DeepSeek + AnythingLLM 简单三步搭建个人知识库，现在的我强的可怕！

最新推荐文章于 2025-03-26 17:06:22 发布

爱喝白开水a

最新推荐文章于 2025-03-26 17:06:22 发布

阅读量1.8k

点赞数 15

文章标签：大语言模型 DeepSeek 知识库 AI大模型 AnythingLLM LLM 大模型应用

本文链接：https://blog.youkuaiyun.com/python123456_/article/details/145648101

版权

你想过和自己聊天吗？

你想通过对话的方式读一本书，或看一篇几万字的论文吗？

如果你有以下需求之一：

\1. 想将自己积累了很久的笔记整合起来，方便自己分析。

\2. 想建立自己的素材库。

\3. 你（或你的孩子）想通过对话聊天的方式学习新知识。

那么建议你跟着这篇教程，赶紧搭建一套个人知识库，来快速检自己想要的信息。

主流的个人知识库软件有 AnythingLLM、Dify、Cherry Studio、MaxKB 等。

产品	Github 关注数	使用方式	知识库说明	官网地址
Dify	64.7k	web	支持 Notion、Web 站点、文件(每个文件不超过 15MB)	https://dify.ai/zh
AnythingLLM	35.3k	桌面版或 web	支持 Web 站点、文件	https://anythingllm.com/
Cherry Studio	9.5k	桌面版	支持 Web 站点、文件	https://cherry-ai.com/

其中 AnythingLLM 功能强大，但 Dify 和 Cherry Studio 对中国用户更友好，这里我用 AnythingLLM 为例说下如何搭建个人知识库。

AnythingLLM 演示成果

为方便理解，这里先看个很简单的演示成果。

AnythingLLM 搭建个人知识库

安装 AnythingLLM

AnythingLLM 提供了桌面版和 Docker 等几种安装方式，其中桌面版的安装简单，Docker 安装的功能会更丰富一些。

我把这两种方式都说下。

安装 AnythingLLM 桌面

浏览器打开官网 https://anythingllm.com/ ，点击"Download for desktop" 下载。

你也可以根据自己电脑的操作系统复制下面地址下载：

\1. 苹果系统：https://cdn.anythingllm.com/latest/AnythingLLMDesktop-Silicon.dmg

\2. Windows: https://cdn.anythingllm.com/latest/AnythingLLMDesktop.exe

\3. Linux：执行 curl -fsSL https://cdn.anythingllm.com/latest/installer.sh | sh 下载安装。

下载完成后，点击安装包一路安装就行。安装完成后，点击 AnythingLLM 图标启动服务。

Docker 安装 AnythingLLM

Docker 安装的 anythingllm 有些自己独有的配置，如自定义头像等功能，Docker 的安装过程如下：

在终端执行如下命令拉取镜像：

docker pull mintplexlabs/anythingllm

拉取完成后就启动实例了，对于 macOS 和 Linux 系统用户而言，执行如下命令启动 Docker 容器：

在这里插入图片描述

对于 Windows 用户，在 powershell/wsl 中执行如下命令：

$env:STORAGE_LOCATION="$HOME\Documents\anythingllm"; `
If(!(Test-Path $env:STORAGE_LOCATION)) {New-Item $env:STORAGE_LOCATION -ItemType Directory}; `
If(!(Test-Path "$env:STORAGE_LOCATION\.env")) {New-Item "$env:STORAGE_LOCATION\.env" -ItemType File}; `
docker run -d -p 3001:3001 `
--cap-add SYS_ADMIN `
-v "$env:STORAGE_LOCATION`:/app/server/storage" `
-v "$env:STORAGE_LOCATION\.env:/app/server/.env" `
-e STORAGE_DIR="/app/server/storage" `
mintplexlabs/anythingllm;

执行成功后，在浏览器中打开 localhost:3001 使用 AnythingLLM。

如果有如下报错：

docker: Error response from daemon: Mounts denied:

The path /Users/maming/software/anythingllm/.env is not shared from the host and is not known to Docker.

You can configure shared paths from Docker -> Preferences… -> Resources -> File Sharing.

See https://docs.docker.com/desktop/settings/mac/#file-sharing for more info.

