基于AnythingLLM+deepseek实现智能客服+企业知识库

已于 2025-02-19 13:30:56 修改
阅读量1k 收藏 6
点赞数 6
CC 4.0 BY-SA版权
分类专栏： AI-实践 文章标签： AI
于 2025-02-11 09:54:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/A_art_xiang/article/details/145563998

文章目录

一、写在前面

github：https://github.com/Mintplex-Labs/anything-llm

二、deepseek生成key

官网：https://platform.deepseek.com/api_keys
在这里插入图片描述
创建key之后，记得保存起来

二、安装AnythingLLM

1、下载地址：https://anythingllm.com/desktop
直接安装即可，过程可能有点长。

2、创建工作区
在这里插入图片描述

3、可以选择LLM，这里用deepseek
在这里插入图片描述
输入APkey（需要收费。。。）

在这里插入图片描述
我们可以选择本地模型，会自动下载。

三、使用

1、上传一个文件
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
需要花费一定的时间Embed，这考验计算机的计算资源。

这是这个excel的内容：
在这里插入图片描述

2、测试一下：
这里用的本地1.5B的大模型，可能有点智障。
在这里插入图片描述

四、API对接

1、生成秘钥

可以对接API
在这里插入图片描述

2、对话接口

如果用chat，响应很慢，最好用stream，需要进行对接
http://localhost:3001/api/v1/workspace/cxfworkspace/chat
注意Authorizationheader头需要设置，可以先测试一下
在这里插入图片描述

