怎样搭建公司内部知识库的大模型小助手？

关注

原创最新推荐文章于 2026-05-28 15:29:57 发布 683 阅读 AI 写同款· GEO 优化 ›

在MacBook M1/M2上，手把手教你打包包含嵌入模型的RagFlow Docker镜像（避坑指南）本文详细指导如何在MacBook M1/M2上构建ARM64架构的RagFlow Docker镜像，涵盖环境准备、依赖处理、镜像构建及性能优化全流程。特别针对Apple Silicon芯片的兼容性问题提供解决方案，帮助开发者高效完成本地开发环境搭建。阅读详情

需求

之前给领导画饼，说是要搞个智能大模型助手，这不就得实现这个饼了。简单讲讲这个需求：

能根据喂给它的文件的内容进行回答
能进行编排（温度，敏感词过滤等）
能暴露成API和WebApp

技术选型

经过综合考量，LLM部署和推理框架选用 (Xinference)

LLMOps平台选用Dify.AI · The Innovation Engine for Generative AI Applications

这个是国人写的，支持企业级部署

大模型使用智谱清言 (chatglm.cn)

不多说，清华的

安装

基础环境

基础环境需要Python39 pip、docker

Xinference

安装可以参考：部署快捷、使用简单、推理高效！大模型部署和推理框架 Xinference 来了！_大模型部署框架-优快云博客

以及官方文档安装 — Xinference

值得注意的是，安装Xinference之后会安装会自动安装PyTorch，和对应的CUDA，此时你需要自己检查下是否安装正确

Dify

这个直接用Docker-compose即可

将源码拉下来
找到源码对应的docker目录，使用docker-compose启动

简单使用

这里会简单搞1个Node小助手

首先进入Xinference把模型跑起来,启动命令

xinference-local

之后找到想要的模型，点击run，初次会需要下载，建议最好跑在Nvidia的GPU上。

跑起来后，通过左侧RunningModels菜单，可以看到正在跑的模型点击右侧即可进入WebApp（就是日常使用GPT的聊天窗）

想要进一步得出想要的小助手，需要对模型进行编排，这时候就需要请出Dify，启动后，进入到Nginx容器的地址，进入设置，对接好Xinference。

之后创建应用

可以看到这里用了知识库，先在Xinference里跑起Embedding 模型，作用是将文本转换为向量

然后跑Rerank 模型，用来对文本进行排序

最后回到Dify，创建知识库，选择好对应的模型，

之后在回到模型编排，将对应的知识库放进上下文里，提示词写上按上下文回答。

发布后打开概览，可以看到你的APP和API

点击APP的预览，进入到熟悉的聊天窗

至此，本地部署大模型就完成了，当然这套也可以部署在服务器上，只需要选择对应的Linux的版本，以及确保网络的通畅。

值得提醒的是：硬件一定要好，否则不但达不到你对大模型的预期，搭建过程也会困难重重

如何系统的去学习大模型LLM ？

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。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

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！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望