本地AI知识库问答开源技术实现（一）–安装和准备

前言

自从 DeepSeek-R1 火出圈以来，很多个人和公司开始尝试本地化部署，以解决原来一些内部资料安全和隐私问题；我们也尝试在本地进行相关部署，以验证本地知识库是否可行，最终达到以下目的：

  • 所有知识库内容不通过公网流转；
  • 用户可以通过和智能助手聊天的方式来了解各种内部知识；
  • 在不增加太多的成本下实现；

技术原理

前置概念了解

  • 大模型
    • 系统推理模型
    • Embedding 模型
    • Rerank 模型
    • 语音转文字模型
  • 本地模型调度
    • Ollama
    • vLLM
  • 流程编排
    • Dify
  • 知识库
    • RAG

硬件及环境准备

主机 配置 必备软件 说明
192.168.10.1 显卡：支持 CUDA 的显卡均可，显存根据模型大小选择，推荐大小 48G 显存 CPU：不限 内存：大于8G 注：如果没有足够大的显存，ollama 会使用内存和CPU进行模型调度，但速度非常慢； - 用于安装 Ollama
192.168.10.2 CPU：4核 内存：大于16G Docker，Git 用于安装 Dify

模型选择

模型 作用
qwq 用于推理
deepseek-r1:32b 用于推理（备选）
bge-m3 用于处理知识库嵌入向量
qwen2.5:14b 用于分词

开始本地部署

安装 Ollama

  • Ollama 可以很好的管理和调度本地大模型，安装也相对简单；

  • 官网下载地址：Download Ollama on macOS ；

  • 根据操作系统选择合适的安装即可；

  • 安装完成后需配置几个环境变量：

    • OLLAMA_HOST
      • 设置为 0.0.0.0 表示所有主机都可以访问，当非本机访问时需要设置
    • OLLAMA_KEEP_ALIVE
      • 表示模型在显存中保存的时间，设置为 24h 表示保留 24 小时
    • OLLAMA_MAX_LOADED_MODELS
      • 同时加载模型最大数量，大于这个数量最早加载的模型会被卸载
    • OLLAMA_MODELS
      • 模型文件保存目录，windows 默认在 C 盘，建议指定一个速度快的磁盘
      • 因模型文件很大，需要有足够的空间

  • Ollama 安装完成后，可以开始下载模型，可到官网进行模型选择：Ollama Search

  • 使用以下命令下载模型：

    ollama pull deepseek-r1:32b

  • 模型文件非常大，下载时需要保持网络畅通；

  • 模型文件下载完成后，使用以下命令进行使用测试：

    ollama run deepseek-r1:32b

  • 如果成功运行就可以进行对话了；

  • 需要下载以下模型：

    • qwq
    • bge-m3
    • qwen2.5:14b
安装 Dify

  • 如果只有 Ollama 无法很好的进行日常使用，还需要上层的工具来进行管理，这里就用到了 Dify

  • 官网介绍

    Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。

    由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。

  • 目前 Dify 社区版的主要安装方式是使用 Docker Compose ，详情可参考官网：

  • 克隆 Dify 源代码

    git clone https://github.com/langgenius/dify.git

  • 进入 Dify 源代码的 Docker 目录，并复制示例配置文件

    cd dify/docker
cp .env.example .env

  • 启动 Dify

    docker compose up -d

  • 第一次需要从网络上拉取很多内容，所以速度比较慢，需耐心等待

  • 观察所有容器的状态，没有错误表示启动完成，类似这样：

    [+] Running 11/11
✔ Network docker_ssrf_proxy_network  Created          0.1s 
✔ Network docker_default             Created          0.0s 
✔ Container docker-redis-1           Started          2.4s 
✔ Container docker-ssrf_proxy-1      Started          2.8s 
✔ Container docker-sandbox-1         Started          2.7s 
✔ Container docker-web-1             Started          2.7s 
✔ Container docker-weaviate-1        Started          2.4s 
✔ Container docker-db-1              Started          2.7s 
✔ Container docker-api-1             Started          6.5s 
✔ Container docker-worker-1          Started          6.4s 
✔ Container docker-nginx-1           Started          7.1s

  • 启动完成后，即可访问这台主机：

    http://192.168.10.2

  • 第一次访问会提示创建管理员用户，输入需要的用户名和密码完成配置；

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

  • 目标：了解AI大模型的基本概念、发展历程和核心原理。

  • 内容：

    • L1.1 人工智能简述与大模型起源
    • L1.2 大模型与通用人工智能
    • L1.3 GPT模型的发展历程
    • L1.4 模型工程
    • L1.4.1 知识大模型
    • L1.4.2 生产大模型
    • L1.4.3 模型工程方法论
    • L1.4.4 模型工程实践
    • L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程

  • 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

  • 内容：

    • L2.1 API接口
    • L2.1.1 OpenAI API接口
    • L2.1.2 Python接口接入
    • L2.1.3 BOT工具类框架
    • L2.1.4 代码示例
    • L2.2 Prompt框架
    • L2.3 流水线工程
    • L2.4 总结与展望
阶段3：AI大模型应用架构实践

  • 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

  • 内容：

    • L3.1 Agent模型框架
    • L3.2 MetaGPT
    • L3.3 ChatGLM
    • L3.4 LLAMA
    • L3.5 其他大模型介绍
阶段4：AI大模型私有化部署

  • 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

  • 内容：

    • L4.1 模型私有化部署概述
    • L4.2 模型私有化部署的关键技术
    • L4.3 模型私有化部署的实施步骤
    • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

# 人工智能 # 服务器 # RAG # python
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

数据结构 第二章 线性表

avatar 2048 AI社区

LangChain 1.0 中间件Hook机制与实战应用

本文深入解析LangChain 1.0中间件的6个Hook点（before_agent、before_model、wrap_model_call、wrap_tool_call、after_model、after_agent），并通过SummarizationMiddleware等实战案例，帮助开发者掌握中间件的具体应用方法。

avatar 2048 AI社区
cover

《解码AI“乐高”：深入理解TensorFlow张量操作与广播机制》

avatar 2048 AI社区