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

最新推荐文章于 2025-03-25 11:11:16 发布
最新推荐文章于 2025-03-25 11:11:16 发布
阅读量1.2w 收藏 67
点赞数 18
文章标签： RAG python AI
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/m0_51242270/article/details/142257192
版权

AnythingLLM的安装可以参考其他的博客，
本篇博客讲解如何利用AnythingLLM给出的Api文档，将RAG问答系统 实现在自己的网页上，制作AI智能客服
在这里插入图片描述
找到workspace中的{slug}/chat（以最基础的问答为例）
在这里插入图片描述
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）
在这里插入图片描述
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
message代表你要问的问题，中英都可以。
之后点击Execute执行
会有返回结果
在这里插入图片描述
code 200代表是成功的
之后我们可以进入postman试一试：
在这里插入图片描述

把post链接写上去，之后在headers添加请求头，记得在api密钥前面 加前缀Bearer
之后在Body中写上请求体
在这里插入图片描述
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）在这里插入图片描述
OK 这样就可以用了！！！

之后 写前端调用接口进行问答就可以了！
后面有时间的话，会给出react写前端网页客服的代码

AnythingLLM教程系列之 01 API Access 访问
iCloudEnd的博客
05-06 6169
AnythingLLM 是最易于使用的一体化AI 应用程序，可以执行 RAG、AI 代理等操作，且无需任何代码或基础设施难题。您需要为您的企业或组织提供一款完全可定制、私有且一体化的 AI 应用程序，该应用程序基本上是一个具有许可的完整 ChatGPT，但具有任何 LLM、嵌入模型或矢量数据库。
【DeepSeek应用实践】手把手教程：用 AnythingLLM + Ollama + DeepSeek-R1 搭建本地企业知识库
最新发布
寻道AI，探索AI无限可能！
03-28 1305
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
使用AnythingLLM的api调用
热门推荐
XZH_iD的博客
06-23 2万+
AnythingLLM是一个图形化的工具，想要在项目中使用，就必须使用API调用。好在AnythingLLM提供了这样的工具。
被问爆了！两个实战案例告诉你：不完美的AnythingLLM如何调出专业级法律文书知识助手（附干货教程及案例合集）
m0_59235945的博客
02-10 3636
在法律文献检索领域，更“完美而恰当”的策略之一是：按法条分段，而非机械的按chunk size 分。但在AnythingLLM中目前不支持按段落或其他策略进行分切。调参的依据就是 调整一个参数，使之逼近按法条分段分切的效果。尽管不完美，但是足够好用。真相：尽管不完美，但是AnythingLLM调参后足够好用。另外1，有一些公网平台的 “法律文献检索智能体”，是基于大模型已学习的所有法律条文和条款,一般问答够用。
基于Ollama和AnythingLLM的API调用（局域网内可用）
weixin_43807749的博客
03-06 5140
上篇博客中，尝试Windows本地部署Ollama+DeepSeek-R1-7b+AnythingLLM，成功实现了本地知识库的检索。实际使用中，往往将DeepSeek装在性能好的机器上，其他机器只需远程访问。因此，本文将讨论如何调用API。以上就是利用Ollama和AnythingLLM的API调用的内容。笔者在实际使用中，发现了一些问题：第一，sources会跟随问答传递，如果sources数据量很大，就麻烦了；第二，前端调用api时，对于同一个对话的上下文，需要进一步优化；
AnythingLLM开发者接口API测试
zouxin_88的专栏
02-08 4357
5.测试将上传的文件添加工作空间接口（/v1/workspace/{slug}/update-embeddings）7.测试通过对话查询文档内容（/v1/workspace/{slug}/chat）3.用postman测试上传文件接口（/v1/document/upload）6.测试对话（/v1/workspace/{slug}/chat）2.测试获取用户接口(/v1/admin/users)4.测试文件列表接口（/v1/documents）body数据如下，注意mode的值为chat。
【大模型应用】知识库AnythingLLM接口调用
勿芮介的博客
03-12 1698
RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合信息检索与生成模型的人工智能技术，旨在通过检索外部知识库中的信息来增强语言模型的生成能力。找资料、整理资料和回答问题。首先，它会在一个知识库里找到和问题相关的部分；然后，把找到的内容整理成简单易懂的形式；最后，用整理好的内容生成一个清晰准确的回答。从图中可以看到，一个用户提问过来，在AI生成回复时，有三个主要概念需要了解。主要有三个概念。
如何在本地用API的方式调用AnythingLLM的对话？
yiming0629的博客
06-24 2955
如何在本地用API的方式调用AnythingLLM的对话？
如何在AnythingLLM 中使用 OpenDataSky API进行AI大模型API调用
m0_57547088的博客
12-19 2397
