news 2026/6/19 6:09:12

一文搞定本地大模型知识库搭建:AnythingLLM详细教程,告别云端依赖

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
一文搞定本地大模型知识库搭建:AnythingLLM详细教程,告别云端依赖

文章详细介绍了使用AnythingLLM搭建本地知识库的全过程,包括软件安装、本地大模型配置、文档上传与向量化等。通过该工具,用户可创建安全知识库,支持多种文档格式,既能接入本地大模型也能使用在线API,实现个性化AI知识问答,无需编程基础即可完成部署。


一、知识库简介

上班后,用过各种知识管理软件,用过**有道为知思源**等,这些知识软件都有各自的优点,随着知识量的累积,后期根据现有知识进行AI输出总结时,上面的软件都需要收费,并且知识也存储在对应软件的云端,部分软件的广告也是比较多,空间也有限制,所以就想利用Anythiny LLM搭建自己本地的知识库。

这是AnythingLLM软件官网地址:https://anythingllm.com/desktop

之所以选择AnythingLLM,因为它支持的平台广、开源、免费,不仅可以进行知识库检索输出,还可以无需代码定义工作流;同时可以离线使用

二、部署本地大模型

部署本地大模型详见我写的这篇文章,介绍了如何通过Ollama+DeepSeek部署本地大模型

三、知识库部署及配置

1、下载软件

在AnythingLLM官网上,根据自己的操作系统下载对应的软件,AnythingLLM 支持macos(Intel、Apple两种CPU)、Windows、Linux等平台。

2、安装软件

本文档是在macOS笔记本安装,所以后续操作均在笔记本上进行,可能与windows的界面有少许区别

macos中安装软件非常简单,只需要拖动**AnythingLLM.app** 到 **Applications**文件夹中就可以等待安装成功了,和windows不太一样

然后在控制台找到Anything LLM图标,点击后提示AnythingLLM.app”是从互联网下载的App。确定要打开它吗?,这是由于我们的程序是直接从浏览器中下载的,macos出于安全起见会给出相应提示,们直接点击打开即可

安装完的Anything LLM 如下

3、配置大语言模型

点击左下角的设置按钮,进入设置页面

选择左侧的**大语言模型(LLM)** ,然后在**LLM提供商中选择Ollama**,程序会自动识别Ollame中运行的大模型,我本地只运行了deepseek-r1:1.5b,所以OllamaModel中默认就显示这个。

然后配置**Ollama Base URL,这里输入我本地部署的Ollama URL地址为http://127.0.0.1:11434**,然后点击保存按钮即可

其他配置感兴趣的可以自己琢磨一下,一般配置好大模型就可以了

4、界面偏好设置

在这里设置主题、语言,语言一般设置为中文

四、知识库使用

1、新建工作区

点击左侧的+号,然后输入工作名称,点击save保存即可

2、工作区的聊天设置

在聊天设置中,工作区LLM提供者默认会调用前面配置的大语言模型,部分回复是英文的,可以在网上翻译成中文

根据以下对话、相关背景以及后续问题,回复用户当前提出的问题。仅根据上述信息回答用户的问题,并按需遵循用户的指示。此工作区中没有相关信息来回答您的查询。

3、聊天、查询区别

聊天:将提供LLM的一般知识和找到的文档上下文的答案。也就是说:输入问题后,程序会结合大模型以及上传的文档来回复我们,如果上传的文档中有相关答案则会根据上下文输出,如果上下文的文档中不存在,即使这个答案是错误的,它也会强行回答。

查询:将会提供答案仅当找到文档上下文时。

4、上传文档并向量化

如果和大模型对话,需要更加智能,贴合自己的需求,需要上传文档,也就是给大模型喂语料

上传文档支持pdf、office类文档、txt、音视频、csv文档等,并可以分文别类的管理

上传后,将对应的文档拖动到相应工作区进行向量化

5、设置可用模型

如果不设置可用模型,对话时,会提示model is required

6、聊天对话

配置好可用模型后,对话后软件会展示大模型的思考环节,思考完毕后,会输出相关结果

同时也可以查看当前回复引用到的上下文,可以点击查看

五、接入在线大模型

上面我们接入的是本地模型,同样我们也可以接入在线大模型,AnythingLLM支持多种大模型,这里我们接入DeepSeek大模型,输入API密钥,聊天模型选择deepseek-reasoner,然后直接保存即可

配置完毕后,同时需要调整对话框里的模型才可以。

如果AI对话报如下错误:Could not respond to message. 402 Insufficient Balance,则代表线上大模型的账户余额不足


​最后

我在一线科技企业深耕十二载,见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事,早已在效率与薪资上形成代际优势,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包:

  • ✅AI大模型学习路线图
  • ✅Agent行业报告
  • ✅100集大模型视频教程
  • ✅大模型书籍PDF
  • ✅DeepSeek教程
  • ✅AI产品经理入门资料

完整的大模型学习和面试资料已经上传带到CSDN的官方了,有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
​​

为什么说现在普通人就业/升职加薪的首选是AI大模型?

