利用AI解读本地WORD和PDF文档构建自有知识库

码钉泥收录于教程

2024-03-17 约 11676 字预计阅读 24 分钟

利用AI解读本地WORD和PDF文档构建自有知识库

更多AIGC教程，访问UP「码钉泥」的B站 https://space.bilibili.com/650927704/

本教程带领大家使用 Ollama + Qwen（通义千问大语言模型）+ AnythingLLM 搭建本地知识库，实现手搓 AI+专家系统。今天给自己安排一位全能知识助手，领导再也不用担心我一问三不知了，升职加薪不是梦！

大语言模型的发展真的是一日千里。在前面的教程中，我为各位观众老爷演示了如何利用清华大学出品的ChatGLM3搭建本地的大语言模型，并通过API实现自动化写作。

随着ChatGLM4改为闭源发布，ChatGLM模型的热度一泻千里。新的大模型不断涌现，新的部署工具也层出不穷。阿里巴巴出品的通义千问迭代到1.5版本，性能基本超越ChatGLM3，成为我们新的选择。

今天，我们就要带领大家使用通义千问和LangChain搭建本地知识库，让电脑变成我们信息小助理。

1 运行环境

1.1 安装大语言模型

在前面的教程中，我们自己配置了Python环境用来运行ChatGLM模型。现在，我们有了更加方便的工具，可以一条指令运行本地LLM模型，那就是Ollama。

访问Ollama.com下载安装包。Ollama目前支持Linux、Windows和MacOS操作系统。并且支持CPU、NVIDIA GPU和AMD GPU。这意味着，如果你的电脑配有显卡，将会优先使用显卡进行推理（这样速度更快），如果没有显卡，将调用CPU进行推理（即使办公笔记本也可以运行，当然，推理速度会有点慢）。

我们先下载最熟悉的Windows安装包。根据默认设置安装。

安装完成后，打开一个CMD窗口，输入

ollama pull qwen:4b

这将帮你下载通义千问1.5_4B模型。模型的大小约2.3GB，无需魔法上网即可下载。

我这边下载了大概20分钟，下载完成后，可以使用Ollama默认的界面运行通义千问1.5_4B模型。

打开一个CMD窗口，输入

ollama run qwen:4b

然后，你就可以在CMD界面提出问题了。输入 /bye 可以退出聊天。

当然，这个界面只能做简单测试，我们后面将接入更加方便的图形界面（包括我们的老朋友Chatbox）进行本地对话。

Ollama支持流行的开源大语言模型，包括llama2和它的众多衍生品（包括vicuna、codellama）,以及其他一些热点模型，例如Mistral、Dolphin、Falcon等。

访问https://ollama.com/library可以浏览Ollama提供的所有模型。

1.2 安装向量模型

下面我们将需要使用Ollama安装向量模型。向量模型比较小，大约230MB，很快就可以下载好

ollama pull nomic-embed-text

这将会帮助我们下载nomic-embed-text:latest。其中latest表示最新版。

向量模型是用来将Word和PDF文档转化成向量数据库的工具。通过向量模型转换之后，我们的大语言模型就可以更高效得理解文档内容。

向量模型无法单独使用。

1.3 利用Langchain处理文档

Langchain是一套利用大语言模型处理向量数据的工具。以前，搭建LLM+Langchain的运行环境比较复杂。现在我们使用AnythingLLM可以非常方便的完成这个过程，因为AnythingLLM已经内置了Langchain组件。

AnythingLLM是一个集成度非常高的大语言模型整合包。它包括了图形化对话界面、内置大语言模型、内置语音识别模型、内置向量模型、内置向量数据库、内置图形分析库。

可惜的是，AnythingLLM目前的易用性和稳定性仍有所欠缺。因此，在本教程中，我们仅使用AnythingLLM的向量数据库和对话界面。LLM模型和向量模型仍然委托给Ollama来管理。

AnythingLLM本身对Ollama的支持也非常完善。只需要通过图形界面，点击几下鼠标，我们就可以轻松完成配置。

第一步，打开AnythingLLM左下角的配置界面

第二步、配置LLM

在LLM Preference选项卡中，选择Ollama作为后端。依次填写

URL：http://127.0.0.1:11434/
Chat Model：选择 qwen:4b
Token：8192

点击窗口上方的“Save changes”保存生效。

第三步、配置embedding模型

在Embedding Model选项卡中，选择Ollama作为后端。依次填写

URL：http://127.0.0.1:11434
Chat Model：选择 nomic-embed-text:latest
Max embedding chunk length：512

