Tự Dựng "Private Perplexity" Bằng DeepSeek-R1 Và SearXNG Trên VPS 4GB RAM

Giới Thiệu: Kỷ Nguyên Của AI Search Engine Và Thách Thức Bảo Mật

Trong thời gian gần đây, các công cụ tìm kiếm tích hợp trí tuệ nhân tạo như Perplexity AI đã thay đổi hoàn toàn cách chúng ta định hình việc tra cứu thông tin. Thay vì nhận về một danh sách các đường link truyền thống, người dùng nhận được một câu trả lời tổng hợp, có trích dẫn nguồn rõ ràng và mang tính ngữ cảnh cao. Tuy nhiên, đối với các doanh nghiệp và chuyên gia, việc gửi các truy vấn nhạy cảm lên các nền tảng đám mây công cộng luôn tiềm ẩn rủi ro rò rỉ dữ liệu.

Để giải quyết bài toán này, xu hướng tự triển khai (self-hosting) một hệ thống Private Perplexity đang trở nên mạnh mẽ hơn bao giờ hết. Bài viết này sẽ hướng dẫn bạn cách tối ưu hóa phần cứng để chạy một hệ thống AI Search Engine hoàn chỉnh bằng cách kết hợp DeepSeek-R1 và SearXNG ngay trên một cấu hình VPS tiết kiệm chỉ 4GB RAM.

Giải pháp này mang lại điều gì? Bạn có được sự riêng tư tuyệt đối, khả năng cập nhật thông tin thời gian thực (Real-time Web Search) và không phải trả chi phí bản quyền hàng tháng, tất cả vận hành mượt mà trên tài nguyên tối giản.

---

Tại Sao Chọn DeepSeek-R1 Và SearXNG Cho Cấu Hình 4GB RAM?

Việc vận hành một mô hình ngôn ngữ lớn (LLM) thường đòi hỏi phần cứng rất khắt khe. Tuy nhiên, với sự phát triển của kỹ thuật lượng tử hóa (quantization), việc chạy AI trên VPS giá rẻ đã trở thành hiện thực.

1. DeepSeek-R1 (Phiên bản Distilled)

DeepSeek-R1 là một trong những mô hình mã nguồn mở có khả năng suy luận mạnh mẽ nhất hiện nay. Đối với cấu hình 4GB RAM, chúng ta sẽ sử dụng phiên bản DeepSeek-R1-Distill-Qwen-1.5B hoặc 7B (ở định dạng lượng tử hóa sâu Q2_K hoặc Q3_K) thông qua Ollama. Bản 1.5B cực kỳ nhẹ, phản hồi nhanh và tiêu tốn chưa đến 2GB RAM, để lại không gian vừa đủ cho hệ điều hành và công cụ tìm kiếm.

2. SearXNG - Công cụ tìm kiếm siêu dữ liệu bảo mật

SearXNG hoạt động như một bộ tổng hợp kết quả (metasearch engine). Nó lấy kết quả từ hàng chục công cụ tìm kiếm lớn (Google, Bing, DuckDuckGo) mà không thu thập thông tin người dùng, sau đó làm sạch và cung cấp dữ liệu thô này cho mô hình DeepSeek-R1 xử lý. SearXNG cực kỳ nhẹ và có thể chạy hoàn hảo trong môi trường Docker.

---

Chuẩn Bị Hệ Thống Trước Khi Cài Đặt

Trước khi bắt đầu, hãy đảm bảo bạn đã sở hữu một VPS với cấu hình tối thiểu như sau:

CPU: 2 vCPU trở lên.
RAM: 4GB (Bắt buộc phải cấu hình thêm Swap để tránh lỗi Out-Of-Memory).
Hệ điều hành: Ubuntu 22.04 LTS hoặc Ubuntu 24.04 LTS sạch.
Dung lượng ổ cứng: Tối thiểu 30GB SSD (để lưu trữ Docker images và các mô hình LLM).

Bước quan trọng: Tạo bộ nhớ Swap

Vì RAM 4GB là khá sát nút, việc tạo thêm 4GB Swap là bắt buộc để hệ thống không bị crash khi mô hình AI xử lý các chuỗi ngữ cảnh dài. Thực hiện các lệnh sau trong terminal của VPS:

sudo fallocate -l 4G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

---

Quy Trình Triển Khai Chi Tiết Qua Docker

Để hệ thống hoạt động đồng bộ, chúng ta sẽ sử dụng Docker Compose để quản lý ba thành phần chính: Ollama (chạy DeepSeek-R1), SearXNG (tìm kiếm web), và Open WebUI hoặc Perplexica (giao diện người dùng tương tác).

