通过Page Assist管理Ollama模型库,并实现知识库功能

Mac下使用ollama 本地部署LLM 安装好后,直接终端运行llama3。 阅读详情
AI摘要

本文是Page Assist系列最后一篇,介绍通过Page Assist管理Ollama模型库及本地知识库功能。在配置中可添加、删除和重新拉取模型。本地知识库通过RAG方式实现,需完成相关配置,添加知识库后可在对话窗口使用,查询会先查本地库,还可查看引用内容。

之前已经介绍了非常多的Page Assist的功能,比如让本地大模型具备访问网站的能力,AI网页助手的使用等,你可以通过这里来访问Page Assist的所有功能介绍

今天是Page Assist系列的最后一篇,介绍如何通过Page Assist来管理Ollama的模型库,和本地知识库的功能。

一、模型库管理功能

在Page Assist的配置中有一个“管理模型”选项。可以通过这个功能来管理Ollama的本地模型。

可以看到,通过这里,可以添加、删除,以及重新拉取模型。

添加一个模型,以“nomic-embed-text”模型为例,这个模型也是后面使用本地知识库功能要用到的一个文本嵌入模型。

点击“添加新模型”,然后输入模型名称,最后点击“拉取模型”,这样Page Assist就会开始添加这个模型了。

可以通过右上角Page Assist的logo看到拉取的进度和状态

等到拉取成功后,刷新一下页面,就可以看到这个模型已经在Ollama的模型列表里了。

可以通过Ollama命令来验证


当然,如果为Page Assist添加了其它的在线大模型,在这里也可以看到,点击“Custom Models”就可以了。

二、本地知识库功能

Page Assist自带了本地知识库的功能,是用过RAG的方式实现的,所以首先要完成RAG相关配置

选择“RAG配置”,然后在“文本嵌入模型”那里选择刚才下载的nomic-embed-text模型。


其它的配置可以先用默认选择,如果后续需要,再做调整。这里有两个文本分割器的选项,默认是“递归字符文本分割器(RecursiveCharacterTextSplitter)”,还有一个是“字符文本分割器”。

它们主要是分割颗粒度的不同,大多数情况下,用默认的效果会比较好。下图节选自本地的Qwen2.5:7b的回答

配置完基本的“RAG设置”之后,就可以添加知识库了,点击“管理知识”,然后“添加新知识”来添加一个新的知识库

比如我这里创建一个名为“Prompt”的知识库,我在里面添加了两个prompt的示例列表的文件

点击“提交”之后,可以在“状态”那里看到Page Assist正在处理

根据提交的文档大小和数量,这个处理的时间长短也不一样,处理完成后,“状态”会变为“已完成”,这样,你的知识库就可以用了。注意,这个知识库后期是不能后添加新的文件的,如果有新的文件要添加,需要删除以后重新建立才可以,这点是很不方便的。

点击知识库标题栏前面的“+”号,可以看到当前知识库中的文档列表。

在对话窗口来使用知识库。选择“知识”按钮,就可以选择你创建的知识库了。

选择了知识库之后,你会看到对话界面发生了变化,没有了“联网查询”的选项,在上方会出现选择的知识库的名称。

这时,所有的查询都会先查询这个本地知识库了。

比如,我来询问一下如果做PPT的话,怎样写Prompt的效果比较好。点开下面的“引用”,可以看到模型引用了知识库中的内容。

点击具体的引用,可以看到相应的内容,方便你查看来源。

这里为什么会引用了四篇文档呢?这个是因为RAG的配置做了定义,把文档按照多大来做分割,达到了”嵌入大小“的定义,就会分割成一个新的文档,以及查询的时候查询文档的数量是多少,大家可以根据自己的使用情况来做调整。

好了,Page Assist的介绍就完结了,当然还有一些功能没有介绍到,比如“管理提示词”,不过相信经过了前面的这些功能配置,其它的功能配置起来都不是什么问题了。如果有需要介绍的内容,欢迎留言讨论。

Page Assist这个插件结合本地大模型,真的让我在日常使用浏览器时效率大增,你可以访问 [Page Assist 介绍合集] 查看所有Page Assist的配置介绍,也希望大家的Page Assist用得愉快。


