DeepSeep+ollama+Anythingllm如何搭建个人知识库，私有数据训练避免上网！！！

最新推荐文章于 2025-03-26 16:09:59 发布
最新推荐文章于 2025-03-26 16:09:59 发布
阅读量1.8k 收藏 9
点赞数 3
文章标签： ai 机器学习 人工智能 神经网络 深度学习
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.youkuaiyun.com/Jjavaer/article/details/145688235
版权

写在前面

DeepSeek本地部署参考这篇文章，此处不做赘述
https://blog.youkuaiyun.com/Jjavaer/article/details/145453284?spm=1001.2014.3001.5501

Anythingllm下载地址

https://anythingllm.com/
在这里插入图片描述

在这里插入图片描述

安装

双击下载的安装包即可
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
目标文件夹尽量避开c盘
选好后点击安装等待安装完成
在这里插入图片描述

Anythingllm配置

在这里插入图片描述
点击完成
在这里插入图片描述
进入程序，点击设置，找到首选项按照现有配置选择 ，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
修改完拉到最下面保存

在这里插入图片描述

如何训练？

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
训练成功会有提示

测试

在训练对应的工作区内提问
在这里插入图片描述

遇到什么问题的欢迎底下评论

ollama+anythingllm+deepseek R1本地部署
云袂的博客
02-07 4658
ollama+anythingllm+deepseek R1本地部署
Docker、Ollama、Dify 及 DeepSeek 安装配置与搭建企业级本地私有化知识库实践
qq_33665793的博客
02-09 1933
4. **DeepSeek**：DeepSeek 是一款针对大数据的搜索引擎，能够帮助企业在本地搭建高效的深度搜索系统，支持语义搜索、文档推荐、快速检索等功能，非常适合用于企业级知识库的检索和推荐服务。本文将介绍如何利用 **Docker**、**Ollama**、**Dify** 和 **DeepSeek** 等工具来搭建一个企业级本地私有化知识库，具体包括安装、配置和实现企业需求的步骤。- **多模态处理**：使用 Dify 来扩展系统的多模态功能，可以支持文本、图像等不同类型的数据输入。
打造智能私有知识库：开源工具AnythingLLM全解析及实操指南，RAG企业级解决方案
m0_59164304的博客
07-17 1万+
AnythingLLM和Vector Admin是Mintplex Labs提供的创新开源工具，它们极大地简化了私有知识库的构建和管理。通过高效的RAG模型实现和直观的用户界面，这些工具不仅保障了数据的安全性，同时也提供了强大的交互式文档处理能力。随着技术的不断进步，这些工具将为企业和个人用户提供更多的可能性和价值。
AnythingLLM
AI工程化、开源分享、文档翻译、代码笔记
08-04 9012
是一个全栈应用程序，可以将任何文档、资源（如网址链接、音频、视频）或内容片段转换为上下文，以便任何大语言模型（LLM）在聊天期间作为参考使用。AnythingLLM是一个全栈应用程序，您可以使用现成的商业大语言模型或流行的开源大语言模型，再结合向量数据库解决方案构建一个私有ChatGPT，不再受制于人：您可以本地运行，也可以远程托管，并能够与您提供的任何文档智能聊天。工作区可以共享文档，但工作区之间的内容不会互相干扰或污染，因此您可以保持每个工作区的上下文清晰。AnythingLLM将您的文档划分为称为。
使用 AnythingLLM 轻松部署本地知识库！
2401_83179994的博客
03-20 971
是一个功能强大且灵活的工具，专为在本地环境中部署和管理知识库而设计。它支持多种数据格式的导入，并提供高效的搜索、索引和管理功能，适用于个人、团队或企业用户。双击下载的安装包（通常为 .exe 文件），按照安装向导的提示完成安装。不仅提供了强大的功能和灵活的配置选项，还能够满足不同用户的需求。3，在主界面中，输入知识库的名称和描述，然后点击“创建”生成新的工作区；4，导入知识库数据，在新建的知识库中，点击“导入数据”按钮。启动后，您将看到主界面。选择您准备好的知识库数据文件，点击“导入”。
