Ollama + Docker + AnythingLLM 搭建本地多用户AI知识库

整个过程需要准备三个工具：

Ollama： 用于运行本地大模型的管理：llama3, qwen2等
Docker：用于运行AnythingLLM。
AnythingLLM：知识库运行平台，提供知识库构建及运行的功能。

Ollama, Docker

这二个安装不再重复，参考上个贴子：
https://blog.csdn.net/qq_28171389/article/details/140068915

AnythingLLM

安装AnythingLLM

一定要装Web版， 功能比Desktop版多
参考官网： https://github.com/Mintplex-Labs/anything-llm
网上很多介绍AnythingLLM的， 但搜了很少关于docker无脑的安装, 有的根关看不懂人家在写什么， 后面找到这个链接：
https://github.com/Mintplex-Labs/anything-llm/blob/master/docker/HOW_TO_USE_DOCKER.md
先拉取：

docker pull mintplexlabs/anythingllm

由于我的是windows, 在powerShell运行：

$env:STORAGE_LOCATION="$HOME\Documents\anythingllm"; `
If(!(Test-Path $env:STORAGE_LOCATION)){New-Item $env:STORAGE_LOCATION -ItemType Directory}; `
If(!(Test-Path "$env:STORAGE_LOCATION\.env")){New-Item "$env:STORAGE_LOCATION\.env"-ItemType File}; `
docker run -d -p 3101:3001 `
--cap-add SYS_ADMIN `
-v "$env:STORAGE_LOCATION`:/app/server/storage" `
-v "$env:STORAGE_LOCATION\.env:/app/server/.env" `
-e STORAGE_DIR="/app/server/storage" `
mintplexlabs/anythingllm;

STORAGE_LOCATION 缓存设为D盘路径
3101 自定义端口

还可用Docker Compose方式， 这里我没有去试用

配置 AnythingLLM

关联Ollama，从它调取模型，这里我用了qwen:7b

创建管理员，一定要先My team， 用于团队/公司

总的大概是这样设置：

上传文档让模型训练：

可以集成google搜索

使用 AnythingLLM

AnythingLLM有个优势，它可以按不同业务逻辑分别上传文档，再按不同的用户去登陆使用

还可以集成到你的内部OA系统里去


以下是 AnythingLLM 的一些功能总结：

1. 支持多用户实例和权限
2. 新的自定义可嵌入式聊天小部件，可以嵌入到你的网站
3. 支持多种文件类型（PDF，TXT，DOCX等）
4. 通过简单的用户界面管理你的向量数据库中管理文件
5. 提供两种聊天模式：对话和查询。对话保留先前的问题和修订。查询是针对文档的简单QA
6. 聊天过程中的引用
7. 100%适合云部署。
8. “自带LLM”模型
9. 处理大文件时极有效的节约成本措施。你永远不必为将大型文件或记录输送到聊天机器人中支付费用，比其他的文件聊天机器人解决方案节省90%的费用。
10. 提供全面的开发者API用于自定义集成！ 同类开源项目大多基于Python语言开发。AnythingLLM采用了Javascript，前端用React，后端用Node，对于全栈工程师非常友好。

• 前端： React和ViteJS，实现创建和管理大模型用到的知识库

• 后端： Node.js Express框架，实现向量数据库的管理和所有与大模型的交互

• 采集器： Node.js Express框架，实现对文档的处理解析

多用户模式

这一点对于企业级应用特别关键，AnythingLLM支持多用户模式，3种角色的权限管理。

系统会默认创建一个管理员（Admin）账号，拥有全部的管理权限。

第二种角色是Manager账号，可管理所有工作区和文档，但是不能管理大模型、嵌入模型和向量数据库。

普通用户账号，则只能基于已授权的工作区与大模型对话，不能对工作区和系统配置做任何更改。

交流q：

link :316853809