💡 注意：这个Max embedding chunk length数值会影响文档回答的质量，推荐设置成128-512中> 的某个数值。从512往下逐级降低，测试效果。太低也不好，对电脑性能消耗大。

点击窗口上方的“Save changes”保存生效。

第四步、选择LanceDB向量数据库

在Vector Database选项卡中，选择LanceDB作为后端。这是一个内置的向量数据库。

如果你熟悉Pinecone等云端数据库，也可以配置相关的数据库，这样可以实现资料库漫游。

2 业务逻辑

我们简单介绍一下整个工作流程。

第一步、创建向量数据库

文档→AnythingLLM→Ollama(Nomic Embedding)→向量数据→AnythingLLM(LanceDB)

第二步、利用向量数据库回答

问题→AnythingLLM→Ollama(Qwen 4b)→AnythingLLM→答案

3 配置与优化

下面，我们开始进入AnythingLLM，配置Workspace以开始基于文档的对话。

点击 New Workspace，创建一个名为Chat的工作空间。无需进行任何设置，就可以直接开始与通义千问进行对话。

再次点击 New Workspace，重新创建一个名为Test的工作空间。我们将在这个空间内上传一些文档。

点击上传图标，拖拽你的资料文档到下面这个大大的按钮上（你也可以单击它！）

AnythingLLM几乎支持所有包含文字的文档格式：txt、doc（word文档）、csv、xls（excel表格）、pdf等等。

我推荐你上传word文档或pdf文档。注意：扫描图片制作的PDF暂时无法支持，你需要使用OCR软件将这种PDF转换成word文档上传。

上传完成后，选中相应的文档，并点击 Move to Workspcae。

然后点击Save and Embed。

AnythingLLM便开始调用Nomic Embed模型处理你的文件。使用CPU处理一个文件大约需要5~10分钟。我上传的这份《2023中国网络文学产业研究报告》，全文有2万字（去掉了图片），处理了大约七八分钟。完成后，关闭上传窗口。

点击齿轮图标，打开Test空间的设置选项。

选择Chat Settings，将对话模式更改为Query（默认是Chat）

Query模式能够确保仅采用上传文档中的信息进行回答（而不会采用大模型本身的信息）。

点击Update Workspace，保存设置。点击返回按钮，返回主界面。

下面，是没有开启文档对话（Chat模式、未上传任何文档）的回答效果。明显的泛泛而谈。

现在我们来试试基于文档对话（Query模式、上传1篇文档）的效果吧。

点击Show CItations，可以查看引用的数据。

你可以对一个话题上传多份文档，以提高回答质量。文档的相关性越高，回答的质量更好。如果你对回答不太满意，也可以尝试重新组织一下问题的文字，或者更换体量更大的本地大模型处理。

4 ChatBox集成

我们的老朋友ChatBox也可以很容易的集成Ollama。将ChatBox升级到1.2.2以上，即可配置Ollama作为后端，方便的使用通义千问大模型进行聊天了。

你需要在ChatBox的设置界面中进行选择Ollama作为后端。

在模型选项卡选择 Ollama 作为AI模型提供方。

API域名填写 http://127.0.0.1:11434

模型选择 qwen:4b

保存后即可进行对话。

下面是我使用Ollama运行Mistral 7B进行对话的示例。

ChatBox可以很方便的切换Ollama管理的大语言模型。

5 总结

通过今天的教程，我们已经可以不需要进行繁琐的Python环境搭建，就能够方便的在本地运行大语言模型。

Ollama和AnythingLLM方便的将我们需要的大语言模型运行环境，打包成Windows的通用图形界面，降低了大语言模型本地运行的门槛。同时Ollama可以根据我们的硬件配置自动选择使用显卡(GPU)或者CPU来运行量化好的模型。

在我们之前的教程中，只能使用CPU来运行量化后的 ChatGLM3模型。使得拥有GPU显卡的用户运行效率偏慢。Ollama很好的解决了这个问题。Ollama使用16位的GGUF量化模型，相对于之前我们介绍的GGML（Int4）量化模型格式，所保存数据精度更高。

