本文摘要：（由ai生成）

本文介绍了如何配置和使用Ollama、Docker及AnythingLLM三个软件，以构建和运行知识库。首先，安装Ollama并下载所需模型；其次，安装Docker并拉取AnythingLLM镜像；然后，配置AnythingLLM，设置Ollama模型参数和Embedder，选择LanceDB作为数据存储；接着，上传文档并处理以构建知识库；最后，介绍了知识库性能提升方法和如何关闭Docker容器以节省资源。整个过程旨在展示如何高效利用大模型和知识库管理工具。

整个过程需要准备三个软件：

1. Ollama。用于运行本地大模型。如果使用闭源大模型的API，则不需要安装Ollama。
2. Docker。用于运行AnythingLLM。
3. AnythingLLM。知识库运行平台，提供知识库构建及运行的功能。

1 安装Ollama

下载后直接安装，然后启动命令行窗口输入命令加载模型。命令可以通过点击官网Models后，搜索并选择所需要的模型后查看。

• 搜索框输入qwen

• 选择模型后，拷贝对应的命令

 

注：Ollama支持加载运行GGUF格式的大模型，这个自行查看官网。

”

• 启动命令行窗口，拷贝命令并运行，若是第一次运行，Ollama会自动下载模型并启动模型。如本机上已安装了qwen:14b模型，则输入命令后会直接启动此模型。

至此，Ollama安装完毕。

2 安装Docker

Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的操作系统的机器上，从而实现虚拟化。

下载后直接双击安装即可，Docker的安装过程非常简单，没有什么参数需要设置，一路next即可。

3 安装AnythingLLM

AnythingLLM可以在Docker上安装。

• 启动Docker Desktop。第一次启动可能需要注册账号，也可以直接使用google、github账号登陆。
• 点击顶部的搜索框或输入快捷键Ctrl + K 打开搜索窗口，输入anythingllm进行搜索，如下图所示，点击 Pull 按钮拉取镜像

• 模型拉取完毕后，点击 Images 并在右侧的镜像列表中点击anythingllm后的 Run 按钮启动镜像

• 如下图所示，输入容器名称和端口号，这个可以随便输入，但不能和其他已有的容器名或端口号重复（如果有的话）

• 镜像启动后可以点击如下图所示位置的链接，或者直接在浏览器中输入localhost:3001启动AnythingLLM

4 配置AnythingLLM

• 点击按钮 Get started 进入设置向导界面

• 选择大模型。如下图所示设置使用Ollama，然后设置参数
• 指定Ollama Base URL为 http://host.docker.internal:11434
• 指定Chat Model Selection为 qwen:14b
• 指定Token context window为 4096

 

注：AnythingLLM支持使用闭源模型的API。

”

• 选择默认的AnythingLLM Embedder

• 选择采用默认的LanceDB作为向量数据坑

• 如下图所示设置

• 检查并确认前面的设置

• 为工作空间指定名称，并进入下一步

• 如下图所示，点击链接upload a document打开文档上传界面

• 文档上传界面如图所示

• 可以添加自己的文档，并将文档移入工作区

• 文档移入后如下图所示

 

• 点击按钮 Save and Embed 处理文档

• 文档处理完毕后可以进行测试，如下图所示

5 知识库管理

• 可以点击左下角的设置按钮打开设置面板

• 如下图所示可以设置语料分割参数

• 也可以点击左上角的按钮，如下图所示

• 其中第一个按钮打开的是文档管理对话框

• 第二个按钮打开的是模型设置面板

具体设置方法可以参阅文档。提高知识库性能的一些方法包括：

1. 使用更强大的底座模型。底座模型用于数据的输入和输出。使用GPT4效果肯定要比使用小规模的开源模型。AnythingLLM支持以API方式调用如GPT4、Claude3、Gemini Pro等大模型。目前似乎还没有提供国内大模型的接口。
2. 使用更好的Embedding模型。目前AnythingLLM内置了一个嵌入模型。其也支持调用如OpenAI、Ollama等提供的其他嵌入模型。
3. 分词参数。用于分割数据。这个参数调整需要尝试。
4. 使用更高效的向量库。
5. 良好的原始数据。

6 关闭Docker

当不使用大模型时，为了节省资源，可以选择关闭容器。

• 点击 Containers ，点击关闭按钮可以关闭容器

(完）