元峰AI笔记 · AI知识库

方案二：搭建MaxKB可视化个人知识库

<titleDeepSeek 搭建个人知识库教程</title

DeepSeek 搭建个人知识库教程

兄弟们，你是不是经常被AI的回答气得想砸键盘？

"让你查公司去年的财务数据，它给你背起了经济学原理..."

"让它分析竞品策略，它给你讲起了马斯洛需求..."

我懂，这种感觉就像你花钱请了个助理，结果这助理啥都不会，就会复制粘贴百度百科！

但是今天，我要教大家一招绝活：使用 DeepSeek 打造专属的AI知识库！

这招我自己已经在用了，效果相当惊艳。不仅让AI变得超级靠谱，关键是再也不用担心商业机密泄露了！

私有知识库在前AI时代就有非常多使用场景，尤其是企业内部知识、个人知识库等。结合一个优秀的 DeepSeek 之后，能够让知识检索和归纳上升一个台阶。

小白快速搭建个人AI知识库

个人AI知识库的方案有很多种，今天介绍一种难度很低且知识检索效果不错的方案：AnythingLLM + DeepSeek R1。

工具简介

  • AnythingLLM 是一个知识库管理的前端工具，支持上传知识、向量化数据和RAG（检索增强生成）一条龙服务，并且是开源免费的。

  • DeepSeek R1 是幻方量化的大模型，总体评分与Claude 3.5不相上下，且Token成本非常低。本次方案使用DS作为推理模型。

    • 注意：AnythingLLM还支持其他推理模型，如GPT、Claude或通过Ollama运行本地开源模型等。

一、安装AnythingLLM

下载AnythingLLM

地址：https://anythingllm.com/，支持windows、mac、Linux系统。

图片展示的是AnythingLLM官网界面，突出其隐私设计，支持Windows、MacOS、Linux系统下载。画面右侧显示“下载Windows (x64)”按钮，旁边有“Download for Windows (ARM)”按钮。右侧弹出窗口显示“正在下载”状态，进度条已满，提示“下载完成”。该图片与上下文关系紧密，上下文提到下载AnythingLLM支持windows、mac、Linux系统，此图直观呈现了Windows系统下载的界面及下载完成情况。

配置AI大脑

打开软件，先设置LLM，这里选DeepSeek，模型选择chat(也就是最新的模型)。API Key可以

去它们官网注册下，https://platform.deepseek.com 充值几块钱就够用了。

图片展示的是AnythingLLM软件中配置AI大脑的界面。上方显示“LLM提供商”，下方有“DeepSeek”选项，其下文字为“Run DeepSeek’s powerful LLMs.”。下方还有“API Key”和“Chat Model Selection”两个设置区域，其中“API Key”处显示有星号遮挡的密文，而“Chat Model Selection”处显示“deepseek-chat”。该图片与上文配置AI大脑时选择DeepSeek及模型选择chat的内容相关，直观呈现了设置界面。

但是你可能会看到这样的信息：“我们正在对网站进行维护升级，网站暂时无法访问。我们将尽快恢复服务，感谢您的理解与支持。”

图片展示的是AnythingLLM官网的维护升级页面。画面中有一只蓝色的海豚，正专注地看着面前的笔记本电脑。下方文字说明“我们正在对网站进行维护升级，网站暂时无法访问。我们将尽快恢复服务，感谢您的理解与支持。”该图片位于介绍AnythingLLM安装教程中“下载AnythingLLM”部分之后，可能是因官网维护升级导致无法访问，提示用户稍后重试或尝试其他方式。

如果发现官网的API无法使用，可以尝试本地部署版本的DeepSeek。

部署过程可以看下面这个文档：

图片展示了AnythingLLM的LLM首选项界面。左侧菜单栏中“LLM首选项”被红色箭头突出显示。右侧界面显示LLM提供商为Ollama，可本地运行LLM，下方有Ollama Model和Max Tokens两个设置项，Ollama Model下拉菜单中“deepseek-r1 8b”被红色箭头指向，Max Tokens显示为4096。该图片与文档中介绍LLM首选项设置的内容相关，直观呈现了设置界面及关键选项。

进入工作区

可以在左下角设置按钮中进行基础配置，如：LLM、嵌入模型、向量数据库选择等，新手可以先保持默认设置。

(这里单独提下Embedding模型，Embedding是将高纬度数据嵌入低纬度空间方便存储，模型性能影响对后续知识检索有挺大影响，建议可以换成bge-m3，这个模型对多语言和长文本都支持的不错，需要本地运行0llama加载这个模，由于需要安装0llama，新手可以跳过这一步)

