AnythingLLM：五分钟快速搭建本地知识库能力的智能问答系统（附教程）

AI大模型教程

于 2025-05-03 11:00:00 发布

阅读量657

点赞数 5

文章标签： llama LLM 人工智能私有化部署 RAG anythingLLM 本地知识库

本文链接：https://blog.csdn.net/2401_82469710/article/details/147605149

版权

前天完成了家用电脑本地化部署DeepSeek蒸馏小模型的部署，但部署后只能在命令行使用，相当不方便，另外也不能把自己的一些私有知识挂上去额外扩展大模型能力。本文说明如何快速通过AnythingLLM完成一个具备私有知识库能力的智能问答系统的本地化搭建。

AnythingLLM 是一款开箱即用的一体化 AI 应用，支持 RAG（检索增强生成）、AI 代理等功能。它无需编写代码或处理复杂的基础设施问题，适合快速搭建私有知识库和智能问答系统。

**（1）下载安装AnythingLLM desktop**

网址：https://anythingllm.com/desktop

支持mac、windows、linux三种环境部署。

我是在win10环境部署，所以下载了windiow版本。下载后直接点击安装即可

**（2）配置AnythingLLM使用本地部署的DeepSeek模型（具体如何部署参见[5分钟在家用电脑完成DeepSeek R1 （1.5B和7B模型）本地化部署](https://mp.weixin.qq.com/s?__biz=MzkyNjQ0NTE5Mw==&mid=2247483813&idx=1&sn=f0859f13a9843de8da6b6b8b3fd2f5ce&scene=21#wechat_redirect)）**

在 **AnythingLLM** 的设置页面，可以通过 **LLM 首选项** 修改 LLM 提供商。本文使用本地部署的 **Ollama** 和 deepseek-r1:1.5b模型（注意：务必要先启动ollama 和在ollama中运行起来deepseek-r1:1.5b）。配置完成后，务必点击 `Save changes` 按钮保存设置。

**（3）配置好本地部署的DeepSeek模型后，就可以在AnythingLLM进行问答了（性能比起直接在ollama命令行要慢一些，因为AnythingLLM自身也吃资源，另外是通过API访问模型后也要对用户输入以及模型返回结果进行处理）**

**（4）本地知识库构建（自测效果很不好，下面先就是说明下使用方法。尚需继续研究，猜测是向量化时候的嵌入引擎和和文本分割都用了默认的缘故，等待下一篇细致实验一些嵌入引擎的效果）**

点击资料库上传按钮进入工作区知识库构建页面，AnythingLLM 支持以下三种方式上传文档：

本地文档上传

：直接上传本地文件。
Web 链接

：通过 URL 上传网页内容。
数据链接

：从 GitHub、GitLab 等平台导入数据。

Documents Tab

在 Documents Tab，用户可以管理已上传的文档，并通过下方的上传按钮或拖拽方式上传新文档。见上图

Data Connectors
Tab

Data Connectors 功能支持从 GitHub、GitLab 仓库或网站爬取数据。用户只需输入仓库地址和 Token，即可导入指定目录或网页内容。

**（5）上传示例**

**（6）查询知识库**

将文档添加到工作区后，用户可以通过设置聊天模式调整大模型的回复方式：

聊天模式

：结合 LLM 的通用知识和上传文档的上下文生成答案。
查询模式

：仅基于上传文档的上下文生成答案。

修改配置后记得拉到最后点击更新按钮

**（7）Agent功能（尚在研究中）**

在设置页面的 代理技能 中，用户可以管理 Agent。默认开启的 Agent 无法关闭，其他 Agent 需要手动启用。

agent功能查询

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望