AnythingLLM 本地部署完全指南私有知识库文档问答【免费下载链接】anything-llmStop renting your intelligence. Own it with AnythingLLM. Everything you need for a powerful local-first agent experience项目地址: https://gitcode.com/GitHub_Trending/an/anything-llmAnythingLLM 把你的 PDF、网页和 YouTube 字幕变成一套私有的文档问答系统模型基于你上传的资料作答数据留在你自己的机器上不经过任何第三方服务。系统要求与 Docker 一条命令跑起来先核对环境Windows 10 以上、macOS 10.14 以上或 Ubuntu 18.04 以上如果走手动安装路线需要先装 Node.js 18 以上。大多数人推荐 Docker 路线所有组件打在一个容器里数据目录已帮你挂好卷。先克隆仓库git clone https://gitcode.com/GitHub_Trending/an/anything-llm进入 docker 目录构建并启动容器cd anything-llm/docker docker compose up --build构建完成后浏览器打开http://localhost:3001会看到初始向导让你选第一个模型。想改源码的进阶玩法一句话带过装完依赖后用yarn dev:server、yarn dev:collector、yarn dev:frontend在三个终端分别拉起后端、文档采集器与界面。先选模型再选向量数据库向导里第一步是 LLM 提供商。不想为 API 付费、也没有 GPU 的选 Ollama、LM Studio 或 LocalAI把本地服务的地址填进去即可想要省心就用 OpenAI、Anthropic、Google Gemini、Azure OpenAI、AWS Bedrock 这类云端接口粘贴 API Key、挑一个型号保存。模型存好后选向量数据库这里存放所有文档的嵌入结果。默认 LanceDB 是文件型的零额外依赖直接跳过即可如果你手头已有 pgvector、Chroma、Qdrant、Weaviate、Pinecone、Milvus、Zilliz Cloud 或 Astra DB就选对应项填好地址和 Key。顺序别反了没有模型向量库里的数据只是没人问的一堆数字。资料喂得越多回答越准工作区建好后点上传按钮。PDF、DOCX、TXT 直接拖进去粘贴一个网页链接它会抓取正文并转成文本入库丢一个 YouTube 链接它把字幕拉出来建索引视频里的内容同样能被问到。要记住一条模型不会凭空了解你的资料。你索引的文档来源越多回答越有据可依如果它开始泛泛而谈多半是覆盖面不够而不是模型不行。发第一个问题盯住引用第一批文档索引完成后问一个只有资料里才有的问题。AnythingLLM 会在回答里附上出处标注点开能直接跳到原文对应段落你可以逐句核对它到底从哪份文档里找的答案。如果引用为空或者答非所问先查两处文档是否还在处理中状态嵌入Embedding模型是否和导入文档时用的是同一个两者不一致时检索会直接失效。多用户、视频、端口与备份Docker 版支持多用户管理员后台创建账号按工作区划分每个人能看什么、能问什么。视频是一等公民YouTube 内容自动转文字入库答案里能标出观点出自哪个视频。网络层面的三件事都在.env里解决改SERVER_PORT换端口默认 3001ENABLE_HTTPS设为 true 并填上证书与私钥路径服务直接以 HTTPS 起想上域名和反向代理用 nginx 把 3001 端口转发出去就行。备份只有一份清单整目录拷走server/storageSQLite 库和文档都在里面再带上向量库的数据。常见症状与对应动作页面打不开提示端口占用→ 改docker/.env里的SERVER_PORT为其他值重启容器。容器启动即退出→ 确认.env已从.env.example生成本地 Node 版本不低于 18。文档上传完却问不出东西→ 嵌入模型与文档导入时不一致统一后重新导入。本地模型连不上→ Ollama/LocalAI 服务没起容器内访问宿主机要用host.docker.internal不是localhost。跑完这些步骤你的私有知识库已经在 3001 端口上了——下次再被问资料在哪直接让他去问模型。【免费下载链接】anything-llmStop renting your intelligence. Own it with AnythingLLM. Everything you need for a powerful local-first agent experience项目地址: https://gitcode.com/GitHub_Trending/an/anything-llm创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