基于Ollama+AnythingLLM+Deepseek 1.5b构建企业级知识库
RodJohnsonDoctor的专栏
02-23 1114
通过本文的实践，您可以在CentOS环境下快速搭建一个企业级的知识问答系统。结合Ollama、Deepseek 1.5b和AnythingLLM，不仅能够实现高效的中文知识管理，还能保障数据的私有化和安全性。希望本文对您的项目有所帮助！
【DeepSeek应用实践】手把手教程：用 AnythingLLM + Ollama + DeepSeek-R1 搭建本地企业知识库
寻道AI，探索AI无限可能！
03-28 1657
在众多的技术方案中，我们选择了 AnythingLLM、Ollama 和 DeepSeek-R1 这一组合来搭建本地知识库。Ollama 作为一个轻量级的本地化大语言模型部署工具，支持多种模型，易于安装和使用，能够快速在本地运行强大的语言模型。DeepSeek-R1 是一个专为知识库问答设计的检索增强生成（RAG）模型，它结合了检索和生成的优势，能够快速从知识库中检索相关信息并生成精准答案。而 AnythingLLM 则是一个用户友好的界面工具，可以方便地连接 Ollama 和 DeepSeek-R1
RAGFlow重磅开源！基于深度文档理解的智能检索神器！
Python_cocola的博客
11-10 1265
RAGFlow 是一款专为企业设计的高效、精准的开源 RAG（Retrieval-Augmented Generation）引擎，通过深度文档理解来处理和整合多种类型的数据源。它能够处理文本、PDF、网页、图像等多种复杂格式的数据，确保所有检索结果具备可靠的参考依据，使企业能够在自动化问答、智能文档分析、客户支持等场景中提升信息获取效率。得益于大型语言模型（LLM）的支持，RAGFlow 不仅可以生成自然流畅的回答，还能够在回答中引用相关文档的具体信息，提供上下文丰富的解答和透明的引用来源。
全网最细！用DeepSeek构建个人知识库（Anything版），工作效率直接飞起！
最新发布
HJS123456780的博客
06-25 545
这个教程已经是细致到图标了，我相信你跟着做肯定可以成功搭建自己的知识库。
DeepSeek+AnythingLLM 搭建专属知识库，小白也能轻松拿捏！
Gblfy_Blog
02-15 4381
DeepSeek+AnythingLLM 搭建专属知识库，小白也能轻松拿捏！
企业级AI客服搭建指南：融合本地DeepSeek与MaxKb实现基于私有知识库的精准问答
weixin_66150842的博客
02-06 6767
本文为企业提供了一份详细的AI客服搭建指南，介绍了如何融合本地部署的DeepSeek大语言模型与MaxKB知识库问答系统，实现基于私有知识库的精准问答服务。通过本地部署，企业能够确保数据的安全性和隐私性，同时利用DeepSeek的强大语言处理能力和MaxKB的高效知识管理功能，提升客服效率和用户体验。文章详细阐述了系统架构设计、模型训练与优化、知识库构建与维护、以及系统集成与部署等关键步骤，帮助企业快速搭建高效、智能的企业级AI客服系统。
AnythingLLM+DeepSeek R1本地知识库也能做数据分析了！！！
m0_63171455的博客
02-05 8210
今天，又学习并搭建了。本着试一试的态度，竟然再次被AI的能力到了……先上结果，后附过程。
一文学会：用DeepSeek R1/V3 + AnythingLLM + Ollama 打造本地化部署的个人/企业知识库，无须担心数据上传云端的泄露问题
吴所畏惧
02-10 2122
一文学会：用DeepSeek R1/V3 + AnythingLLM + Ollama 打造本地化部署的个人/企业知识库，无须担心数据上传云端的泄露问题
基于AnythingLLM 与 本地DeepSeek大模型，零门槛构建企业级本地 AI 知识库
m0_59235699的博客
02-12 2319
在数据隐私日益重要的今天，企业及开发者对本地化AI解决方案的需求激增。本文将手把手教你如何通过开源工具AnythingLLM与Ollama，无需云端依赖、完全免费地搭建基于DeepSeek大模型的本地知识库系统，实现数据100%自主掌控的智能化升级。
通过 Ollama + DeepSeek + AnythingLLM 实现本地部署与自定义知识库
AbnerRain的博客
02-09 3482
本文介绍了如何通过 Ollama、DeepSeek 和 AnythingLLM 实现 AI 模型的本地部署及自定义知识库的构建。首先，通过 Ollama 下载并安装 DeepSeek 模型，完成本地部署。接着，安装 AnythingLLM，创建工作区并配置相关设置，上传自定义知识库并绑定，以优化模型对特定内容的理解。该方法增强了数据隐私性，适用于企业知识管理、客户服务、教育和医疗等领域，为用户提供了灵活的 AI 解决方案。
五分钟打造你的专属AI助手：Ollama + DeepSeek + AnythingLLM 完整整合指南
yuanmomoya的博客
02-08 1492
预备阶段：确认系统环境符合要求，安装 Ollama、DeepSeek 模型以及 AnythingLLM 客户端。数据导入：整理待收录的文本资料，借助 AnythingLLM 构建知识图谱。模型连接：利用 Ollama 启动 DeepSeek 模型，并将其与 AnythingLLM 对接，实现语言处理与知识管理的无缝衔接。测试优化：通过多轮问答测试，对系统参数和知识库内容进行微调，不断提升问答准确率和响应速度。
通过Ollama+Deepseek+AnythingLLM安装部署私有化大模型，并投喂样本数据
weixin_48398799的博客
02-06 7119
近期，国产大模型 DeepSeek 凭借其强大的性能和广泛的应用场景，迅速成为 AI 领域的焦点。然而，随着用户数量的激增，DeepSeek 的在线服务时常面临访问压力，导致响应延迟甚至服务中断的情况。 幸运的是，DeepSeek 作为一款开源模型，为用户提供了本地部署的解决方案。通过将 DeepSeek 部署到本地终端，用户不仅可以摆脱网络依赖，还能随时随地享受流畅的 AI 体验。本地部署后，DeepSeek 无需联网即可直接运行，彻底解决了在线服务的延迟和宕机问题。而且安全更适合一些工作人员。
《AI打工摸鱼笔记》LLM+本地知识库自动填写售前技术调研表
m0_59235945的博客
08-15 2136
LLM 大模型如今已经走进了寻常打工人的电脑上，我猜大家用的最多的功能还是在线聊天的文本生成吧。其实我们可以尽可能让AI帮我们快速完成工作，而不仅仅是把应用限制在问答上。谷歌 Gemini AI 聊天程序大家可以把日常的工作内容或者场景留言给我， 我们一起讨论下如何让 AI 帮我们打工的可能性。
AnythingLLM+Ollama，能否打造你的专属个性化AI助手？
xx_nm98的博客
10-24 6322
AnythingLLM是一个AI聊天系统，它允许用户构建自己的私人ChatGPT。与依赖云服务的AI工具不同，AnythingLLM支持本地开源和商用闭源的大语言模型（LLM），用户可以根据自己的需求和预算选择合适的模型。
使用 ollama 部署本地模型，零基础入门到精通，非常详细收藏我这一篇就够了
m0_65555479的博客
08-15 3011
在本地启动并运行大型语言模型。运行Llama 2，Code Llama和其他模型。自定义并创建您自己的。
安装一个本地大模型
weixin_44357071的博客
09-24 970
安装本地大模型之后，用如下方式启动 ollama run deepseek-v2:16b。
AnythingLLM的API使用方法，手把手教你把本地RAG 部署到自己的网页上
热门推荐
柯桔的博客
09-14 1万+
上面的mode表示 你需要的功能，query表示只使用查询上下文功能（需要有自己上传的文档），chat表示使用聊天功能，写的时候只保留一个，要么是query，要么是chat。返回的json文本 显示它不知道anythingLLM（因为我给的上下文里面没有说AnythingLLM的内容，所以他不知道）slug后面填写你工作区的名字，注意这里只能纯小写字母（尽管实际是大写，也不行）AnythingLLM的安装可以参考其他的博客，之后 写前端调用接口进行问答就可以了！OK 这样就可以用了！
别只会用别人的模型了，自学Ai大模型，顺序千万不要搞反了！刚入门的小白必备！
2301_81888214的博客
02-13 867
别只会用别人的模型了，自学Ai大模型，顺序千万不要搞反了！刚入门的小白必备！
实战AI快速开发微信智能客服系统（四）- 系统架构
icestone2000的博客
06-11 1251
由芝麻小客服官方推出的开源智能客服系统，基于大语言模型（LLM）和检索增强生成（RAG）技术，支持私有化部署。
AnythingLLM+DEEPSEEK如何构建个人的知识库？
01-29
为了实现这一目标，可以采用基于 AnythingLLM 的大语言模型以及 DeepSeek 提供的相关服务来创建高效的知识管理系统。 #### 1. 准备工作环境 确保安装了必要的依赖项并配置好开发环境。这通常包括 Python 环境设置...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

秃了也弱了。

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值