探索 AnythingLLM：借助开源 AI 打造私有化智能知识库

探索如何使用开源项目 AnythingLLM 构建私有化智能知识库。通过 RAG 技术，将文档转化为可检索向量，结合大语言模型实现高效问答，适用于企业与个人开发者。

阅读原文请转到：https://jimmysong.io/blog/building-private-ai-knowledge-base-anythingllm/

随着大语言模型（LLM）的快速发展，将企业内部知识库与 AI 工具结合成为热门解决方案。作为一名技术探索者，我对构建私有知识库充满兴趣，也希望测试 LLM 的能力，尤其是像 Ollama 和千问这类模型。此外，AnythingLLM 是一个开源项目，具有较高的社区关注度，因此我决定对其进行深入调研。

基于 RAG（检索增强生成）技术，AnythingLLM[1] 提供了从数据处理到用户界面的全栈解决方案，支持构建企业内部的智能知识库。其模块化架构和灵活部署方式，使其成为企业和个人开发者进行知识管理和 AI 项目实践的重要工具。

RAG 原理概述

简介

RAG（Retrieval-Augmented Generation） 是一种结合了信息检索和语言模型的技术。它通过从大规模的知识库中检索相关信息，并利用这些信息来指导语言模型生成更准确和深入的答案。这种方法由 Meta AI 研究人员在 2020 年提出，旨在解决大型语言模型在信息滞后、模型幻觉、私有数据匮乏和内容不可追溯等问题。

RAG 就是可以开卷回复的 LLM。其发展历程：Naive RAG 包含索引、检索、生成三步，存在 召回率低、Prompt 拼接问题。Advanced RAG 优化索引与检索，引入 预检索、后检索策略与数据清洗 提升效率。Modular RAG 实现 模块化流水线与端到端训练，具备更高的 灵活性与适应性。

背景与挑战

尽管 LLM 在处理复杂任务方面表现出色，但在以下三个方面存在局限：

• • 知识局限性：大模型的训练数据来自公开数据源，无法访问非公开和实时数据。

• • 幻觉问题：模型有时会生成错误答案，特别是在缺少特定领域知识时。

• • 数据安全性：涉及内部私有数据时，企业面临数据泄露风险。

RAG 技术通过向量检索与生成模型结合，显著提高了数据处理的深度和准确性。

工作原理

RAG 的工作流程包括两个主要阶段：

1. 1. 数据准备阶段

• • 将内部私有数据向量化存入数据库，构建检索索引。

2. 用户应用阶段

• • 根据用户的 Prompt 检索相关内容，将结果与原 Prompt 组合，生成模型回答。

通过这种方式，RAG 可以搭建团队内部的本地知识库，弥补大模型的知识局限性，解决幻觉和数据隐私问题。然而，RAG 也存在一些主要限制：

• • 数据依赖性强：RAG 系统的效果严重依赖于内置知识库的数据质量和覆盖范围。

• • 检索准确性受限：检索算法可能因索引构建不完善或查询表达模糊导致相关性降低。

• • 模型推理成本高：大型语言模型的推理消耗大量资源，尤其在频繁查询和大规模应用场景中。

• • 技术复杂度高：构建和维护 RAG 系统需要强大的数据管理与模型集成能力，涉及嵌入、索引构建和检索优化等多个复杂组件。

• • 响应延迟与性能瓶颈：在高负载下，检索与推理过程可能导致响应速度变慢，尤其在硬件性能受限的环境中。

AnythingLLM 简介

AnythingLLM 是 Mintplex Labs Inc. 开发的一款开源 ChatGPT 等效工具，用于在安全的环境中与文档进行交互。它融合了从数据处理到用户界面的所有技术，适用于构建个人或企业私有化的知识库。

核心特点

• • 多用户支持和权限管理：支持多个用户和不同权限设置。

• • 支持多种文档类型：PDF、TXT、DOCX、JSON 等。

• • 内置数据连接器：GitHub、GitLab、YouTube、链接抓取、Confluence 等。

• • 多种向量数据库支持：如 LanceDB（默认）、Pinecone、Weaviate 等。

• • 灵活的 LLM 集成：支持 OpenAI、Azure OpenAI、Ollama、LM Studio、LocalAI 等。

• • 成本节约措施：大文档只需嵌入一次，显著降低成本。

• • 开发者 API 支持：便于自定义和扩展。

技术架构

• • 收集器（Collector）：将本地或在线资源转化为 LLM 可用格式。

• • 前端（Frontend）：基于 ViteJS 和 React 构建的用户界面。

• • 服务器（Server）：基于 NodeJS 和 Express 的后端，管理数据库和 LLM 交互。

构建自己的知识库：详细步骤

要在 AnythingLLM 中构建一个私有知识库，可以按照以下步骤操作：

1. 1. 上传文档：将 PDF、TXT、DOCX、JSON 等支持的文档格式上传到系统中。

2. 2. 嵌入向量生成（Embedding）：

• • 使用配置的嵌入模型（如 OpenAI、Azure OpenAI、LocalAI）将文档转化为向量数据。

• • 确保配置正确的嵌入模型以匹配项目需求。

3. 存储到向量数据库：

• • 选择适合的向量数据库，如 LanceDB（默认）、Pinecone、Weaviate。

• • 配置数据库连接，保证数据安全和高效检索。

4. 查询与回答：

• • 用户输入查询，系统将其转化为查询向量。

• • 向量数据库检索最匹配的内容，调用大语言模型（如 OpenAI GPT）生成答案。

• • 返回最终答案，链接相关文档和参考。

在 Docker 中安装 AnythingLLM

参考：Docker 安装指南[2]

export STORAGE_LOCATION=$HOME/anythingllm && \
mkdir -p $STORAGE_LOCATION && \
touch "$STORAGE_LOCATION/.env" && \
docker run -d \
--cap-add SYS_ADMIN \
--network host \
--add-host=host.docker.internal:host-gateway \
-v ${STORAGE_LOCATION}:/app/server/storage \
-v ${STORAGE_LOCATION}/.env:/app/server/.env \
-e STORAGE_DIR="/app/server/storage" \
mintplexlabs/anythingllm

