Table of contents
Toggle TOC
前言
2025-12-15 更新：Hoarder 项目已更名为 Karakeep（服务端），另外也有名为 Karakeeper 的第三方 iOS/Safari 客户端。本文已同步更新镜像名、配置示例，并补充一个容易踩坑的安全相关配置（
CRAWLER_ALLOWED_INTERNAL_HOSTNAMES）。在数字信息爆炸的时代，许多科技囤积症患者们都需要一个网页的剪藏服务。在此之前，我一直使用 Cubox 作为数字囤积的主要服务。然而，Cubox 的一些问题让我萌生了自建开源的 Hoarder 以取而代之的想法。
取代 cubox 想法的由来
-
隐私担忧
Cubox 国内版有审查，某一次发现自己剪藏的文章，因为「不可抗力」的原因无法分享，同时思前想后发现剪藏这类服务还是存在自己 NAS 中自己保存一份比较安心
-
价格原因
Cubox 的免费版仅限量 200 个收藏，而 VIP 版则需要每年 ¥198。对于那些没有 NAS 的人来说，这个价格可能不算贵，但对于像我这样已经有 NAS 的人来说，自建服务显然更加经济实惠。毕竟，在这经济下行的年代，能省一分是一分
-
不需要过于花哨的内容
一开始 cubox 作为剪藏产品还是比较简洁功能单一，随后不断加入一些花哨的功能，比如 Cubox 中的 AI 解读、标记功能对我来说并不适用。我已经有了 Readwise 作为阅读器，Cubox 对我而且其实只是作为一个「数字囤积爱好者的垃圾桶」，用来本地化存储一些网页，防止删库跑路。显然，稍后读、AI 解读对我而言稍显冗余，秉承「如无必要，勿增实体」的哲学，我早就想换掉 Cubox 了
自建安装步骤
Karakeep（原 Hoarder）是一个开源项目，可以在 GitHub 上找到。官方也提供了 Hoarder → Karakeep 的迁移说明。具体 Linux 机器或群晖系统安装可以参考官方文档，或者参照 NasDaddy 的教程。
这边建议使用 Docker 进行安装 Docker Compose YAML 参考配置如下：
version: "3.8"
services:
image: ghcr.io/karakeep-app/karakeep:${KARAKEEP_VERSION:-release}
image: ghcr.io/hoarder-app/hoarder-web:${HOARDER_VERSION:-release}
restart: unless-stopped
volumes:
- data:/data
ports:
- 3000:3000 #修改成自己想要的端口
env_file:
- .env
REDIS_HOST: redis
BROWSER_WEB_URL: http://chrome:9222
MEILI_ADDR: http://meilisearch:7700
# CRAWLER_ALLOWED_INTERNAL_HOSTNAMES 用于允许访问解析到内网/回环/链路本地地址的域名。
# 传入 "." 等于放行所有域名（有安全风险，见下方说明）。
CRAWLER_ALLOWED_INTERNAL_HOSTNAMES: "."
# OPENAI_API_KEY: ...
- redis:/data
image: gcr.io/zenika-hub/alpine-chrome:124
image: gcr.io/zenika-hub/alpine-chrome:123
restart: unless-stopped
command:
- --no-sandbox
- --disable-gpu
- --disable-dev-shm-usage
- --remote-debugging-address=0.0.0.0
- --remote-debugging-port=9222
- --hide-scrollbars
image: getmeili/meilisearch:v1.13.3
image: getmeili/meilisearch:v1.6
restart: unless-stopped
env_file:
- .env
environment:
MEILI_NO_ANALYTICS: "true"
volumes:
volumes:
meilisearch:
data:其中要说明的是 .env 环境变量，需要自己创建 .env 文件并在其中指定所需的环境变量。Docker Compose 不会自动创建这个文件。启动时，Docker Compose 会读取你提供的 .env 文件，并将其中的变量注入到相应的服务中，每次修改 .env 需要重构 Docker Compose
KARAKEEP_VERSION=release
NEXTAUTH_SECRET=xxxx # xxx为随机字符串
MEILI_MASTER_KEY=xxxx # xxx为随机字符串
NEXTAUTH_URL=http://localhost:3000 # 本地访问 Karakeep 的 url 或者反代之后的 url
## 下面为可选
OPENAI_BASE_URL=https://xxx.com/v1 # OpenAI api 官方端口或者第三方服务端口
OPENAI_API_KEY=sk-xxxxx # OpenAI API key
INFERENCE_LANG=chinese
INFERENCE_TEXT_MODEL=qwen2-72b-instruct #用于打标的模型，我自己用上最新的 qwen2-72b-instruct开源模型很香CRAWLER_ALLOWED_INTERNAL_HOSTNAMES（安全说明）
Karakeep 的 worker/crawler 会发起外部请求（抓取网页、RSS、Webhook 等）。从安全角度出发，Karakeep 默认会阻止「域名解析到内网/回环/链路本地 IP」的请求，避免 SSRF 类风险。
- 引入时间（安全收紧）：在
v0.28.0（GitHub Release 显示为 Nov 9）中引入了更严格的 SSRF 防护（PR #2082）。该版本的 release notes 明确：所有 server 发起、指向内部 IP 的请求默认会被阻止，除非通过CRAWLER_ALLOWED_INTERNAL_HOSTNAMES显式 allowlist。 - 官方文档语义：配置页说明该变量支持前导点通配（例如
.local、.internal.company.com），并且 传入.会放行所有域名；此外，若目标 URL 配置了代理（CRAWLER_HTTP_PROXY/CRAWLER_HTTPS_PROXY），内部 IP 校验会被绕过（因为实际 DNS 解析可能由代理侧完成）。 - “
.放行全部”的能力：在v0.29.0的 release notes 中明确提到：将CRAWLER_ALLOWED_INTERNAL_HOSTNAMES设为.可绕过所有域名的 IP 校验（对应修复提交 67b8a3c）。
但实际使用上，官方这个配置，不符合中国大陆特殊的环境，「透明代理 / Fake-IP DNS」一起出现：在中国大陆的网络环境中，跨境站点访问限制、DNS 污染/劫持等问题更常见，我们一般会使用代理软件做透明代理与分流，Fake-IP 也是常见配置之一。比如你启用了 OpenClash 的 Fake-IP，某些域名可能会被解析到私网地址，crawler 就会认为是「内部地址」从而拒绝抓取。
- 解决方法：
docker-compose.yml 中添加
# 👇 新增：允许爬虫访问解析为内网 IP 的域名（解决 OpenClash Fake-IP 问题）
CRAWLER_ALLOWED_INTERNAL_HOSTNAMES: "."Hoarder 的优点
AI 智能打标
对于我这种只是用来囤积的人太有用了，不用每次想贴什么标签，但又能为自己囤积的网页做一定程度的分类管理
Hoarder 有待改进的地方
私有格式存储
Hoarder 在本地存储的都是 db 结尾格式的特定数据库文件，貌似无法使用其他软件打开，如下图所示
如果能采用通用格式比如保存成 html 或者直接截图一张 png 来存储快照个人觉得比较适合
某些网站无法抓取
Hoarder 貌似使用 Chrome 浏览器模拟人类访问，来存储网页快照的，这就带来一个问题，某些博客使用 cloudflare 的人机验证服务会把 Hoarder 拒之门外，比如抓取 Sukka 大佬的博客 如下图所示：