此外，Ollama还支持uncensored llama2模型，可以应用的场景更加广泛。

目前，Ollama对中文模型的支持还相对有限。除了通义千问，Ollama没有其他更多可用的中文大语言模型。鉴于ChatGLM4更改发布模式为闭源，Ollama短期似乎也不会添加对 ChatGLM模型的支持。

尽管有一些不足。但是Ollama和AnythingLLM还是帮助我们更加方便的在本地运行属于自己的大语言模型，使得LLM应用对于普通人来说更加触手可及。

【增补教程】

A. 修改本地存储位置

Linux、Window都支持更改ollama模型存放位置。因为Ollama默认把模型下载到C盘，但是大家C盘一般都很小，所以可以在安装完成后修噶一下存储位置。

Windows直接进入系统环境变量添加就行

Linux环境下

首先第一步：cd /etc/systemd/system/ 打开配置文件vim ollama.service
第二步：目录下的environment里面分号隔开添加OLLAMA_MODELS环境变量
第三部：source ollama.service
最后重启ollama即可

来源：https://blog.csdn.net/weixin_46124467/article/details/136781232

B. 模型推荐

Ollama目前提供三种向量转化模型，链接如下：

Model	Parameter Size
mxbai-embed-large	334M	https://ollama.com/library/mxbai-embed-large
nomic-embed-text	137M	https://ollama.com/library/nomic-embed-text
all-minilm	23M	https://ollama.com/library/all-minilm

教程推荐的nomic-embed-text是其中一种。

此外还有名为mxbai-embed-large向量转换模型，号称性能超过OpenAI的向量转换模型text-embedding-3-large，大家可以自行下载尝试。

💡 下载方式：ollama pull mxbai-embed-large 详情：https://ollama.com/library/mxbai-embed-large

对于部分同学反映Qwen 4B比较笨，可以尝试Qwen 7B模型或者Zephyr 7B模型。Zephyr 7B是在 mistral 7B 模型的基础上微调出来的一个模型。我测试之后发现中文支持还可以。

💡 Zephyr 7B 下载方式：ollama pull zephyr Zephyr 7B详情：https://ollama.com/library/zephyr

我们可以在 https://ollama.com/library 中搜索已有我们想要的模型库。以下是一些流行的模型：

模型	参数	尺寸	执行下载
Llama 2	7B	3.8GB	ollama run llama2
Mistral	7B	4.1GB	ollama run mistral
Code Llama	7B	3.8GB	ollama run codellama
Llama 2 Uncensored	7B	3.8GB	ollama run llama2-uncensored
Llama 2 13B	13B	7.3GB	ollama run llama2:13b
Llama 2 70B	70B	39GB	ollama run llama2:70b
Gemma	2B	1.4GB	ollama run gemma:2b
Gemma	7B	4.8GB	ollama run gemma:7b

这里大概列出了 Llama、Mistral 以及 Gemma 我们景见的模型以及参数以及尺寸大小。由图表可以看出 Gemma 2B 模型的尺寸还是比较小的，初学者入门。

C. 手动下载模型导入

如果通过 ollama pull / ollama run 等方式拉取（下载）量化模型很慢，可以尝试手动下载gguf模型并导入ollama中。

导入GGUF模型

GGUF格式是一种流行的模型格式，被广泛应用于各种机器学习任务中。使用ollama框架导入GGUF模型是一个简单直接的过程，分为几个主要步骤：准备Modelfile、创建Ollama模型和运行模型。下面将逐步详细介绍每个步骤。

准备工作

在开始导入模型之前，首先需要准备一个Modelfile。Modelfile是描述如何构建模型的配置文件，它指定了模型权重、参数、提示模板等重要信息。正确设置Modelfile是成功导入模型的关键。

模型下载

我在网盘中已经上传了两个模型，zephyr 7b和qwen 7b的gguf文件。你也可以通过其他渠道（huggingface）下载gguf模型。

步骤1：编写Modelfile

创建Modelfile非常简单。首先，您需要指定模型文件的位置，如下所示：

FROM ./mistral-7b-v0.1.Q4_0.gguf

如果您的模型需要一个默认的提示模板来正确回答问题，可以在Modelfile中使用TEMPLATE指令来指定：

FROM ./mistral-7b-v0.1.Q4_0.gguf
TEMPLATE "[INST] {{ .Prompt }} [/INST]"

这样做可以确保模型在接收到输入时能够正确理解和处理。

步骤2：创建Ollama模型

拥有Modelfile后，下一步是使用以下命令创建模型：

ollama create **example** -f Modelfile

此命令会根据Modelfile中的指定，创建一个新的名为example的ollama模型实例。

步骤3：运行模型

创建模型后，可以通过ollama run命令来测试模型是否正常工作：

ollama run **example** "What is your favourite condiment?"