Mac下Ollama安装与设置:开启本地大模型之旅 Mac下Ollama安装与设置,开启本地大模型之旅 阅读详情

相关推荐

如何试用 Ollama 运行本地模型 Mac M2

我的机器配置是M2 Pro/ 32G,运行 7b 模型毫无压力,而且推理时是用 GPU 进行运算的,可能就是 Ollama 底层是用 llama C++ 实现的,底层做了性能优化,对 Mac特别友好。首先把客户端代码 clone 到本地,这里我用的是 https://librechat.ai/ ,选择挺多的,Ollama github 仓库首页有个列表可以选择。根目录下有个配置文件 .env.example,复制一个新的 .env,如果是本地运行,不对外服务,默认配置就可以。“prompt”: “你好”,

hawk2014bj的博客 5359

Mac环境下ollama部署和体验

安装ollama以及相关的基本操作

程序员欣宸的博客 1万+

通过Ollama、Page Assist完成DeepSeek-R1的本地部署、联网搜索、知识库管理

的本地部署,启用联网搜索和构建自己的知识库。回到聊天窗口,右下方将出现刚刚添加的知识库,您可以在提问时选择相关知识库,获得准确的答案。,通过这些简单的步骤,将能够为自己的项目构建强大的 AI 模型应用。通过简单的几步,您的模型将能够处理并检索本地文档。是一款大型预训练语言模型,本文将带您完成从安装。插件可以为您的本地 AI 模型提供一个方便的。在本地部署 AI 模型的同时,您还可以通过。强大的推理能力来解决实际问题。,将文本嵌入模型设置为。的结合,可以轻松完成。

civiljiao的博客 2187

快速搭建自己的RAG知识库(Ollama、Page Assist、Anything LLM)

先解释一下字面意思:RAG Retrieal-Augmented Generation 检索增强生成。RAG 可以帮助我们减少大模型的“幻觉”问题,还可以注入最新资讯及特定领域的关键信息,是一种低成本(相比于模型微调,肯定是成本低得多)的让大模型知道专业领域知识或者一些隐私数据的手段。首先将我们的知识库(一些专用领域的数据或者隐私数据等,可以是 PDF、CSV、txt、md 等多种格式)分割为文本块。使用 Embedding Model 将文本块转为向量(Vector Embeddings)。

瓦罗兰特顶级C位的博客 1549

利用Chrome浏览器的Page Assist扩展组件,搭建大模型及知识库(RAG)

基于Chrome浏览器,用Page Assist扩展组件搭建大模型及本地知识库(RAG)

sunxinyu的专栏 1078

complier lab2

只需支持定义 main 函数即可不带参数 int main(){...}带参数 int main(int argc, int argv){...}

qq_43581843的博客 909

Page Assist 完整指南:三步让本地 AI 模型读懂并操作你正在看的网页

Page Assist 是一款开源浏览器扩展,它的核心功能是让你用自己电脑上跑着的 AI 模型(比如 Ollama、LM Studio、llamafile),在任意网页旁边开一个侧边栏聊天,或者把整个网页内容作为上下文向模型提问。数据不需要经过任何云端:对话、知识库、聊天记录都存在浏览器本地,你可以直接打开源码核验这一行为(隐私说明见 [PRIVACY.md](https://link.gitco

gitblog_00398的博客 903

基于微信小程序的垃圾分类系统,附源码

垃圾分类小程序管理员功能有个人中心,管理员管理,意见反馈管理,视频类型管理,垃圾类型管理,新闻类型管理,论坛信息管理,环保视频管理,环保知识管理,垃圾信息管理,环保新闻管理,用户管理,知识问答试卷管理,试题管理,测试管理,轮播图管理。用户可以在微信小程序上面注册登录,查看各种环保信息和垃圾信息,还可以参加知识问答等操作。垃圾分类小程序的开发根据操作人员需要设计的界面简洁美观,在功能模块布局上跟同类型网站保持一致,程序在实现基本要求功能时,也为数据信息面临的安全问题提供了一些实用的解决方案。

Java徐师兄的博客 2078

如何高效配置本地AI助手:Page Assist实用指南

Page Assist是一款创新的浏览器扩展工具,让你能够在浏览网页时直接与本地AI模型进行智能交互。这款开源工具将强大的AI助手集成到浏览器侧边栏中,为用户提供无缝的智能浏览体验。无论你是技术开发者还是普通用户,Page Assist都能显著提升网页浏览效率,实现真正的本地化AI辅助。 ## 项目核心价值与定位 Page Assist的核心优势在于其完全本地化的设计理念。与依赖云服务的AI工

gitblog_00430的博客 1081

NS3入门教程 以及 NS3 IEEE 802.15.7 CSMA/CA仿真代码

本文初衷 当我发现我必须要做NS3网络仿真的时候,我内心是拒绝的,一方面NS3完全没接触过,另一方面,C++语言接触也不是太多,感觉工作量好大。但是,真的是不做不行了。然后,我就到网上查一些关于NS3的仿真内容,入门什么的,感觉真的是好混乱啊,这个东西没有一个明确的教程,都是一些杂乱的优快云和技术博客,看起来十分混乱,而且有些现成的代码都是好多好多年前的,让人很难受。所以,我就写了本文,希望...

