手把手带你在Windows中搭建本地知识库（基于ollama本地部署大模型+客户端安装版AnythingLLM）非docker环境部署

一、Ollama安装 
        Ollama 是一个专注于本地运行大型语言模型（LLM）的框架，它使得用户能够在自己的计算机上轻松地部署和使用大型语言模型，而无需依赖昂贵的GPU资源。Ollama 提供了一系列的工具和服务，旨在简化大型语言模型的安装、配置和使用过程，让更多人能够体验到人工智能的强大能力。Ollama的下载和安装直接从官网下载windows版本的客户端，直接点击客户端文件默认安装就行了，这里不再赘述。

二、安装AnythingLLM

        2-1. AnythingLLM 简介
        AnythingLLM 是 Mintplex Labs 开发的一款可以与任何内容聊天的私人ChatGPT，是高效、可定制、开源的企业级文档聊天机器人解决方案。它能够将任何文档、资源或内容片段转化为大语言模型（LLM）在聊天中可以利用的相关上下文。

        AnythingLLM 支持多种文档类型（PDF、TXT、DOCX等），具有对话和查询两种聊天模式。

支持多种 LLM、嵌入模型和向量数据库：

        LLM：包括任何开源的 llama.cpp 兼容模型、OpenAI、Azure OpenAI、Anthropic ClaudeV2、LM Studio 和 LocalAi。
        嵌入模型：AnythingLLM 原生嵌入器、OpenAI、Azure OpenAI、LM Studio 和 LocalAI。
        向量数据库：LanceDB（默认）、Pinecone、Chroma、Weaviate 和 QDrant。

        AnythingLLM 主要由三部分组成:收集器、前端和服务器。

collector：Python 工具，可快速将在线资源或本地文档转换为 LLM 可用格式。
frontend：ViteJS + React 前端，用于创建和管理 LLM 可使用的所有内容。
server：NodeJS + Express 服务器，处理所有向量数据库管理和 LLM 交互。
        可见，AnythingLLM是一个功能丰富，集成度很高的RAG框架，其在github上的开源项目（anything-llm），已经有1万2千多Star。它不仅仅是一个聊天机器人，是一个全栈应用程序，旨在通过一个精心设计的用户界面，为客户提供与文档、资源等进行智能对话的最简单方式。该工具的一个独特之处在于，它可以在后台简单地运行，而不需要使用大量的内存或资源。

        AnythingLLM将文档的容器化作为其基础。在这种情况下，不同的工作区可以共享相同的记录，但不能相互交互，从而允许用户为不同的用例维护不同的工作区。AnythingLLM包括两种聊天模式：对话模式，其中保留以前的问题；查询模式，指针对用户指定的文档进行简单的问答聊天。此外，对于公开可访问的文档，每个聊天响应还包括一个引用，链接到原始内容。

        2-1. AnythingLLM 安装
        AnythingLLM安装有很多方式，一是到官方网站(Download AnythingLLM for Desktop)下载桌面版，然后双击安装即可。

        桌面版Desktop版的功能与Docker版本相比，要少很多，建议如果是团队使用还是安装Docker版的。（如果对数据非常敏感的，建议还是使用桌面版）

        docker版安装首先你的安装了docker，然后执行命令拉一个镜像：docker pull mintplexlabs/anythingllm
        按照官方说明，输入下列命令： 

# Run this in powershell terminal
$env:STORAGE_LOCATION="$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 "$env:STORAGE_LOCATION\.env" -ItemType File}; `
docker run -d -p 3001:3001 `
--cap-add SYS_ADMIN `
-v "$env:STORAGE_LOCATION`:/app/server/storage" `
-v "$env:STORAGE_LOCATION\.env:/app/server/.env" `
-e STORAGE_DIR="/app/server/storage" `
mintplexlabs/anythingllm;
        然后就开源打开浏览器，输入网址http://localhost:3001/，显示Anyting LLM入口。

        2-3. AnythingLLM 配置
        LLM配置选择        选择 Ollama，填入 Ollama 的 http://localhost:11434 端口，然后选择下载的模型。

Embedding 和向量数据库配置，可以选择AnythingLLM 自带的 AnythingLLMEmbedder，以及默认使用内置的向量数据库 LanceDB就行

三、AnythingLLM 测试
       配置工作区worksapce
        点击New Workspace新建文档库，填写名称test-llm-001。接着我们将一个文档内容存储为简单的txt文件，作为LLM的外部文档。点击按钮开始添加文档，并将文档移动到（工作区/Workspace)，然后点击Save and Embed，出现Workspace updated successfully就表示配置已经完成了。以上就是以Ollama和AnythingLLM为实现手段，构建了本地知识库

四、相关补充

AnythingLLM 的桌面版和docker版区别
3-1. 功能差异
桌面版：
功能简洁：主要用于单用户本地使用，功能较为基础。
隐私保护：所有数据仅存储在本地设备上，适合对隐私要求较高的用户。
安装简单：通过官网下载安装包，一键安装。
Docker 版：
功能丰富：支持多用户访问、工作区隔离、权限管理等功能。
多用户支持：适合团队协作，管理员可以控制用户权限。
扩展性强：支持嵌入式聊天小部件，可集成到网站中。
配置灵活：可以通过 .env 文件自定义配置。
3-2. 部署方式
桌面版：
安装方式：直接从官网下载对应操作系统的安装包（如 .exe、.dmg 等），双击安装。
启动方式：安装完成后，直接点击桌面图标启动。
Docker 版：
安装方式：需要先安装 Docker，然后通过 Docker 拉取镜像并启动容器。
启动命令：
bash复制
docker pull mintplexlabs/anythingllm
docker run -d -p 3001:3001 \
--cap-add SYS_ADMIN \
-v ${STORAGE_LOCATION}:/app/server/storage \
-v ${STORAGE_LOCATION}/.env:/app/server/.env \
-e STORAGE_DIR="/app/server/storage" \
mintplexlabs/anythingllm
其中，STORAGE_LOCATION 是本地存储路径。
访问方式：通过浏览器访问 http://localhost:3001。
3-3. 适用场景
桌面版：
个人使用：适合单用户在本地设备上使用，不需要复杂的配置。
隐私优先：适合对数据隐私要求较高的用户，所有数据仅存储在本地。
Docker 版：
团队协作：适合多人团队使用，支持多用户管理。
企业部署：适合需要在服务器上部署，支持多用户访问和管理。
集成扩展：适合需要将聊天功能集成到网站或应用中的场景。
4. 硬件要求
桌面版：
最低要求：建议至少 8GB 内存。
推荐配置：16GB 内存或更高。
Docker 版：
最低要求：建议至少 8GB 内存。
推荐配置：16GB 内存或更高。
5. 总结
如果你只需要单用户本地使用，且对隐私要求较高，推荐使用 桌面版。
如果你需要多用户支持、团队协作、扩展功能（如嵌入式聊天小部件），则推荐使用 Docker 版