搭建图文并茂的技术文档问答知识库

安装启动管理界面

安装依赖：

Bash                   pip install -U williamtoolbox

创建一个工作目录,并进入该目录：

Bash                   mkdir william-toolbox && cd william-toolbox

启动后端：

Bash                   william.toolbox.backend

启动前端：

Bash                   william.toolbox.frontend

现在可以打开浏览器：http://127.0.0.1:8006

默认账号密码为： admin/admin 第一次登录后，会要求你更改密码。

管理员登录后可以新增用户以及授权用户可以看到的界面选项：

创建知识库的基础模型：deepseek_chat

在 “模型”列表也，系统默认创建了一个 deepseek_chat 模型，先去 https://platform.deepseek.com/ 获取一个 API Key。然后点击编辑按钮，此时会弹出一个编辑框：

将你的 API Key 贴到绿色框中。此时点击侧边 “启动” 按钮，等待模型启动。

启动完成后，进入 OpenAI 兼容服务 页面，也是点击启动：

等待日志输出。如果看到日志了，日志也没啥异常，这个时候就可以进入聊天界面。

和新创建的模型聊天

点击新建聊天：

然后在右侧输入你的问题：

点击发送即可：

如果无法获得结果，那么可能原因有两个：

1OpenAI 兼容服务没有启动

1Deepseek Chat 模型 API Key 填写有问题或者没有充值。

第二个问题可以查看这里：004-部署好的模型如何测试

创建 RAG 服务

下载下面的 tokenizer.json 文件，下载： https://cdn.deepseek.com/api-docs/deepseek_v2_tokenizer.zip

然后从飞书随便导出了一个 PDF (目前图文版，我们支持 pdf/word 两种格式,其他格式展示无法解析里面的图片)，然后放到一个目录里。

示例文档可以问候的查看原文链接

现在进入 RAG 管理，点击 添加RAG 按钮：

此时弹出创建框：

根据图片填写对应的值，这里有三个值需要关注：

1Tokenizer 路径，需要填写前面你下载的文件 tokenizer.json，需要是这个文件的完整路径。

1文档路径，也就是放上面 PDF 的路径

1填写后缀名，多个按逗号分割，这里可以填： .pdf

点击确认，然后再点击启动，大概1分钟内。可以点击右侧 “标准错误日志” 查看启动情况。

和我们新建的技术文档知识库聊天

进入聊天界面，新建一个聊天，然后左侧下方选择你新建的的 RAG 服务名称（我这里是 mcp-docs）,然后输入你的问题即可：

可以看到，RAG 回复你的时候，会把图片也做输出。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

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人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】