手把手教你用AnythingLLM搭建本地DeepSeek知识库，小白也能搞定！

原创最新推荐文章于 2026-06-17 18:00:00 发布 1.8k 阅读 AI写同款

Llama-Turbo

码龄4年墨衍会员 · AI 创作全网分发

9901粉丝2022篇原创

关注

【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）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。阅读详情

AI摘要

本文介绍了用AnythingLLM和DeepSeek在本地搭建知识库的方法。准备好电脑、Docker和DeepSeek账号后，按步骤下载安装AnythingLLM Desktop，配置DeepSeek，创建知识库。还给出了知识库应用场景举例，以及进阶玩法。此外，分享了LLM大模型学习资源包和学习路线。

信息太多记不住？想找的资料总是散落在各处？

你需要一个专属的个人知识库！今天教你用 AnythingLLM 和 DeepSeek 在本地轻松搭建一个，从此告别信息混乱，效率蹭蹭往上涨！

你需要准备：

一台电脑：配置别太差，内存最好 16G 以上。
Docker：一个用来运行 AnythingLLM 的工具，去官网下载安装就行。
DeepSeek 账号：注册一个，然后获取 API Key，这是连接 DeepSeek 的钥匙。如果要使用其他LLM模型，都是一样的流程。

本地 Desktop 搭建步骤

1. 准备工作

下载 AnythingLLM Desktop 版本
访问 AnythingLLM 官方 GitHub 页面：

在 Releases 页面下载适合你操作系统的 Desktop 版本（Windows、macOS 或 Linux）。

获取 DeepSeek API Key
注册并登录 DeepSeek。

在个人中心找到 API Key，复制保存备用。

2. 安装 AnythingLLM Desktop

Windows 用户：
双击下载的 .exe 文件，按照提示完成安装。
安装完成后，桌面会生成快捷方式，双击启动。
macOS 用户：
双击下载的 .dmg 文件，将 AnythingLLM 拖到 Applications 文件夹。
打开 Applications 文件夹，双击 AnythingLLM 启动。
Linux 用户：
解压下载的 .tar.gz 文件。
进入解压后的目录，运行以下命令启动：

./AnythingLLM

3. 配置 DeepSeek

启动 AnythingLLM：

打开 AnythingLLM，进入主界面。点击左侧菜单栏的 Settings。

选择 LLM Provider：

在 Settings 页面，找到 LLM Provider，选择 DeepSeek。

输入 API Key：

在 API Key 输入框中，粘贴你从 DeepSeek 获取的 API Key。选择适合的模型（例如 deepseek-chat）。点击 Save 保存配置。

4. 创建知识库

点击 Knowledge Bases：

在左侧菜单栏，点击 Knowledge Bases。点击 Create a New Knowledge Base。

填写知识库信息：

输入知识库名称（例如 “我的学习笔记”）。添加描述（可选）。点击 Create 完成创建。

也可以从学术研究的角度创建知识库，可以帮助你更好地管理文献综述、数据集、数据分析、算法模型等内容。例如：

文献综述库：用于存储和管理相关领域的经典论文和最新研究。
数据集库：整理常用的公开数据集及其描述。
数据分析库：保存数据分析方法和代码。
算法模型库：记录算法实现和模型调优经验。

为每个知识库命名并添加简要描述，例如“文献综述库：存储 NLP 领域的最新论文”或“数据集库：整理计算机视觉常用数据集”。

应用场景举例来说，比如文献综述库的使用：

在文献综述库中，点击 Add Documents，上传 PDF 格式的论文。你可以批量上传多篇文献，方便整理。为每篇文献添加标签，例如研究领域（NLP、CV、强化学习等）、论文类型（综述、实验、理论等）和年份（2020、2021、2022 等）。

上传完成后，你可以在聊天界面提问，例如：“这篇论文的主要贡献是什么？” 或 “列出最近 5 年关于强化学习的综述论文。”

AnythingLLM 会自动从文献中提取信息并生成回答，帮助你快速了解论文内容。

再比如，你正在研究自然语言处理（NLP）领域：

你可以创建一个 文献综述库，上传最新的 NLP 论文，并添加标签（如“Transformer”、“BERT”）。

在 数据集库 中，整理常用的 NLP 数据集（如 GLUE、SQuAD），并上传数据加载代码。

在 数据分析库 中，保存文本分类和情感分析的代码。

在 算法模型库 中，记录 BERT 模型的实现和调优经验。

通过 AnythingLLM，你可以快速提问，例如：“BERT 模型的主要创新点是什么？” 或 “GLUE 数据集的下载链接是什么？”

系统会从知识库中提取相关信息并生成回答。

以上，大家可以自己动手试试建立自己的知识库，并通过提问的方式获取相应的信息，并进行管理～

5. 进阶玩法：

训练你自己的 DeepSeek 模型，让知识库更懂你。
把 AnythingLLM 和其他笔记软件连接起来，比如 Notion、Obsidian，打造你的知识管理生态系统。
分享你的知识库，和小伙伴一起学习进步。

小提示：

如果遇到问题，可以查看 AnythingLLM 官方文档。
确保你的电脑性能足够，尤其是处理大量文档时。

篇幅有限，后续与大家分享～

通过 AnythingLLM Desktop 版本，你可以轻松在本地搭建一个功能强大的 DeepSeek 知识库。

无论是学习笔记、工作资料，还是个人兴趣收藏，都可以高效管理。赶紧试试吧！

以上，就是这么简单！赶紧动手试试吧，打造你的专属知识库，开启高效学习工作新篇章！

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🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

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