注意：使用 host network，否则容器中无法与 Ollama 通信。

若要在本机运行 Ollama，可以使用下面的命令：

ollama run qwen2.5:14b --keepalive 0

这将会运行 qwen2.5:14b，你也可以选择其他大模型。

打开浏览器：http://localhost:3001

注意：必须选择要接入的 LLM，可以使用 local 或 cloud

Desktop 部署

AnythingLLM 内置的 LLM 引擎支持下载流行的模型如 LLama-3、Phi-3 等，支持 CPU 和 GPU。本地运行适用于试用其基本功能。

参考：Desktop 安装概览[3]

局限性：缺少多用户支持、浏览器插件、用户和 Workspace 管理等功能。

使用体验与问题记录

如果你的电脑性能堪忧的话，强烈不建议你在本地运行大模型。你会遇到各种性能问题，例如下面看到的，在上传文件嵌入到 Workspace 时卡住了。

性能与硬件限制

• • 构建向量数据库特别慢：支持的文档格式很多，但在我的 MacBook Pro 2015（16G 内存，无 M 系列芯片）上，构建向量数据库的过程非常耗时。这是因为文档需要被嵌入模型处理成高维向量，并存储到数据库中。该过程涉及复杂的计算和大量内存操作，导致处理一个 7M 的 JSON 数据需要 3 分钟，而嵌入（Embed）到 Workspace 则需十几分钟，且时常失败。

• • 高性能需求：由于硬件性能受限，运行本地 LLM 十分吃力。运行 Ollama 尚可，但进行 RAG 操作时性能明显不足。

查询与响应延迟

• • 响应慢：在聊天模式下，系统反馈非常慢，通常需要等待几分钟才能得到回复。

常见错误提示与解决方案

• • 查询执行失败：遇到错误提示 Failed to execute query stream: Invalid input, No vector column found to match with the query vector dimension: 4096。

  • • 解决方案：查看官方问题跟踪 [BUG]: Could not respond to message. LanceDBError: No vector column found to create index #1131[4]。

如何改善用户体验

1. 1. 使用商用大模型 API：

• • 如果硬件资源有限，可以考虑使用 OpenAI、Azure OpenAI 等商用大模型 API。这些服务在稳定性和性能方面具有优势，尤其适用于大规模文档处理和实时查询。

2. 优化硬件环境：

• • 使用带有 GPU 加速的现代硬件，推荐内存不低于 32GB，显卡支持 CUDA 的 GPU（如 NVIDIA RTX 系列）来显著提升向量嵌入和模型推理速度。

3. 调整 AnythingLLM 配置：

• • Chat Setting（聊天设置）：配置聊天相关参数，包括模型选择、响应超时、查询历史记录存储策略等。

• • Agent 设置：根据项目需求启用不同类型的代理，如检索代理、对话代理和任务代理。

• • 资源分配与性能优化：在 Docker 或 Kubernetes 部署环境中，设置 CPU、内存和 GPU 加速参数。调整嵌入批处理大小（Batch Size）、线程池大小等性能参数，优化推理与检索性能。

4. 分布式部署与扩展：

• • Kubernetes 集群部署：

  • • 使用 Kubernetes 编排多个 AnythingLLM 实例，确保高可用性和自动扩展能力。

  • • 部署配置包括 ReplicaSet、Pod 自动缩放（HPA）、负载均衡（Service）、存储卷（PersistentVolumeClaim）等。

• • 云服务部署：

  • • 在云平台上运行托管服务，使用容器服务管理。

  • • 配置高性能数据库（如 RDS、Firestore），并启用 CDN 加速文件传输。

• • 数据库和缓存扩展：

  • • 使用分布式数据库（如 Redis、Pinecone、Weaviate）提高查询速度。

  • • 启用数据库主从复制与自动备份，确保数据持久性和高可用性。

5. 升级数据库存储方案：

• • 替换默认数据库 LanceDB，考虑使用更高性能的向量数据库如 Pinecone、Weaviate 等，以减少查询延迟。

6. 代码优化与插件扩展：

• • 定制插件来适配特定任务，并启用数据缓存机制以减少频繁查询对资源的消耗。

总结与展望

AnythingLLM 是一个功能全面的 RAG 解决方案，适用于企业内部知识库构建。通过结合向量检索与大语言模型，该平台提供了强大的文档问答能力。然而，部署和定制化需要一定的技术投入。未来的改进方向包括增强多数据库支持、更灵活的嵌入模型选择以及提升文档解析能力。

引用链接

[1] AnythingLLM: https://anythingllm.com/
[2] Docker 安装指南: https://github.com/Mintplex-Labs/anything-llm/blob/master/docker/HOW_TO_USE_DOCKER.md
[3] Desktop 安装概览: https://docs.anythingllm.com/installation-desktop/overview
[4] [BUG]: Could not respond to message. LanceDBError: No vector column found to create index #1131: https://github.com/Mintplex-Labs/anything-llm/issues/1131