Samodzielna alternatywa dla Perplexity Computer zbudowana w Dockerze może połączyć wyszukiwanie w sieci, dostęp do wybranych plików, terminal i integracje z aplikacjami. Nie oznacza to jednak, że model AI też działa na twoim komputerze: Jayric Maning z MakeUseOf opisał, że do poważniejszych zadań używał płatnego API inferencyjnego, bo lokalne modele działały zbyt wolno.

Co daje alternatywa zbudowana w Dockerze?

To zestaw kilku usług, które trzeba połączyć i skonfigurować, a nie pojedyncza aplikacja. W konfiguracji opisanej przez Maninga Open WebUI pełni rolę interfejsu, SearXNG odpowiada za wyszukiwanie w sieci, a Open Terminal zapewnia dostęp do terminala i wybranych folderów. Zestaw może też obsługiwać m.in. wykonywanie kodu, bazy wiedzy i integracje z aplikacjami.

Maning opisał połączenia z Notion, Obsidianem i LibreOffice za pomocą MCP — mechanizmu integracji, który pozwala łączyć obsługujące go aplikacje z narzędziami używanymi przez model. Każdą usługę i integrację trzeba jednak skonfigurować; utrzymanie połączeń może wymagać pracy, gdy zmienia się usługa lub sposób uwierzytelniania.

Czy model AI działa lokalnie?

Lokalne uruchomienie interfejsu i pozostałych usług nie przesądza o tym, gdzie odbywa się inferencja, czyli przetwarzanie zapytania przez model. W opisanej przez Maninga konfiguracji model mógł działać lokalnie za pośrednictwem LM Studio, ale autor relacjonował, że jego próby na komputerze z kartą graficzną mającą 8 GB pamięci VRAM nie wystarczały do jego poważniejszych zadań.

Maning testował Qwen3.8-9B-Distill i ocenił, że przetwarzanie promptów trwało zbyt długo. Następnie korzystał z płatnego API zewnętrznego dostawcy. To opis jego własnego doświadczenia, a nie wynik uniwersalnego testu wydajności. W praktyce warto więc osobno rozważyć, gdzie działają aplikacje, a gdzie model przetwarza zapytania.

Jeśli interesuje cię inny wariant związany z lokalnym działaniem Perplexity Computer, przeczytaj osobny opis trybu na Macu. To odrębna konfiguracja, nie część zestawu Docker opisanego przez Maninga.

Lokalny interfejs i lokalne przetwarzanie przez model to dwie różne decyzje — sprawdź obie, zanim powierzysz narzędziu swoje pliki.

Jak ograniczyć dostęp terminala do plików?

W konfiguracji Open Terminal użytkownik wybiera foldery udostępnione narzędziu. Przykład Maninga obejmował foldery Documents i Downloads; udostępnione pliki mogą być odczytywane lub modyfikowane przez AI. Wybór folderu określa więc zakres dostępu terminala w tej konfiguracji.

Osobną możliwość opisują informacje o wydaniu Open WebUI v0.13.4: piaskownica Open Terminal oparta na Tether jest przeznaczona dla macOS oraz obsługiwanych urządzeń z Windows i wymaga Tether w wersji 0.1.13 lub nowszej. Ogranicza procesy terminala do jednego wybranego folderu. Dostęp do sieci można włączyć, połączenia przychodzące nie są akceptowane, a jeśli nie da się wymusić działania piaskownicy, terminal pozostaje zatrzymany. Podczas pracy w piaskownicy sterowanie przeglądarką i pulpitem jest wyłączone. Warunki opisano w informacjach o wydaniu Open WebUI v0.13.4.

Ta piaskownica jest odrębną opcją opisaną dla v0.13.4. Konfiguracja Docker Maninga korzystała z Open WebUI v0.13.3, więc nie należy traktować piaskownicy jako jej wbudowanej funkcji.

Komu może przydać się taki zestaw?

To rozwiązanie może pasować osobom, które chcą samodzielnie dobierać narzędzia, foldery i integracje oraz są gotowe konfigurować i utrzymywać kilka usług. Maning opisał podstawowe oprogramowanie jako niewymagające abonamentu, ale w swojej konfiguracji płacił za tokeny w zewnętrznym API. Koszty samego API zależą od jego użycia; opis nie podaje ceny pozwalającej wyliczyć łączny koszt.

Jeśli kluczowe jest przetwarzanie zapytań przez model na własnym komputerze, sama instalacja aplikacji w Dockerze nie wystarczy — znaczenie ma też wybrany sposób uruchamiania modelu. A gdy potrzebujesz izolować dostęp terminala, sprawdź, czy twój system i konfiguracja spełniają wymagania piaskownicy Tether oraz czy odpowiadają ci wyłączone w niej funkcje przeglądarki i pulpitu.