TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Gemini Search：開源自架你的 Perplexity 風格 AI 搜尋引擎
Gemini Search 是 MIT 開源的 Perplexity 風格 AI 搜尋引擎，一支 Google API 金鑰就能啟動。290 行後端零遙測、引用來源直接對應答案段落，但寫死的 2.0 Flash 實驗模型已被 Google 關閉：fork 前先改模型字串、補額度護欄，接地搜尋費率與 Vercel 部署地雷一併算清楚。
用 AI 摘要這篇文章：
Perplexity 每天給你的免費查詢次數有限，搜尋紀錄也得經過別人的伺服器；如果想自己架一台同樣「問一句話、拿一組附引用來源的答案」的搜尋引擎，工程量有多大？開發者 Ammaar Reshi 在 2025 年 1 月交出的答案是一天：他用現成的全端範本加上 290 行後端程式，拼出了 Gemini Search，丟上 GitHub 後累積 2,070 顆星、411 個 fork。它到今天仍然是一份乾淨好讀的自架教材，但寫死的模型字串指向 Google 已經關閉的服務，2026 年要 fork 它，第一個動作是改一行程式碼，第二個動作是補上額度護欄。
一支 Google API 金鑰撐起來的搜尋引擎
Gemini Search 是 MIT 授權的開源專案，定位是 Perplexity 風格的 AI 搜尋介面：一個提問框、一段 AI 整理出來的答案、答案上方一列來源卡片，還能在同一個對話裡繼續追問。前後端都在同一個 repo 裡，前端是 React 加 Vite，後端是一支 Express 檔案，核心邏輯集中在 server/routes.ts 這 290 行裡。
它真正的搜尋機制值得說清楚，因為 README 的寫法容易讓人誤會。README 把搜尋來源寫成「Google Search API integration」，看起來像要另外申請 Google Custom Search Engine。實際打開原始碼，後端是把 Google 官方的接地搜尋工具（grounding with Google Search）掛給 Gemini 模型：模型在生成答案時自己去查 Google，再把用到的網頁連結列出來。整個專案需要的環境變數只有一個 GOOGLE_API_KEY，到 Google AI Studio 申請一支金鑰填進 .env 就能啟動，不需要任何其他服務的帳號。
這個設計也決定了它的成本與上限：每次搜尋都是一次帶接地工具的 Gemini API 呼叫，答案品質跟著 Google 當前提供的模型走，引用來源則是模型自己挑的，沒有傳統搜尋引擎那種排序規則可以調。
引用清單的產生方式藏在細節裡：模型的每個答案都附一份詮釋資料，裡面列出這次接地查詢用到的網頁，以及「答案的哪一段文字對應哪一個來源」的支持關係。後端把這份詮釋資料攤開，每個來源配上一段引自答案本文的摘要，再整批送給前端顯示。換句話說，你在答案旁看到的來源卡，對應關係是模型生成的產物，不是搜尋引擎算出來的權重。對需要嚴格查證的場合，這一層還是要自己點開來源核對。
還有個只影響中文用戶的小細節：後端拿到模型輸出的純文字後，會用一組正規表示式把它加工成 Markdown，把「英文單字加冒號」開頭的行當成小標題處理。這套規則只認英文字母開頭，遇到中文答案幾乎原樣放行。實際效果是英文查詢的答案會被整理出明顯的標題層次，中文查詢的答案則保持模型原本的段落樣貌，兩種語言拿到的排版細膩度不太一樣。
clone 下來實際跑：519MB 的範本殘骸與乾淨的首頁
實際把 repo clone 下來，第一個發現是它的體積：519MB、23,762 個檔案。原因很直接，前作者把整包 node_modules 和 macOS 的 .DS_Store 都提交進了版本庫。這對下載速度是小麻煩，對想部署到 Vercel 的人是大坑，後面會看到社群為此付出過的代價。