这个命令会将文本输入传递给模型，并输出模型的回答。通过这种方式，您可以验证模型是否已正确导入和配置。

D. AnythingLLM的API用法

如果你想基于AnythingLLM搭建自己的知识库服务，你可以使用AnythingLLM的API。

启动AnythingLLM之后，您可以在本地的 localhost:3001/api/docs地址找到API文档。

AnythingLLM支持完整的开发者API，可以用该API来管理、更新、或者与工作空间进行聊天。

使用AnythingLLM API与已经配置好的知识库聊天非常简单，代码如下：

curl -X 'POST' \
  'http://localhost:3001/api/v1/workspace/**document**/chat' \
  -H 'accept: application/json' \
  -H 'Authorization: Bearer BN47Z6S-BSZM6KA-MGY1R17-W926FBZ' \
  -H 'Content-Type: application/json' \
  -d '{
  "message": "什么是出口转内销",
  "mode": "query | chat"
}'

其中**document**是Workspace的SLUG。

如果你习惯用Python，应该这样写（通过requests库）：

import requests

headers = {
    'accept': 'application/json',
    'Authorization': 'Bearer BN47Z6S-BSZM6KA-MGY1R17-W926FBZ',
    'Content-Type': 'application/json',
}

json_data = {
    'message': 'What is AnythingLLM?',
    'mode': 'chat',
}

response = requests.post('http://localhost:3001/api/v1/workspace/**document**/chat',\
 headers=headers, json=json_data)

print(response.text)

其中**document**是Workspace的SLUG。

Python如何调用AnythingLLM API？

**使用requests库。**AnythingLLM暂时没有python库。

https://**curlconverter.com**/

这个工具网站可以直接将复制网页的curl转为python的request请求代码。

E. Docker部署Ollama和AnythingLLM

为了方便将Ollama和AnythingLLM部署成为服务，我们需要使用Docker来运行他们。

Ollama Docker 如何安装

1.docker部署ollama

1.1.CPU模式

docker run -d -v /opt/ai/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

1.2.GPU模式（需要有NVIDIA显卡支持）

1.2.1.安装英伟达容器工具包（以Ubuntu22.04为例）

其他系统请参考：英伟达官方文档


# 1.配置apt源
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
# 2.更新源
sudo apt-get update
# 3.安装工具包
sudo apt-get install -y nvidia-container-toolkit

1.2.2.docker使用GPU运行ollama

docker run --gpus all -d -v /opt/ai/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

2.docker部署ollama web ui

docker run -d -p 8080:8080 -add-host=host.docker.internal:host-gateway -name ollama-webui -restart always ghcr.io/ollama-webui/ollama-webui:main

3.使用docker中的ollama下载并运行AI模型（示例为阿里通义千问4b-chat）

docker exec -it ollama ollama run qwen:4b-chat

AnythingLLM Docker 如何安装

AnythingLLM 的开发公司 Mintplex Labs 提供的官方 Docker 镜像。通过下面的指令可以启动AnythingLLM的Docker服务：

docker pull mintplexlabs/anythingllm:master

export STORAGE_LOCATION="/var/lib/anythingllm" && \
mkdir -p $STORAGE_LOCATION && \
touch "$STORAGE_LOCATION/.env" && \
docker run -d -p 3001:3001 \
-v ${STORAGE_LOCATION}:/app/server/storage \
-v ${STORAGE_LOCATION}/.env:/app/server/.env \
-e STORAGE_DIR="/app/server/storage" \
mintplexlabs/anythingllm:master

