QAnything：网易开源本地知识库问答系统

今天介绍一个基于本地知识库的问答系统 QAnything，有网易开源，同时也提供 SaaS 在线服务，有一定免费额度。特点是界面友好，简单易用，知识库管理和问答之外，也提供了 Agent、速读、AI写手等能力。

一、QAnything概述

1、什么是QAnything？

Question and Answer based on Anything（QAnything） 是一个本地知识库问答系统，旨在支持各种文件格式和数据库，允许离线安装和使用。用户只需将任何本地存储的任何格式的文件拖放到系统中，即可获得准确、快速和可靠的答案。

目前支持的格式包括（其实我们一般也不关心这块，支持常见的PDF\Word\文本即可，其他格式RAG效果也不好，不兼容的稍微转换下格式即可）：

• PDF（pdf）
• Word（docx）
• PPT（pptx）
• Markdown（md）
• Eml（eml）
• TXT（txt）
• XLS（xlsx）
• CSV（csv）
• 图像（jpg，jpeg，png）
• 网页链接（html）

主要特点：

• 数据安全，支持在整个过程中插拔网线的安装和使用。
• 跨语言问答支持，可以自由切换中英文问答，不受文档语言的限制。
• 支持海量数据问答，两阶段向量排序，解决了大规模数据检索的性能下降问题；数据量越大，性能越好。
• 支持类似Kimi的快速开始模式，无文件聊天模式，仅检索模式，自定义Bot模式。

2、架构

3、为什么使用两阶段检索

知识库数据量大的场景下两阶段优势非常明显，如果只用一阶段embedding检索， 随着数据量增大会出现检索退化的问题，如下图中绿线所示， 二阶段rerank重排后能实现准确率稳定增长，即数据越多，效果越好。

4、开源和生产使用

QAnything的开源版本基于QwenLM，已在大量专业问答数据集上进行了优化。它极大地增强了问答能力。如果需要用于商业目的， 请遵循QwenLM的许可协议。用户在Linux系统上使用QAnything时， 需要满足一定的先决条件，如NVIDIA GPU内存>= 4GB等。

二、友好的用户界面

QAnything的用户界面设计友好且易于操作，无需繁琐的配置。用户可以轻松选择多个知识库进行问答，满足不同需求。

我下面使用 SaaS 版本做展示，大家有兴趣的可以本地部署。

1、知识库问答

登录之后界面非常简洁，不需要文档都可以直接使用：

填入知识库名称，点击「新建」，拖入本地知识库的文档（可以是PDF、Docx等），然后点击确定即可。

我这里上传了一个色彩设计的文档，然后快速进行提问，回答速度和效果都不错，末尾还会给出数据来源。

再问一个其他问题：

简单的使用和设置由于使用简单，我们可以的设置项也非常有限，只有区区几个设置项：

• 大模型的选择
• 回复上限（默认是 512 Token，最多 1024 Token）
• 是否使用混合检索

2、Agent

另外 QAnything 也提供了一个自定义 Agent 的功能，可以快速创建自己的知识库问答系统。

Agent 就是你给他设置一个角色，也就是我们常常提到的 System Prompt。系统提示语 我们一般设置如下内容：

• 角色定义，比如：你是一个聪明的研究助理。
• 任务的描述。比如：请回答用户关于产品的常见问题。
• 上下文信息。比如：用户正在查找有关2024年新产品的信息。
• 语言风格和语气。比如：使用专业术语，保持正式语气。
• 回答示例或格式。你期望机器人能够回答的内容格式，这里可以使用少样本提示，或者直接指定格式。
• 限制和注意事项。告诉机器人哪些能说，哪些不能说。

然后选择知识库（可以选择多个）：

值得一提的是：除了常规的直接使用 Agent 对话，QAnything 还提供了发布功能，

可以快速嵌入到网页中，比如我们把这个色彩设计的机器人放到知识图谱中：

我只是做一个示例，一般来说我们嵌入到文档相关的网页中更为合适， 或者为每个知识图谱定制一个专属知识库和 Agent，这样的话才让知识文档更有实际意义。

关于知识库图谱和知识库大部分时候，我们构建知识图谱更偏向于从知识库中提取信息，这样的场景适合你有了知识库的场景，这种方式更适合问答系统。同时也可以把图谱的能力嵌入到原有的很多系统中。另外一种图谱的构建方式是，专有的更偏向结构化的数据，比如我上面截图展示的知识图谱，他没有很多的文本数据， 所以也不太适合这种基于RAG的数据问答。更适合基于图的数据问答

3、速读

速读功能我觉得比较鸡肋，就是上传文件帮你总结，实验下来比起 Kimi 等大模型来说效果差了不少。

先上传文件，系统会进行解析，解析的速读说实话有点儿慢（和其他大模型文档解读相比）。

解析完成，就会左边原文，右边速读 的形式来呈现。鼠标放在原文或速读上可以查看对应的信息。

4、AI 写手

QAnything 也提供了一个 AI 写手的功能，可以让用户通过 QAnything 来写文章。

使用起来也很简单，主要提供了下面能力：

• 写文章时可以绑定知识库
• 可以手写大纲，也可以指定大纲

如果是自动生成大纲，可以对生成的大纲进行调整：

然后就可以点击生成文章了：

使用下来，如果是知识库内容很多，下过会好一点。如果知识库内容不多，会生成超级多的重复内容。

三、安装和部署

安装QAnything系统需要一些基本的Linux系统命令。首先，需要安装NVIDIA驱动，可以通过以下命令来检查驱动版本：

nvidia-smi | grep Version

接着，安装Docker，通过以下命令来检查Docker版本：

docker --version

安装Docker Composer，检查 Docker Composer版本：

docker-compose --version

最后，安装必要的Linux系统命令，可以通过以下命令完成：

sudo apt-get update
sudo apt-get install git-lfs unzip jq bc

在完成以上步骤后，用户可以拉取QAnything代码库并运行服务器。具体操作如下：

git clone it@gitlab.corp.youdao.com:ai/qanything.git
cd QAnything
bash run.sh # 用默认参数启动服务

用户可以通过以上步骤进行一键安装和部署QAnything系统，并进行服务参数设置。

1、系统要求

QAnything系统的运行需要符合一定的系统要求。对于Linux系统，需要满足以下最低配置：

• 操作系统：Linux amd64
• NVIDIA显卡内存：至少4GB（使用OpenAI API）
• NVIDIA驱动版本：不低于525.105.17
• Docker版本：不低于20.10.5
• Docker Compose版本：不低于2.23.3

用户可以通过以下步骤来安装必要的组件：

1. 安装NVIDIA驱动：

• 运行命令nvidia-smi | grep Version来检查驱动版本

2. 安装Docker：

• 运行命令docker --version来检查Docker版本

3. 安装Docker Compose：

• 运行命令docker-compose --version来检查Docker Compose版本

四、SaaS 服务

最后看一下 SaaS 服务，如果自用和拿来测试的话，可以直接用一下免费的云服务：

• 支持两百万的训练语料库
• 500万的赠送积分
• 知识库 30 天不用的话会被自动清除

五、最后

再回顾一下 QAnything 的优势，界面简洁、用户友好，提供了专门的微调模型，但是支持的模型和配置扩展能力比较少， 属于开箱即用，不需要也不太容易折腾的工具。

除了这个工具，我本地知识库里面也记录了一些相关工具，部分工具在之前也介绍过，大家可以参考对比下。

---

六、最后分享

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2024行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】