照 README 的步驟裝好依賴、填入金鑰、執行 npm run dev，伺服器會在本機 3000 埠起來。首頁是一片米白的極簡介面：中央一個紫色星芒圖示，大標題寫著 “What do you want to know?”，輸入框的提示文字是 “Ask anything…”，右上角可以切換深色模式，字體用的是 Google 的 Merriweather 襯線字。整體視覺確實有 Perplexity 的影子，完成度對一個單人單日專案來說相當高。
搜尋結果頁的結構也照著 Perplexity 的路數走：查詢文字下方先是一列橫向捲動的來源卡片，每張卡帶標題、連結與一小段對應本文的摘要，點開會用新分頁開啟來源網頁；主要版面留給 AI 整理的答案本文，照介面的設計，答案跑完後下方會多出一個追問框，沿用同一個對話繼續問下去。這條「搜尋、看來源、追問」的動線在 290 行後端加幾個 React 元件的組合下就完成了，是這個專案最值得參考的部分。
有兩個行為層的觀察值得記下來。第一，整個專案沒有任何遙測：從首頁載入到送出查詢的完整過程，對外請求只有載入 Google Fonts 字體的兩筆，沒有分析服務或錯誤追蹤，也沒有指紋腳本，搜尋內容不會經過第三方的手。第二，它的錯誤處理很陽春：用無效金鑰送出查詢時，畫面只會跳一行 “Search failed”，而伺服器端把 Google 傳來的完整錯誤訊息原樣透傳給前端，除錯時資訊很足，但如果你打算給別人用，這種把後端錯誤攤開的行為就需要再包一層。
fork 之後要先動的三個地方
這個專案在 2025 年 1 月 4 日之後就沒有再改過一行程式碼，近兩年下來，有三個地方已經跟現實脫節，fork 之後要自己處理：
| 要動的地方 | 為什麼 | 怎麼動 |
|---|---|---|
| 模型字串 | 程式寫死 gemini-2.0-flash-exp，這個實驗版別名所屬的 2.0 Flash 全家族，在 Google 現行模型文件裡已列為已關閉 | 把 routes.ts 裡的模型 ID 換成文件建議的現行版本，例如 3.5 Flash-Lite 或 3.8 Flash |
| 額度護欄 | 後端沒有帳號驗證、沒有速率限制，而且監聽所有網路介面；對話 session 存在伺服器記憶體裡，只進不出 | 部署後加一層反向代理的驗證與限流，或至少鎖在內網使用 |
| 部署目標 | Express 常駐伺服器加上記憶體 session 的架構，跟無伺服器平台天生不合 | 選 VPS、Docker 或自家機器這類常駐環境 |
模型字串這項是最關鍵也最容易被忽略的。原始碼第 14 行寫死了 gemini-2.0-flash-exp，這是 2024 年底 Gemini 2.0 Flash 還在實驗階段時的別名。對照 Google 目前的官方模型頁，gemini-2.0-flash 與 gemini-2.0-flash-lite 都已標注為已關閉的舊模型，新專案被引導到 3.5 Flash-Lite 與 3.8 Flash。也就是說，GitHub 首頁那段 2025 年 1 月的示範影片記錄的是當時的可用狀態，現在照原樣啟動，程式本身跑得起來、介面也正常，但送出查詢後會直接撞上已關閉的端點。幸運的是這個專案的模型名只出現在一個地方，改一行字串就能接上現行模型，這也是它作為改造底盤的優勢：可動的零件很少，每個都看得見。
額度護欄是安全與帳單問題。後端對 /api/search 沒有任何驗證與限流，任何人拿到你的網址就能用你的金鑰搜尋。issue #12 有人直接引 Google 官方定價提醒：接地搜尋在付費層是每 1,000 次查詢計費的。另外對話 session 用一個 Map 存在記憶體裡，每搜尋一次就多一筆、永不清除，伺服器跑得越久吃越多記憶體；session 編號用的只是 Math.random()，談不上密碼學等級的隨機。自用沒差，公開服務就是把自己的 Google 帳單交給陌生人。
部署目標則是社群踩過的坑。issue #2 底下 12 則留言記錄了一波 Vercel 部署失敗潮：先是 node_modules 入庫導致 build 直接失敗，有人建議刪掉重來；接著有人部署成功、首頁能開，搜尋端卻吐 404；最後連嘗試補設定檔的人也放棄了。根據伺服器的寫法，它固定監聽 3000 埠並把狀態放在記憶體，這種常駐架構放到無伺服器平台上，本身就對不上拍。結論很簡單：找一台能長時間跑 node 的機器，比跟平台設定纏鬥省事。