访问 http://localhost:3001 可以打开AnythingLLM的Web GUI ，操作过程和本地桌面版基本相同。

来源 https://blog.csdn.net/qq_38593436/article/details/136407171

F. 向量库管理

Vector Admin GUI是一个强大向量数据库管理工具，提供友好的Web图形化操作界面，用于可视化和管理 AnythingLLM 存储的向量。

安装过程涉及利用 Mintplex Labs 提供的 Docker 容器：一个用于 Vector Admin 应用程序，另一个用于 PostgreSQL 数据库，该数据库存储应用程序的配置和聊天历史记录。

git clone https://github.com/Mintplex-Labs/vector-admin.git
cd vector-admin/docker/
cp .env.example .env

我们修改 .env 文件，将服务器端口从 3001 调整为 3002，避免与 AnythingLLM 已使用的端口发生冲突。在Linux系统上，还需要为PostgreSQL连接字符串设置默认的Docker网关IP地址。

SERVER_PORT=3002
DATABASE_CONNECTION_STRING="postgresql://vectoradmin:password@127.0.0.1:5433/vdbms"

此外，我们配置 SYS_EMAIL 和 SYS_PASSWORD 变量来定义第一个 GUI 连接的凭据。

鉴于默认端口的更改，我们还在 docker-compose.yaml 和 Dockerfile 中反映了此修改。

配置完后端之后，我们将注意力转向前端安装。

cd ../frontend/
cp .env.example .env.production

在 .env.production 文件中，我们更新端口以与 Docker 网关保持一致。

GENERATE_SOURCEMAP=false
VITE_API_BASE="http://127.0.0.1:3002/api"

完成这些设置后，我们构建并启动 Docker 容器。

docker compose up -d --build vector-admin

通过 http://localhost:3002 访问 GUI 非常简单。初始连接使用 .env 文件中指定的 SYS_EMAIL 和 SYS_PASSWORD 值。仅在首次登录时需要这些凭据，以从 GUI 创建主管理员用户并开始配置该工具。

G. 什么是量化模型

量化是一种减小模型大小和提高推理性能的技术，它通过降低大语言模型内存储的数值精度来实现。简单来说就是把π(3.141592653….)简化成3.1415927或者3.14的过程。

不同的量化级别，代表着不同的精度。我们常用的量化精度有q4_0 、q4_1 、q5_0 、q5_1 等等。量化模型从最低精度到最高精度排列如下：

q2_K: 提供最高压缩率的量化级别，但可能会对模型的准确度和性能产生较大影响。
q3_K: 相比于q2_K，提供了更好的平衡，适用于对准确度要求较高的场景。
q3_K_S: 是q3_K的一个变体，专为特定的模型结构优化。
q3_K_M: 针对中等大小的模型提供了优化，介于q3_K_S和q3_K_L之间。
q3_K_L: 专为大型模型设计，提供了相对较高的准确度。
q4_0 (推荐): 提供了一个良好的平衡点，推荐用于大多数模型。
q4_1: 与q4_0相似，但略微调整了量化策略，适用于特定场景。
q4_K: 适用于需要细粒度量化控制的高级用户。
q4_K_S: 为小型模型提供了针对性的优化。
q4_K_M: 针对中型模型进行了优化，比q4_K_S提供更广泛的适用性。
q5_0: 在保持较高压缩率的同时，尽量减少对性能的影响。
q5_1: 与q5_0类似，但进行了细微的调整以适应不同的模型需求。
q5_K: 提供了更多的量化控制选项，适合需要精细调整的场景。
q5_K_S: 专为小型模型设计，旨在在压缩率和性能之间找到最佳平衡。
q5_K_M: 为中型模型量身定制，提供了优秀的压缩和性能平衡。
q6_K: 介于q5_K_M和q8_0之间，为特定模型提供了更多的量化选项。
q8_0: 在所有量化级别中提供了相对较低的压缩率，但保持了较好的性能和准确度。
f16: 半精度浮点格式，提供了与全精度浮点相比的显著大小减少，同时基本保持了模型性能。

选择合适的量化级别需要考虑模型的大小、性能需求以及最终部署的环境。我们推荐从q4_0开始试验，并根据模型的具体表现进行调整。

H. 什么是chunk（分块）如何设置chunk

在构建RAG这类基于LLM的应用程序中，分块（chunking）是将大块文本分解成小段的过程。当我们使用LLM embedding内容时，这是一项必要的技术，可以帮助我们优化从向量数据库被召回的内容的准确性。

