本地知识库王者之战：Mia、Cheer Studio、AnythingLLM，终极对决，谁才是真正的“卷王”？

事实上perplexity的空间功能，元宝的分组，GPT的项目功能都有类似的知识库功能，但无法实现文件库本地化。下面将介绍标题中三种方法，其中Mia还是需要将文件上传至云端，且无法添加API，优点是大厂开发，稳定性更好，免费，不用买API。

Cheer Studio 提供集成式知识库开发环境，主打深度模型集成、动态知识同步、可视化工作流配置功能。优点包括本地存储与隐私保护，深度与大模型（如硅基流动 DeepSeek）无缝连接，内置开发接口和自动化知识更新机制。缺点，更倾向专业工程师或技术团队，学习成本和环境配置难度较高。

AnythingLLM 是开源自托管大模型知识库工具，主打极度轻量化、可高度定制化的本地知识管理。优点：资源消耗低、架构松耦合、易在本地/云端快速部署。支持多种检索策略（传统BM25+语义向量匹配），适合高并发低成本场景。代码和数据全部掌控，极适合资源受限或私有化环境，数据安全性高。缺点，静态知识库场景优于动态知识库，长会话上下文管理和专业检索精度稍逊于 Cheer Studio。

一、Mia安装

下载网址：https://ima.qq.com/download，直接通过上述网址下载，安装即可，过程简单

安装完毕，先上传本地文件

对话时需要@本地知识库

注意ima的文件还是上传至云端

二、Cheer Studio安装

下载网址：https://www.cherry-ai.com/download

安照顺序安装好：

打开如下：

按照本地知识库：

实测PDF上传失败次数多，文档好一点

获取API，以deepseek为例，登录 https://www.deepseek.com/

点击右上角

创建自己的API密钥，提前复制好，后续看不了，模型充值，选合适的价位

https://api-docs.deepseek.com/zh-cn/quick_start/pricing/

将API填入cherry，按下图顺序操作，这里的硅基流动可以直接使用

对话框模型操作：

三、AnythingLLM安装

下载网址：https://anythingllm.com/desktop

找顺序安装下载即可，anythingllm安装包较大，文件库，API导入与cherry类似，不再叙述

实践结果，anythingllm：deepseek幻觉较严重，但其它的一些，如perplexity无法成功，可能是网络问题。cherry：deepseek无问题，其它的如perplexity使用时需要考虑间隔不应太短，并发不应太多，否则会被拒绝报错。如果电脑配置足够可以考虑anythingllm + ollama的本地私有化部署，当然参数越大越好。还可考虑腾讯开源的Mia平替weknora。

如何高效转型Al大模型领域？

作为一名在一线互联网行业奋斗多年的老兵，我深知持续学习和进步的重要性，尤其是在复杂且深入的Al大模型开发领域。为什么精准学习如此关键？

• 系统的技术路线图：帮助你从入门到精通，明确所需掌握的知识点。
• 高效有序的学习路径：避免无效学习，节省时间，提升效率。
• 完整的知识体系：建立系统的知识框架，为职业发展打下坚实基础。

AI大模型从业者的核心竞争力

• 持续学习能力：Al技术日新月异，保持学习是关键。
• 跨领域思维：Al大模型需要结合业务场景，具备跨领域思考能力的从业者更受欢迎。
• 解决问题的能力：AI大模型的应用需要解决实际问题，你的编程经验将大放异彩。

以前总有人问我说：老师能不能帮我预测预测将来的风口在哪里？

现在没什么可说了，一定是Al；我们国家已经提出来：算力即国力！

未来已来，大模型在未来必然走向人类的生活中，无论你是前端，后端还是数据分析，都可以在这个领域上来，我还是那句话，在大语言AI模型时代，只要你有想法，你就有结果！只要你愿意去学习，你就能卷动的过别人！

现在，你需要的只是一份清晰的转型计划和一群志同道合的伙伴。作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。

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 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】