一次接地搜尋的帳單怎麼算
自架 AI 搜尋的成本幾乎全部落在接地查詢的計費上，這也是它跟「免費」之間真正的距離。以 Google 目前的定價頁為準，Gemini 3 系列的接地搜尋是每月 5,000 次免費（所有 Gemini 3 系列模型共用這個額度），超過之後每 1,000 次 14 美元；如果是 2.5 世代的模型，免費層是每日 500 次（與 Flash-Lite 共享），超過後每 1,000 次 35 美元。issue #12 引用的 35 美元費率屬於 2.5 世代，現在換到 3 系列模型反而更便宜。
換算成使用情境：一個人每天查個一二十次，一個月三五百次，落在免費額度內，等於零成本；再重一點，每天 50 次、一個月 1,500 次，仍只用掉三分之一的月額度。但要注意 3 系列的每月 5,000 次是所有 Gemini 3 系列模型共用的，如果你的 Google 帳號同時還跑其他 Gemini 3 系列應用，額度會互相排擠。真正會超出額度的情境是公開服務：架起來給一個班級、一間公司用，5,000 次的月額度很快見底，之後每 1,000 次 14 美元的帳單會隨著人數上升。這也是前一段強調額度護欄的原因：這個專案原生沒有任何擋量的設計，成本控制完全依賴你加的那一層。
一天寫完、近兩年沒再碰的專案
把 GitHub 的提交紀錄攤開，這個專案的時間軸異常乾淨：三個 commit 全部落在 2025 年 1 月 4 日同一個小時裡，之後就沒有下文，沒有任何正式版發布。作者的 GitHub 個人頁現在的自我介紹是產品與設計負責人，這個 repo 對他來說更像一次被大量關注的實驗，長期維護的承諾從來沒有給過。
停止維護的直接後果，是使用者的需求全部沉在 issue 列表裡等答案：有人想換成 Qwen 模型、有人要搜尋結果的複製按鈕、有人想要查詢歷史記錄、有人問能不能出 Python 版、有人問怎麼部署到 Cloudflare Workers，這些都沒有被採納。十個開著的 issue 裡，最後一篇新開的停在 2025 年 8 月，之後就是純粹的靜默。但換個角度看，411 個 fork 正是大家自己動手的證據，這類薄而清楚的小專案，改造的成本遠低於等待維護。
原始碼裡還有一些範本殘骸可以佐證它的出身：package.json 的專案名還叫 rest-express，依賴裡躺著 Replit 平台的專屬套件、從未被伺服器引用的資料庫套件與帳號驗證套件，db/ 目錄裡的 users 資料表沒有任何程式使用。想清理的人可以放心拔掉這些，不影響任何功能。真正被用到的依賴屈指可數：Gemini 的官方 SDK、Express、marked（把模型輸出轉成 HTML）、以及一大包只用了少數元件的 shadcn UI 庫。
290 行原始碼留給誰接手
想理解 Perplexity 這類產品骨架的開發者，會在這 290 行裡看到最完整的縮影：一個提問如何變成一次帶接地工具的模型呼叫、引用來源如何從模型的詮釋資料裡抽出來、追問如何在同一個 session 裡延續。想把 AI 搜尋收進自己基礎設施的人，拿到的是一個零遙測、MIT 授權、一小時能讀完的底盤。已經有 Google AI Studio 金鑰的台灣讀者還有一個額外優勢：issue 裡中國大陸使用者反映的連線失敗與代理參數需求，在直連 Google API 的網路環境裡根本不會遇到。
不適合的情境也一樣明確：想要一個開箱即用、不用碰程式碼的搜尋服務，這裡沒有官方線上版可用（repo 沒有部署任何示範站），自己架又要改模型又要顧額度，直接用 Perplexity 或 Google 自家的 AI 模式省事得多；想要多人共用、有查詢歷史、有權限管理的團隊工具，這個底盤要補的工比找現成方案更多。
如果你決定 fork，順序建議是：先把模型字串換成現行版本並在本機驗證搜尋真的動了，再決定要加額度護欄還是鎖內網，最後才挑部署環境。想比較其他開源 AI 檢索路線的，可以看我們之前寫過的 Local Deep Research 自架深度研究工具 與 開源 AI 資源總整理；想看 3.8 Flash 世代模型的第一手介紹，Gemini 3.8 Flash TTS 語音模型的實測 有更多細節。