当嵌入一个句子时，生成的向量集中在句子的特定含义上。当与其他句子Embedding进行比较时，自然会在这个层次上进行比较。这也意味着Embedding可能会错过在段落或文档中找到的更广泛的上下文信息。

在确定最佳分块策略时，有几个因素会对我们的选择起到至关重要的影响。以下是一些事实我们需要首先记在心里：

被索引内容的性质是什么? 这可能差别会很大，是处理较长的文档(如文章或书籍)，还是处理较短的内容(如微博或即时消息)？答案将决定哪种模型更适合您的目标，从而决定应用哪种分块策略。
您使用的是哪种Embedding模型，它在多大的块大小上表现最佳？例如，sentence-transformer[1]模型在单个句子上工作得很好，但像text- embedt-ada -002[2]这样的模型在包含256或512个tokens的块上表现得更好。
**你对用户查询的长度和复杂性有什么期望？**用户输入的问题文本是简短而具体的还是冗长而复杂的？这也直接影响到我们选择分组内容的方式，以便在嵌入查询和嵌入文本块之间有更紧密的相关性。
如何在您的特定应用程序中使用检索结果？ 例如，它们是否用于语义搜索、问答、摘要或其他目的？例如，和你底层连接的LLM是有直接关系的，LLM的tokens限制会让你不得不考虑分块的大小。

简单来说，长文本Chunk可以设置大一点（512），短文本可以设置小一点（128）。

I. 如何设置Max Context Snippets

Max Context Snippets（最大参考上下文）表示大模型参考的文本切片的数量。通常这个数字越大，回答的质量就越高。

因此，你可以通过调高Max Context Snippets到8、12、16来获得质量更好的答案。

那么什么是文本切片呢，其实就是前面我们设置的embedding模型的chunk。

如果我们的chunk设置为256，Max Context Snippets设置为4（也就是默认值），那么4个切片（就是4个chunk）相当于占用4 * 256 = 1024 =1k token。我通常设置为10，那么就会占用2.5k的token。通常本地大模型能够处理的token上限是8k（同时包含问题和回答），因此我们提交给大模型的Context Snippets不能太大，太大就没有可用token计算答案了。

结论：默认的4好像对中文不友好（因为文字结构的原因），起码设到8，我通常设置10（上限为12）。

J. 知识库的内存/显存需求

很多朋友部确定自己的硬件是否支持运行本地大语言模型。

如果你没有nvidia的显卡（例如RTX1660、2080、3060ti这种），那么就只能考虑用CPU运行。

一种简单估算方式为：

FP16: 内存/显存占用(GB) = 模型量级 x 2
Int4: 内存/显存占用(GB) = 模型量级 x 0.75

Ollama提供的模型基本上都是Int4量化模型（少量Int5），所以如果选择内存运行的话，基本上8G可以（勉强）跑7B，16G可以（勉强）跑14B。

如果选择GPU运行的话，对系统内存和显卡显存都有要求。如果想要顺利在GPU运行本地模型的 FP16 版本，你至少需要以下的硬件配置，来保证稳定连续对话：

ChatGLM3-6B & LLaMA-7B-Chat 等 7B模型
- 最低显存要求: 14GB
- 推荐显卡: RTX 4080
Qwen-14B-Chat 等 14B模型
- 最低显存要求: 30GB
- 推荐显卡: V100
Yi-34B-Chat 等 34B模型
- 最低显存要求: 69GB
- 推荐显卡: A100
Qwen-72B-Chat 等 72B模型
- 最低显存要求: 145GB
- 推荐显卡：多卡 A100 以上

以上数据仅为估算，实际情况以 nvidia-smi 占用为准。请注意，如果使用最低配置，仅能保证代码能够运行，但运行速度较慢，体验不佳。同时，Embedding 模型将会占用 1-2G 的显存，历史记录最多会占用数GB 的显存，因此，需要多冗余一些显存。