DATASKY 人工智能开放平台是一个集对话与 API 调用于一体的网站，提供国内外几十种大模型的 API 接口。通过该平台，开发者可以方便地调用各种文本图片视频模型，提升效率。本文将介绍如何在 Cline（Claude dev） 中使用 OpenDataSky API 进行大模型API调用。本指南将引导您完成AnythingLLM中使用OpenDataSky API调用文本、嵌入以及其他模型。
Python调用AnythingLLM API使用流输出
u010582342的博客
02-28 1728
在使用 Python 调用 AnythingLLM API 时，流式输出（Streaming）是一种常见的需求，尤其是在处理长文本或实时交互场景时。流式输出可以让你逐步接收响应内容，而不是等待整个响应完成后再处理。
手把手从0开始，使用Ollama+OpenWebUI本地部署阿里通义千问Qwen2 AI大模型
capricornce的博客
08-08 3077
使用Ollama+OpenWebUI本地部署阿里通义千问Qwen2 AI大模型
手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！
2401_86435672的博客
09-20 1万+
本地运行大模型耗资源，需要选择较小的模型作为基础模型。在终端中运行时可能会出现 CUDA 错误，表示显存不足，导致提供的端口失效。中文支持不够完善。\3. 文中提到的技术软件工具有：Ollama、Chatbox、Open WebUI、向量数据库、嵌入模型、本地模型 Gemma、AnythingLLM。
ChatTTS 长音频合成和本地部署2种方式，让你的“儿童绘本”发声的实战教程（文末有福利）
老牛啊
08-31 2513
本文介绍 ChatTTS 最新版本的 2 种本地部署方式，并通过短音频合成长音频的技术手段，解决 ChatTTS 合成音频最长 30 秒时长的限制，同时，我们让绘本故事文本转长音频……
GLM-4-Flash 大模型API免费了，手把手构建“儿童绘本”应用实战（附源码）
老牛啊
08-27 2839
GLM-4-Flash 大模型API免费了，我们本文基于免费API构建一个“儿童绘本”应用，包括使用文生图产出绘本故事插图……
【AnythingLLM】安装、使用API调用
weixin_54648747的博客
03-25 837
anythingllm的安装和使用
AnythingLLM的API接口用法
m0_64380162的博客
03-05 1760
AnythingLLM的API接口用法
手把手教你：基于 AnythingLLM API 训练并调用本地知识库
weixin_37991383的博客
02-11 1万+
基于 AnythingLLM API 训练并调用本地知识库是提升知识利用效率的有效途径。借助 API 可便捷地将本地知识数据注入模型进行针对性训练，使模型熟悉特定领域知识。训练后能快速准确调用知识库信息解答问题，增强交互专业性和精准度，满足多样化知识需求，推动知识深度应用。
AnythingLLM自定义API服务方
02-23
### 创建或使用与AnythingLLM集成的自定义API服务 #### 生成密钥 为了能够访问和操作AnythingLLM的服务，首先需要获取API密钥。这一步骤通常涉及到登录到管理平台并导航至API设置页面来生成新的API密钥[^3]。 ```python import requests def generate_api_key(api_url, auth_token): headers = { 'Authorization': f'Bearer {auth_token}', 'Content-Type': 'application/json' } response = requests.post(f'{api_url}/generate-key', headers=headers) if response.status_code == 200: api_key = response.json().get('apiKey') return api_key else: raise Exception("Failed to generate API key") ``` 此代码片段展示了如何通过发送POST请求给指定端点以获得一个新的API密钥。需要注意的是，在实际应用中应当妥善保管此类敏感信息，并遵循安全最佳实践。 #### 对话接口调用 一旦拥有了有效的API密钥，则可以利用它来进行各种形式的数据交互，比如发起对话请求。下面是一个简单的例子说明怎样构建这样的HTTP POST请求： ```python def send_message_to_anythingllm(api_url, api_key, message): url = f"{api_url}/conversation" payload = {"message": message} headers = { "Authorization": f"Bearer {api_key}", "Content-Type": "application/json", } response = requests.post(url, json=payload, headers=headers) if response.status_code == 200: reply = response.json() return reply['response'] else: raise Exception("Error sending message.") ``` 上述函数接受目标URL、API密钥以及要发送的消息作为参数，并返回来自服务器的回答。这里假设API支持JSON格式输入输出；具体细节可能会有所不同取决于实际情况下的API文档描述。 #### 自定义外观和风格 除了基本的功能外，还可以进一步定制化AnythingLLM实例的表现形式，使其更贴合特定的品牌形象或是用户体验需求。例如调整颜色主题、字体样式等视觉元素[^2]。
评论 20
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

LuckyInn

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