Bước 1: Cài đặt Docker và Docker Compose

sudo apt update && sudo apt install -y docker.io docker-compose
sudo systemctl start docker
sudo systemctl enable docker

Bước 2: Cấu hình File docker-compose.yml

Tạo một thư mục dự án và thiết lập file cấu hình. Hệ thống này sẽ kết nối kết quả tìm kiếm từ SearXNG vào trực tiếp luồng xử lý của mô hình ngôn ngữ.

version: '3.8'

services:
  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    volumes:
      - ./ollama:/root/.ollama
    ports:
      - "11434:11434"
    restart: always

  searxng:
    image: searxng/searxng:latest
    container_name: searxng
    ports:
      - "8080:8080"
    volumes:
      - ./searxng:/etc/searxng
    environment:
      - SEARXNG_SETTINGS_PATH=/etc/searxng/settings.yml
    restart: always

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    ports:
      - "3000:8080"
    volumes:
      - ./open-webui:/app/backend/data
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    restart: always

Lưu ý: Bạn cần tạo file settings.yml cho SearXNG trong thư mục cấu hình tương ứng và định dạng đầu ra (output format) là JSON để AI có thể đọc được dữ liệu.

Bước 3: Khởi chạy và tải mô hình DeepSeek-R1

Khởi động toàn bộ các container bằng lệnh:

docker-compose up -d

Sau khi các container đã chạy ổn định, tiến hành truy cập vào container Ollama để tải mô hình DeepSeek-R1 1.5B:

docker exec -it ollama ollama run deepseek-r1:1.5b

Nếu bạn muốn thử nghiệm độ thông minh cao hơn và chấp nhận tốc độ phản hồi chậm hơn một chút, có thể thay thế bằng phiên bản deepseek-r1:7b, nhưng cần giám sát chặt chẽ dung lượng RAM tiêu thụ qua lệnh htop.

---

Cấu Hình Giao Diện Kết Nối Tìm Kiếm (RAG Web Search)

Khi mọi thứ đã sẵn sàng, hãy mở trình duyệt và truy cập vào giao diện quản lý thông qua địa chỉ IP của VPS tại cổng 3000 (Ví dụ: http://your-vps-ip:3000).

Tạo tài khoản admin: Đây là tài khoản cục bộ lưu trên VPS của bạn, hoàn toàn bảo mật.
Kết nối SearXNG: Trong phần cài đặt hệ thống (Settings) của Open WebUI, tìm đến mục Web Search. Bật tính năng này lên và chọn công cụ là SearXNG.
Điền URL cấu hình: Nhập địa chỉ http://searxng:8080 vào ô cấu hình API của SearXNG.

Bây giờ, khi bạn đặt một câu hỏi mang tính thời sự (ví dụ: "Giá vàng hôm nay thế nào?" hoặc "Bản cập nhật công nghệ mới nhất trong tuần này"), hệ thống sẽ kích hoạt SearXNG để quét internet, lấy dữ liệu thô, gửi về cho DeepSeek-R1 phân tích, tổng hợp và trả ra kết quả hoàn chỉnh có kèm link trích dẫn chuẩn xác giống như Perplexity.

---

Tối Ưu Hóa Hiệu Năng Cho VPS 4GB RAM

Vận hành AI trên tài nguyên hạn chế đòi hỏi một số thủ thuật tối ưu hóa sau để đảm bảo hệ thống không bị nghẽn (bottleneck):

Giới hạn số lượng luồng (Threads): Cấu hình Ollama chỉ sử dụng đúng số lượng core CPU thực tế của VPS, tránh tranh chấp tài nguyên với SearXNG.
Sử dụng định dạng Lượng tử hóa nhẹ: Hãy ưu tiên sử dụng các file model có hậu tố Q4_K_M hoặc tốt nhất là các dòng Distill để cân bằng giữa độ chính xác và dung lượng RAM.
Tự động giải phóng bộ nhớ Cache: Thiết lập một cronjob định kỳ trên Ubuntu để dọn dẹp bộ nhớ đệm (cache memory) sau mỗi 6 tiếng.

---

Kết Luận

Việc sở hữu một Private Perplexity không còn là đặc quyền của các doanh nghiệp lớn có hạ tầng máy chủ đắt đỏ. Sự kết hợp hoàn hảo giữa mô hình tối ưu DeepSeek-R1 và công cụ tìm kiếm mã nguồn mở SearXNG đã mở ra cơ hội làm chủ công nghệ cho tất cả mọi người, ngay cả trên một VPS 4GB RAM khiêm tốn. Giải pháp này không chỉ giúp bạn bảo vệ tuyệt đối quyền riêng tư dữ liệu mà còn là bước đi chiến lược trong việc làm chủ công nghệ AI cốt lõi phục vụ cho công việc và kinh doanh.