用显卡跑模型对电脑内存还有要求吗？

**内存要求至少应该比模型运行的显存大。**例如，运行ChatGLM3-6B FP16 模型，显存占用13G，我可以8G内存+16G显存运行吗？**不可以。**你至少要使用使用16G以上内存，否则会出现模型加载问题。

那么，跑量化模型对CPU有要求吗？

**几乎没有。**Ollama理论上支持所有带有AVX/AVX2指令集的CPU。这意味着酷睿2代（i3/i5-2xxx等）以上的CPU就可以运行Ollama驱动的大模型。

当然，我没有实测那么老的CPU，但是2015年以后出产的台式机和笔记本基本确认都是可以运行的。

K. 管理本地向量数据库

现在市面上的向量数据库众多，主流的向量数据库对比如下所示：

向量数据库	URL	GitHub Star	Language
chroma	https://github.com/chroma-core/chroma	7.4K	Python
milvus	https://github.com/milvus-io/milvus	21.5K	Go/Python/C++
pinecone	https://www.pinecone.io/	❌	❌
qdrant	https://github.com/qdrant/qdrant	11.8K	Rust
typesense	https://github.com/typesense/typesense	12.9K	C++
weaviate	https://github.com/weaviate/weaviate	6.9K	Go

我推荐初学者采用anythingllm内置的LanceDB用来管理向量数据库。但是，一旦进入实务（生产）环境，需要实现向量数据库的管理，你就需要安装独立的向量数据库了。

我推荐使用Chroma作为独立的向量数据库，安装和管理都比较简单。

Chroma介绍

Chroma的目标是帮助用户更加便捷地构建大模型应用，更加轻松的将知识（knowledge）、事实（facts）和技能（skills）等我们现实世界中的文档整合进大模型中。

Chroma提供的工具：

存储文档数据和它们的元数据：store embeddings and their metadata
嵌入：embed documents and queries
搜索： search embeddings

Chroma的设计优先考虑：

足够简单并且提升开发者效率：simplicity and developer productivity
搜索之上再分析：analysis on top of search
追求快（性能）： it also happens to be very quick

Chroma安装

安装Python环境后，只需要一行指令就可以安装Chroma

pip install chromadb

可选包

如果你只需要使用 Chroma 的客户端功能，你可以选择安装轻量级的客户端库 chromadb-client。这个库的安装过程与 Chroma 的安装过程相同，只是包名不同。在命令行工具中输入以下命令进行安装：
```
pip install chromadb-client
```

Chroma调用

这里给出一个示例：

import chromadb
chroma_client = chromadb.Client()

collection = chroma_client.create_collection(name="my_collection")

collection.add(
    documents=["This is a document about engineer", "This is a document about steak"],
    metadatas=[{"source": "doc1"}, {"source": "doc2"}],
    ids=["id1", "id2"]
)

results = collection.query(
    query_texts=["Which food is the best?"],
    n_results=2
)

print(results)

Chroma一般是直接作为内存数据库使用，但是也可以进行持久化存储。

在初始化Chroma Client时，使用PersistentClient：

client = chromadb.PersistentClient(path="/Users/yourname/xxxx")

这样在运行代码后，在你指定的位置会新建一个chroma.sqlite3文件。

启动Chroma服务

打开一个CMD窗口，启动 Chroma 服务器。这可以通过运行以下命令实现：

# chroma run --path /db_path
chroma run --path d:\my_chromadb\

AnythingLLM连接Chroma

接下来，我们选择 Chroma 向量数据库，使用 URL http://127.0.0.1:8000。API handler/API key可以留空。

如何备份、管理Chroma的数据

备份比较简单，复制d:\my_chromadb\下的sqlite3数据库文件就可以了。管理的话可以用HeidiSQL进行简单管理。向量层面的管理可以采用Vector Admin工具或者。

更多复杂的Chroma操作请参考： https://cloud.tencent.com/developer/article/2407496

L. 注册在线向量数据

Milvus 是一款开源向量数据库，提供在线版本的向量数据库服务，在线服务的名称叫做Zilliz。可以通过下面这个地址注册他的免费版本，免费版最多支持两个数据集合（Collection）。