基于Ollama+AnythingLLM搭建本地私有知识库系统
热门推荐
sheex2012的博客
04-30 5万+
本文介绍了LLM在落地应用中的不足，并引入了RAG框架和原理，以及RAG在私有知识库建设中的重要作用。并以Ollama和AnythingLLM为实现手段，构建了并测试了本地知识库，测试结果表明，有了RAG的加持，LLM的回答结果更加贴切，有效。
AnythingLLM+Ollama，能否打造你的专属个性化AI助手？
xx_nm98的博客
10-24 6193
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。
AnythingLLM 项目下载及安装教程
gitblog_01273的博客
10-18 1万+
AnythingLLM 项目下载及安装教程 anything-llm 为开源和闭源的大型语言模型（LLMs）、嵌入器和向量数据库提供开源的ChatGPT体验。在一个应用中提供无限的文档、消息和并发用户，以及权限管理。 项目地址: ...
手把手教你轻松本地部署Llama3和私有知识库
2301_76161259的博客
06-17 3047
Ollama 是一个开源平台，用于管理和运行各种大型语言模型 (LLM)，例如 Llama3、gemma 和 qwen。它提供命令行界面 (CLI) 用于安装、模型管理和交互。您可以使用 Ollama 根据您的需求下载、加载和运行不同的 LLM 模型。要求：win10以上操作系统安装包下载地址：https://ollama.com/download/windows下载对应系统安装包下载完成后，双击下载的安装程序点击Install进行安装首次运行时会先下载模型，下载完成后即可提问。
AnythingLLM+DeepSeep+ Ollama 可视化界面（GitHub ZIP包）
02-08
AnythingLLM：更专注于文档知识库与问答场景，自带向量检索管理，可“多文档整合”，接入 Ollama 后实现本地化问答。 Dify：功能多元，适合对话流管理、插件化扩展、团队协同等复杂需求。只要能在其后台正确配置 ...
Maxkb +Ollama + Xinference打造自己的deepseek知识库 （三）
最新发布
weixin_49346343的博客
03-26 1063
第三篇将和大家分享maxkb的实战。
30分钟手把手教会你用DeepSeek搭建个人知识库
w风雨无阻w的专栏
02-11 2482
在日常的工作与学习中，我们不断积累各式各样的资料，像文档、代码、笔记等等。B、在网页文档，用户指南->平台能力->推理模型->支持的模型列表中找到 deepseek-ai/DeepSeek-R1 模型->复制名字。如果“苹果”和“水果”语义相近，它们的向量也会很接近，比如 [0.1, 0.2, 0.3] 和 [0.12, 0.21, 0.31]。B、将刚刚复制的模型名称，粘贴到模型id 中，将自动识别，然后点击 “添加模型” 按钮。将复制的 BAAI/bge-m3 模型名称，粘贴，并点击“添加模型”按钮。
开源利器AnythingLLM：你的私人ChatGPT构建利器，支持主流多种大模型
猫头虎技术团队：授渔优于赠鱼，兴趣引领智慧，探索之乐尤显珍贵。商务合作+：Libin9iOak ，万粉变现+：优快云WF，猫头虎承诺每年免费为100名C站创作者做账号流量诊断服务！全网搜：猫头虎技术团队，点击文章底部名片或直接私信我一切皆可谈，快找虎哥！
06-03 1万+
是由Mintplex Labs Inc.开发的一款开源工具，专为构建私人化的ChatGPT而设计。你可以利用现有的商业化大型语言模型（LLM）或者流行的开源LLM来创建一个功能强大的私人聊天机器人。更棒的是，它支持本地运行，也可以远程托管，灵活适应你的各种需求。
【大模型】Ollama+open-webuiAnything LLM部署本地大模型构建RAG个人知识库教程（Mac）
m0_74823471的博客
12-11 4878
如果需要，可以使用AnythingLLM的开发者API进行自定义集成，以满足特定的业务需求。
【LLM大模型】基于 AnythingLLM 及 Ollama 构建本地知识库
AAI666666的博客
07-30 1544
RAG（Retrieval Augmented Generation）检索增强生成，是 2023 年最火热的 LLM 应用系统架构，它的作用简单来说就是通过检索获取相关的知识并将其融入 Prompt，让大模型能够参考相应的知识从而给出合理回答。
跟我学简单几步本地部署DeepSeek，和服务器繁忙说拜拜(MacOS/Windows/Linux通用）
02-18 840
