمهم Farfalle؟

أربعة مزوّدين: SearXNG (قابل للاستضافة الذاتية، ولا يتطلب مفتاح API)، وTavily، وSerper، وBing.

هل يتوفر لدى Farfalle نسخة مستضافة يمكنني تجربتها أولًا؟

نعم، يتوفر عرض تجريبي محدود بنماذج سحابية فقط على farfalle.dev، وهو منفصل عن النشر ذاتي الاستضافة عبر Docker Compose.

هل يدعم Farfalle سجل المحادثات أو البحث في ملفاتي المحلية الخاصة؟

ليس بعد، حتى وقت هذه المراجعة — يسرد المستودع كلتا الميزتين كعنصرين في خارطة الطريق وليستا ميزتين مُطلَقتين. تحقق من README الحالي لمعرفة آخر حالة.

ما الترخيص الذي يستخدمه Farfalle؟

Apache 2.0، وفق المستودع — وهو ترخيص متساهل يسمح بالاستخدام التجاري والتعديل وإعادة التوزيع.

ما الفرق بين Farfalle وLocal Deep Research؟

صُمم Farfalle لتقديم إجابات سريعة من جولة واحدة وموثَّقة بمصادر على غرار Perplexity، بينما صُمم Local Deep Research لإعداد تقارير بحثية أطول ومتعددة الخطوات. راجع قسم المقارنة المخصص أعلاه للاطلاع على التفاصيل.

المصادر

← العودة إلى LLM المحلية المتقدمة