逆水行舟,不进则退 6739

工业场景落地:Java+PaddleOCR实现高性能OCR文字识别的终极方案

本文深度解析基于Java的高性能工业级OCR实现方案,集成PP-OCRv5深度学习模型,提供: ✅ 多场景支持:手写体、竖排文本、票据表格的精准识别 ✅ 工业级性能:毫秒级响应,支持GPU加速与高并发处理 ✅ 开箱即用:通过Maven快速集成,5行代码完成文字识别 ✅ 完整技术栈:覆盖文本检测、方向校正、识别后处理全流程 附可运行示例代码,助您快速构建企业级OCR系统!

deng775747758的博客 3612

Mac本地化部署deepseek+Ollama+Page Assist+AnythingLLM

问题-->>AnythingLLM-->>Ollama-->>调用deepseek大语言模型-->>读取向量数据库LanceDB的内容-->>deepseek转换成通俗易懂的文字描述-->>Ollama-->>通过AnythingLLM聊天界面展示-->>答案。文档-->>上传至AnythingLLM-->>通过Ollama-->>调用Nomic Embed Text向量模型进行向量化转换转-->>Ollama-->>AnythingLLM-->>存储到本地的向量数据库LanceDB。

YForsyth的博客 4856

YOLOv8首发优化:遥感目标检测 | 专为低质量遥感图像设计的边缘 - 高斯聚合(EGA)模块,解决低空间分辨率、传感器噪声、目标模糊、低光照退化和部分遮挡等限制

一种轻量级网络,其创新性地整合了专为低质量遥感图像设计的边缘 - 高斯聚合(EGA)模块。

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 493

Page Assist 完全指南:让本地大模型住进你的浏览器

当你想就当前网页提问,又不想把内容复制给任何云端 AI 时,Page Assist 能让你在任意网页打开侧边栏,直接与本地运行的模型对话,还能读取页面替你操作。 ## 它解决了什么痛点 ### 为什么问 AI 问题必须先把内容上传云端? 传统用法里,你得选中网页文字、复制、粘贴到某个网页版 AI 的对话框里。内容就这样离开了你的设备,而且断网时这套流程直接失效。 Page Assist 的

gitblog_00931的博客 946

华为od机试|华为od机试真题2025|华为od题库|华为od机考|2025C卷B卷

华为od机试|华为od机试真题2025|华为od题库|华为od机考|华为od机试|华为od机试真题2025|华为od题库|华为od机考|华为od机试|华为od机试真题2025|华为od题库|华为od机考|华为od机试|华为od机试真题2025|华为od题库|华为od机考|B卷C卷

u014481728的博客 10万+

Python爬虫实战:利用最新技术爬取抖音话题挑战视频

本文将详细介绍如何使用Python最新技术栈构建一个高效的抖音话题挑战视频爬虫。我们将从环境配置开始,逐步讲解请求模拟、数据解析、反反爬策略、数据存储等关键环节,并提供完整的代码实现。本文适合有一定Python基础的开发者学习高级网络爬虫技术。关键词:Python爬虫、抖音API、话题挑战、视频爬取、反反爬本文详细介绍了如何使用Python最新技术栈构建抖音话题挑战视频爬虫。我们从基础请求开始,逐步实现了数据解析、反反爬策略、数据存储等核心功能,并探讨了分布式和增量爬取等高级主题。更智能的反反爬策略。

2201_76125261的博客 1746

浏览器AI革命:如何用Page Assist打造你的专属离线智能助手

你是否曾幻想过在浏览网页时,随时能召唤一个AI助手为你解答问题、分析内容?Page Assist正是这样一个革命性的开源浏览器扩展,它让你在不离开当前页面的情况下,与本地运行的AI模型进行智能对话。这款工具彻底改变了传统浏览器扩展的局限,将强大的AI能力无缝集成到你的日常浏览体验中。 ## 🎯 为什么你需要一个本地AI浏览器助手? 在当今AI技术飞速发展的时代,我们面临着两大挑战:**隐私安

gitblog_00904的博客 1075

保姆级YOLOv8改进 | 基于DWRSeg扩张式残差机制的小目标检测优化(附修改后的C2f与Bottleneck模块)