则打开 Docker 桌面版，点击设置 -> Resources -> File sharing -> 添加目录 -> Apply & restart 后，再重新执行 Docker 命令启动 AnythingLLM。

配置 AnythingLLM

初次打开 AnythingLLM 时，欢迎页面如下图，点击 “Get started”：

在 LLM Preference 中，根据自己的需求配置大语言模型。

以 DeepSeek 为例，点击选择 DeepSeek 后，然后去 https://platform.deepseek.com/api_keys 点击创建 API key，复制 key 粘贴到下图的 API key 输入框中，再选择对话模型为 deepseek-reasoner，即 R1。

由于 DeepSeek 官网 API 太卡，所以这里我以硅基流动作为默认配置，如果你不知道怎么操作的话，可以参考此文来创建硅基流动的 Key。

如果想使用硅基流动的服务，则需要选择 Generic OpenAI，各选项值如下：

\1. Base URL：https://api.siliconflow.cn/v1

\2. API Key：需要你在 https://cloud.siliconflow.cn/account/ak 中创建一个 key

\3. Chat Model Name：如果是 DeepSeek R1 的话，则为 deepseek-ai/DeepSeek-R1。你也可以在模型广场 https://cloud.siliconflow.cn/models 中查看其他模型名称。

\4. Token context window：DeepSeek R1 上下文长度最大为 64k，所以这里直接写 65536。

\5. Max Tokens：查看硅基流动文档知，deepseek-ai/DeepSeek-R1 最大 token 为 8192。

配置完成后，点击向右箭头的按钮，进入下一步。

配置邮件地和用途，继续下一步。

然后配置工作区名称，比如我就叫 workspace，点击下一步完成配置。

进入主页面后，我们再进行一些通用设置，如修改主题色，修改展示语言为中文。

配置完成后，点击自己的工作区，就可以开始对话啦。

创建知识库

接下来我们看看如何配置个人知识库，建议是根据不同的功能创建不同的工作区，如我们可以为生活、写作、读书等创建不同的工作区。

注：本部分即上面视频演示的部分。

点击"新工作区"，输入工作区名，比如我取名为“DeepSeek 教练”，用于帮助我们学习 DeepSeek 知识。

接着点击上传按钮，上传文件。

然后上传我们的学习知识，PDF 以现在很火热的清华大学《DeepSeek：从入门到精通》为例，点击上传就可以了。网址以 https://qileq.com/404/ 、 https://qileq.com/408/ 为例，点击 “Fetch website” 就行了。

然后选中所有文档，点击 “Move to Workspace”，将文档移动到工作区。

点击 Save and Embed，等待数据向量化完成。

回到聊天区域，我们问个之前说过的一个好用的模板：“Deepseek 有什么好用的聊天模板吗？”

诶，他的回答就是我们在之前的文章中说的。

末尾还会显示引用来源，是不是很好用！

这里举了个简单例子帮我们测试整个流程，在实际使用的话，你可以将论文、课本、文章、英文资料等等都上传到自己的工作区，然后针对性的提问，这样能大大的提升效果！

使用 Agent 功能

AnythingLLM 还支持 Agent 功能，比如联网搜索、生成图表等，我们需要在设置的“代理技能”中

开启这些功能，然后点击保存就行了。

对于联网搜索功能而言，还需要我们指定搜索引擎：图简单的话，就使用 DuckDuckGo，无需额外配置，配置好后点击保存按钮。

如果想要更准确的结果，则使用 Google 或 Bing，这两者需要申请 API Key，其中 Google 每天有 100 次的免费查询额度，Bing 每个月有 1000 次免费查询额度。

在使用时需要我们指定对应的 @agent 才会生效，不过我在使用时，发现并不好用。

AnythingLLM 还对 Agent 做了些技能扩展，点击设置 -> Community Hub -> Explore Trending 可查看这些扩展。

如生成 Google 和 Outlook 的日历事件。

还可以增加更多斜线 / 命令。

如我们将 /flashcards 加入工作区后，只需要执行 /flashcards 即会根据工作区内容生成 flashcard，这种命令对学习英语还是蛮有用的。

同样的，将 /translate 加入工作区后，只需要执行 /translate 即可翻译内容。

小结

就我的使用经验来看，AnythingLLM 的功能还是很丰富的，但软件偶尔会有些 bug，整体还是蛮好用的。

DeepSeek无疑是2025开年AI圈的一匹黑马，在一众AI大模型中，DeepSeek以低价高性能的优势脱颖而出。DeepSeek的上线实现了AI界的又一大突破，各大科技巨头都火速出手，争先抢占DeepSeek大模型的流量风口。

DeepSeek的爆火，远不止于此。它是一场属于每个人的科技革命，一次打破界限的机会，一次让普通人也能逆袭契机。

DeepSeek的优点

read-normal-img

掌握DeepSeek对于转行大模型领域的人来说是一个很大的优势，目前懂得大模型技术方面的人才很稀缺，而DeepSeek就是一个突破口。现在越来越多的人才都想往大模型方向转行，对于想要转行创业，提升自我的人来说是一个不可多得的机会。

那么应该如何学习大模型

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

大模型岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

read-normal-img

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家。

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】

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

read-normal-img

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

read-normal-img