https://zilliz.com/zilliz-cloud-free-tier

注册完成后，你需要先创建一个cluster（集群）。

免费账户没有太多可选项，按照默认创建即可。

复制上面的Endpoint URL和API key到AnythingLLM中就可以使用在线的向量数据库了。

提示：更换向量数据库后，需要对文档进行重新向量化！

Q&A 常见错误汇总

AnythingLLM 无法连接 Ollama

提问时，AnythingLLM报错，提示如下：

原因：Ollama崩了，或者内存不足。

解决方案：

在CMD窗口运行 ollama serve ，再试
重启，再试
更新Ollama和AnythingLLM到最新版本，再试
重新下载Ollama模型，再试

出现这个问题，一般是由于小马拉大车（小内存跑大量级模型）造成的，再加上Ollama目前处于Preview状态，并不是很稳。

2. AnythingLLM 安装完成后打不开（不显示主界面）

首先尝试重启。AnythingLLM 界面看起来很简单，但其实后面跑了一堆服务，只要有一个衔接不上，就很容易崩。

如果重启不能解决，需要重新安装官方（非精简的）Windows系统。如果你安装的就是官方系统，也可以尝试进行系统还原。

新安装的系统可以保证AnythingLLM的服务不与其他已经存在的服务冲突。

文档Embeding失败

原因：格式问题、Ollama崩了、模型崩了、向量数据库崩了

解决方案

尝试转换文档的格式，例如将txt复制到word中，再次添加。或者将word导出为pdf，再次添加。AnythingLLM对utf-8 无bom的txt文件兼容性最佳，其他的doc、xls、ppt等格式，由于office版本众多，也可能出现兼容性问题，建议转存为最新版本的office文档格式，再重新尝试。
另外，ollama管理的向量转换模型（nomic-embed-text）也可能出现错误，可以尝试删除向量转换模型后，重新通过ollama下载。
```
# 先删除原模型
ollama rm nomic-embed-text
# 再重新下载向量模型
ollama pull nomic-embed-text
```
本地的lanceDB损坏或崩溃，先删除所有向量化文档，重试；如果不行，删除workspace，重试；还不行，卸载anythingllm并重新安装。对于生产环境，建议安装独立的向量数据库，例如Chroma，或者使用在线数据库，例如Pinecone。
你在使用过程中，调整了embedding的chunk大小，也可能导致后面添加文档失败，可以删除workspace后，重新创建并添加文档。
AI答非所问

首先，修改chunk大小，从512开始往小改，最小为128（太小了反而性能不好）。然后重新添加文档并进行向量化（记得删除之前添加的文档），最后重试问答效果。

其次，修改Max Context Snippets参数（默认为4），根据你的电脑性能，调整为8、12等值（我经常设为10）

最后，尝试量级更大的模型，例如从qwen 4b替换到qwen 7b或者更大的模型；尝试更新的模型，例如尝试zyphyr、gemma等新模型

为什么总是给我飙英文

很多朋友采用中文提问，却常常得到英文回答。这是因为大模型的训练材料中英文居多，开发者又没有优化它采用中文回答导致的。通常出现在国外发布的大模型上，但是偶尔也出现在国内的大模型中。

你可以重新问一遍，并在问题后面追加“用中文回答我”，一般就能让大模型改回使用中文。

如果经常性的出现英文答案，也可以尝试在Prompt中添加“Always reply the answer in Chinese language.”

回答还行，但是点开引用（Citations）显示的乱码

你上传的文档（doc、txt等）的编码（通常是gb2312/gbk）AI可以读懂，但是anythingllm的显示界面不认识这个编码。可以不用管。如果很介意，将文档另存为utf-8的txt格式，重新上传即可。

目录

利用AI解读本地WORD和PDF文档 构建自有知识库

利用AI解读本地WORD和PDF文档 构建自有知识库

1 运行环境

1.1 安装大语言模型

1.2 安装向量模型

1.3 利用Langchain处理文档

2 业务逻辑

3 配置与优化

4 ChatBox集成

5 总结

【增补教程】

A. 修改本地存储位置

B. 模型推荐

C. 手动下载模型导入

D. AnythingLLM的API用法

E. Docker部署Ollama和AnythingLLM

F. 向量库管理

G. 什么是量化模型

H. 什么是chunk（分块）如何设置chunk

I. 如何设置Max Context Snippets

J. 知识库的内存/显存需求

K. 管理本地向量数据库

L. 注册在线向量数据

Q&A 常见错误汇总

利用AI解读本地WORD和PDF文档构建自有知识库

利用AI解读本地WORD和PDF文档构建自有知识库