DWRSeg机制:通过动态权重调整和扩张卷积有效提升了小目标的检测能力。C2f和Bottleneck模块修改:通过集成DWRSeg模块,增强了特征提取和残差学习能力。实验结果:在多个应用场景中,改进后的YOLOv8展现了更高的检测精度,特别是在小目标检测中表现突出。

一键难忘的博客 3221

Page Assist:让本地 AI 住进浏览器侧边栏,3 分钟接上 Ollama

Page Assist 是开源浏览器扩展,把 Ollama 等本地 AI 接进浏览器:在任意网页的侧边栏直接和模型对话,让模型读懂当前页面,数据不出电脑。适合想让 AI 辅助浏览、又不想把内容交给云端的用户。 ## 它到底能做什么? 四个能力,都围绕"当前这个网页"。 - **侧边栏聊天**:按 `Ctrl+Shift+Y`,任何网页右侧都会弹出对话面板,直接和本地模型说话。比如看一份英文文

gitblog_01418的博客 1010

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Page Assist 本地 AI 网页助手 15 分钟跑通:连接 Ollama 与加载扩展完整指南

你有没有过这种时刻:网页上有一段看不太懂的内容,想问 AI 一下,却要复制文本、切窗口、粘贴到某个网页对话框里,生怕内容被传到云端?Page Assist 就是为解决这件事而生的——它是一款开源浏览器扩展,让你用**本地 AI 模型**在任何网页的侧边栏里直接对话,数据始终留在你自己的电脑上。 ## 它替你做掉的三件烦事 最典型的场景有两个。 第一个是**读网页时的随手问答**。你正看一篇技

gitblog_00747的博客 950

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Page Assist终极指南:在浏览器中运行本地AI模型的完整教程

想要在浏览网页时拥有一个随时待命的AI助手吗?Page Assist正是你需要的解决方案!这款开源浏览器扩展将强大的本地AI模型直接集成到你的浏览器侧边栏中,让你无需离开当前页面即可获得智能辅助。无论你是需要总结文章内容、翻译外语网页,还是分析技术文档,Page Assist都能提供即时的AI支持。 ## 什么是Page Assist? **Page Assist**是一款创新的浏览器扩展,它

gitblog_00475的博客 1096

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

Page Assist 功能解析与实操指南

### 智能网页交互模块 Page Assist 提供基于本地 AI 模型的网页内容理解与交互能力,通过侧边栏快速调用各类 AI 功能,无需切换标签页即可实现智能问答、内容摘要等操作,解决传统浏览器多标签切换效率低下的问题。 ### 多模型兼容架构 支持 Ollama 本地模型、OpenAI API 兼容端点(如 LM Studio、llamafile)及云端服务,用户可根据性能需求灵活选择部署

gitblog_00817的博客 1046

超强本地AI工具Page Assist:一键集成Ollama与OpenAI模型

你是否还在为切换多个AI工具而烦恼?是否担心云端模型的隐私泄露风险?Page Assist——这款开源浏览器扩展彻底改变了网页浏览与AI交互的方式。作为一款**本地化优先**的AI助手,它将Ollama、OpenAI等模型无缝集成到浏览器侧边栏,让你在任何网页都能即时调用本地大语言模型。本文将从安装配置到高级功能,全方位带你掌握这款工具的使用技巧,让本地AI真正为你所用。 读完本文你将获得: -...

gitblog_00307的博客 1149

3分钟给浏览器装一个离线AI助手:Page Assist实操手册

你正在读一篇很长的英文论文,想快速要一份中文要点,但不想把内容贴去某个云端网页排队。Page Assist 是一个本地AI浏览器助手:把跑在你机器上的模型直接接到浏览器侧边栏,任何网页里都能对话,数据全程留在本机。 ## 它到底解决了什么问题 说白了,这个本地AI浏览器助手就解决三件事: - 想问当前网页内容,又不想切窗口、不想把数据交给云端 → 侧边栏开“Chat With Website

gitblog_00034的博客 785
上一篇: GitHub超18k星的最全RAG和AI Agent开发实践项目集合(附教程)
下一篇: Mac下Ollama指定模型目录永久生效的方法:四种方案,只这一招管用!
Llama-Turbo
博客等级 码龄4年 9901粉丝 2025原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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