人工智能技术的爆发式增长,正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议,到全国两会关于AI产业发展的政策聚焦,再到招聘会上排起的长队,AI的热度已从技术领域渗透到就业市场的每一个角落。


智联招聘的最新数据给出了最直观的印证:2025年2月,AI领域求职人数同比增幅突破200%,远超其他行业平均水平;整个人工智能行业的求职增速达到33.4%,位居各行业榜首,其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张,也让人才供需矛盾愈发突出。麦肯锡报告明确预测,到2030年中国AI专业人才需求将达600万人,人才缺口可能高达400万人,这一缺口不仅存在于核心技术领域,更蔓延至产业应用的各个环节。

​​

资料包有什么?

①从入门到精通的全套视频教程⑤⑥

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图(还有视频解说)

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了,这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理,鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位,在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利,同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制,且资料与智泊AI共享,相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。


智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌,通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌,构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论,还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事‌!

​​​​

如果说你是以下人群中的其中一类,都可以来智泊AI学习人工智能,找到高薪工作,一次小小的“投资”换来的是终身受益!

应届毕业生‌:无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。

零基础转型‌:非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈:传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型‌。

👉获取方式:

😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/6 3:48:53

AI Agent架构全解析:17种设计模式详解,收藏级大模型学习指南

本文系统梳理了17种主流Agent架构,分为闭环反馈、动态规划、集体智能等六大类,每种架构都有独特设计逻辑与应用场景。这些架构本质是通过工程化确定性约束模型不确定性,是构建高性能AI应用的基础。实际开发中常需组合多种架构,如用…

作者头像 李华
网站建设 2026/6/16 3:34:58

掌握大模型技术:一份从入门到精通的收藏级学习资源_大模型入门学习教程(非常详细)

文章提供了学习大模型的全面指南,分为基础、科学家和工程师三个层次。基础部分涵盖数学、Python、神经网络和NLP;科学家部分深入LLM架构、数据构建、预训练、微调等技术;工程师部分关注实际应用、RAG、部署和安全。文章还提供了七阶段学习路线…

作者头像 李华
网站建设 2026/6/15 18:35:46

Anaconda配置文件.bashrc修改:Miniconda-Python3.9自动完成

Miniconda-Python3.9 环境自动化配置:从 .bashrc 到可复现开发流程 在数据科学、机器学习和 AI 工程实践中,一个干净、稳定且高度可复现的 Python 开发环境,往往比代码本身更早决定项目的成败。你是否曾遇到过这样的场景:同事发来…

作者头像 李华
网站建设 2026/6/15 21:31:12

(LU)CPP条件位置偏爱系统 什么是CPP条件位置偏爱系统

条件性位置偏爱实验是评价药物精神依赖性的经典模型,同时也是筛选抗觅药行为干预手段的重要工具。该实验采用具备黑白灰三区结构的条件性位置偏爱箱,三区之间以小门连通,供实验动物(大鼠、小鼠)自由穿梭。实验操作时&a…

作者头像 李华
网站建设 2026/6/6 0:00:07

JAVA自助KTV预约源码:线上畅选,轻松开唱

以下是一个基于Java技术的自助KTV预约系统源码方案,该方案支持线上畅选包厢、灵活预约时段,并实现轻松开唱的完整流程,核心功能与技术实现如下:一、系统架构微服务拆分:采用Spring Cloud框架,将系统拆分为用…

作者头像 李华
网站建设 2026/6/18 6:42:37

收藏备用!一文讲透AI大模型并行训练:DP、PP、TP、EP全解析

对于刚入门大模型的开发者或程序员来说,“如何高效训练千亿、万亿参数模型”是绕不开的核心问题。而这背后的关键支撑,正是并行计算架构——它能让成千上万块GPU协同工作,把原本需要数月的训练任务压缩到几天甚至几小时完成。 在大模型训练与…

作者头像 李华