教程一共用到2个软件和1个deepseek-r1模型即可完成Ollama： 本地大模型运行框架Ollama 是一个功能强大且易于使用的本地大模型运行框架，适合开发者和非专业人员快速上手，官方网址：https://ollama.com/Chatbox： AI可视化工具后续的问答将从这里的窗口进行，官方网址：https://chatboxai.app/zh下文以我自己的电脑 macOS为例（其他 windows、Linux类似选择对应系统版本的软件下载安装即可)*
用DeepSeek自动生成PPT数据分析报告，只需要1分钟。会计的天要塌了！
m0_59235945的博客
02-12 2131
学了这么多DeepSeep+Excel牛X应用，但昨天兰色还是被它又一个惊天操作给震撼到了。它它…竟然可以把财务三大报表（资产负债表、损益表和现金流量表）自动生成PPT报告。三大报表由上面excel报表自动生成的精美PPT财务报告如果我不说，你一定以为这是熬夜加班做出的数据分析报告，但用DeepSeek+Kimi，我只用了1分钟就完成了。闲话少说，一起跟兰色做吧。打开DeepSeek官网（https://www.deepseek.com/）点击开始对话，点击曲别针按钮上传三大报表的excel文件。
deepseep+dify+pytest+playwright集成作为软件测试的工具，怎么使用
02-13
### 关于使用 DeepSeek、Dify、Pytest 和 Playwright 进行软件测试 #### 集成与配置 为了有效地集成并使用 DeepSeek、Dify、Pytest 和 Playwright 进行软件测试，需遵循特定的设置流程。首先，确保安装了必要的依赖库： ```bash pip install deepseek-client dify pytest playwright ``` 接着，在项目根目录下创建 `conftest.py` 文件用于初始化 Pytest 测试框架，并引入 Playwright 支持异步浏览器自动化操作。 对于 DeepSeek 的接入，则按照之前提到的方法完成 API Key 设置以及自定义端点配置[^3]。 #### 编写测试用例 编写具体的测试文件时，推荐采用如下结构： ```python import pytest from playwright.sync_api import sync_playwright from deepseek_client import DeepSeekClient @pytest.fixture(scope="module") def browser(): with sync_playwright() as p: yield p.chromium.launch(headless=False) @pytest.mark.usefixtures("browser") class TestWebApp: @classmethod def setup_class(cls): cls.deepseek = DeepSeekClient(api_key='your-api-key') def test_user_registration(self, browser): page = browser.new_page() try: # Navigate to registration form and fill out details using Dify or other methods. response = self.deepseek.generate_text(prompt="Create a valid username.") page.goto('http://example.com/register') page.fill('#username', response['text']) ... assert "Registration successful!" in page.text_content() finally: page.close() if __name__ == "__main__": pytest.main(['-v', '--tb=short']) ``` 上述代码展示了如何结合 Playwright 控制网页行为的同时利用 DeepSeek 自动生成输入内容，从而提高测试效率和准确性[^1]。 #### 自动化执行 最后一步是构建 CI/CD 管道以定期触发测试任务。可以通过 GitHub Actions 或 Jenkins 等工具实现持续集成服务中的自动化部署与回归测试。
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
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