图片展示的是Windows PowerShell界面，显示“ollama run bge-m3”命令正在执行，提示“pulling manifest”及“pulling daec91ffbb5dd... 17%”，同时显示传输进度为201 MB/1.2 GB，速度为4.9 MB/s，剩余时间3m14s。该图片与文档中“安装AnythingLLM”部分相关，用于说明安装最新ollama时运行bge-m3模型的命令及执行情况，是安装过程中的一个操作示例。

图片展示了AnythingLLM嵌入首选项界面。左侧为导航栏，选中“Embedder首选项”。右侧“嵌入引擎提供商”处显示为Ollama，可选择本地运行的Ollama模型，当前选中“bge-m3 latest”。下方有“Max Embedding Chunk Length”输入框，当前值为8192。底部“Ollama Base URL”处显示为“http://127.0.0.1:1434”。该图片与文档中上传文档前设置嵌入引擎的内容相关，展示了嵌入引擎的设置界面及可选参数。

二、上传文档

  1. 上点击工作空间的上传按钮，打开上传

图片展示了AnythingLLM界面中上传文档的操作区域。画面左上角有其标志，下方有一个“+ 新工作区”按钮。画面右下角有一个红色箭头指向的图标，该图标为一个带有箭头的“上”字，旁边还有两个图标，分别是网格状图标和齿轮状图标。该图片与文档中“上传文档”部分内容相关，直观呈现了点击工作空间上传按钮后打开上传操作的界面位置，辅助说明上传文档的具体位置和操作入口。

  1. 支持上传pdf、csv、音频或者抓取网页内容等等。上传后右键加入工作空间就ok了。

图片展示了AnythingLLM界面中上传文档的操作。左侧为工作空间界面，有“New Thread”等选项，下方显示“Custom documents”文件夹及“元蜂”文档。右侧是“元蜂”文档内容，包含“元蜂”“元蜂”“元蜂”等重复信息。中间有“Move to Workspace”按钮，下方提示可拖拽上传文件。图片与上下文关系紧密，直观呈现了上传文档的操作步骤及界面展示，帮助用户了解如何将文档移动至工作空间。

  1. 也可以在Data Connnector中获取youtube(需要有cc字幕)视频、confluence文档库等内容平台的

数据。

图片展示的是AnythingLLM的Data Connectors界面。左侧有多个数据连接选项，如GitHub Repos、GitLab Repo、YouTube Transcript等。右侧弹出的GitHub Repos数据连接窗口中，显示了GitHub Repo URL、GitHub Access Token、Branch、File ignores等输入框，其中Branch被设置为“main”，并有提示未填写Access Token时仅能收集公开仓库的顶层文件。该图片与文档中“上传文档”部分上下文相关，用于说明在Data Connectors中获取数据的操作。

三、知识检索问答

  1. 在工作区点击new thread可以开启新的对话，然后提问就ok了

图片展示了AnythingLLM知识检索问答界面。左侧为工作区，有default和New Thread选项，当前选中default。右侧显示用户提问“如何理解一个知识库的构建”，下方有引用的多个文档链接，如“知识库构建.docx”等。还呈现了“过去一年中，我做了哪些事情”的内容。底部有“Send a message”输入框及发送按钮。该图与文档中介绍知识检索问答功能的内容相关，直观呈现了提问、引用文档及回复信息的界面情况。

  1. 如果想判断LLM回答的知识范围，可以在回答的底部点开：Show Citations就能看到引用了哪些知

识。

图片展示了在工作区点击new thread开启新对话后，提问“元鲸主要做了哪些事情？”的回复界面。底部有“Hide Citations”选项，展开后显示了引用的多个文档，如“AI数字、API上的加速器.docx”“元鲸的AI创业复盘，AI破局和AI_的逆袭.docx”等，还标注了引用数量“487条帖子，25篇AI - 什么7.docx”和“元鲸的使用说明书.docx”。该图片与上文介绍判断LLM回答知识范围的内容相关，直观呈现了点击“Show Citations”后可看到引用知识的场景。

AnythingLLM是一个很强大的知识库管理工具，新版本还提供了Agent模式，可以接入谷歌、bing等搜索引擎，实现实时搜索增加检索的时效性。

方案二：搭建MaxKB可视化个人知识库

<synced_reference src-block-id="SDuvd9a4bs8zLobWywmcMMRFnmg" src-token="Vq8OdiF63oMutxxX0FacOXaVnth"></synced_reference>