DeepSeek + AnythingLLM 简单三步搭建个人知识库

你想过和自己聊天吗？

你想通过对话的方式读一本书，或看一篇几万字的论文吗？

如果你有以下需求之一：

1. 想将自己积累了很久的笔记整合起来，方便自己分析。

2. 想建立自己的素材库。

3. 你（或你的孩子）想通过对话聊天的方式学习新知识。

那么建议你跟着这篇教程，赶紧搭建一套个人知识库，来快速检自己想要的信息。

主流的个人知识库软件有 AnythingLLM、Dify、Cherry Studio、MaxKB 等。

其中 AnythingLLM 功能强大，但 Dify 和 Cherry Studio 对中国用户更友好，这里我用 AnythingLLM 为例说下如何搭建个人知识库。

AnythingLLM 提供了桌面版和 Docker 等几种安装方式，其中桌面版的安装简单，Docker 安装的功能会更丰富一些。

我把这两种方式都说下。

你也可以根据自己电脑的操作系统复制下面地址下载：

1. 苹果系统：https://cdn.anythingllm.com/latest/AnythingLLMDesktop-Silicon.dmg

2. Windows: https://cdn.anythingllm.com/latest/AnythingLLMDesktop.exe

3. Linux：执行 curl -fsSL https://cdn.anythingllm.com/latest/installer.sh | sh 下载安装。

下载完成后，点击安装包一路安装就行。安装完成后，点击 AnythingLLM 图标启动服务。

Docker 安装的 anythingllm 有些自己独有的配置，如自定义头像等功能，Docker 的安装过程如下：

在终端执行如下命令拉取镜像：

docker pull mintplexlabs/anythingllm

拉取完成后就启动实例了，对于 macOS 和 Linux 系统用户而言，执行如下命令启动 Docker 容器：

export STORAGE_LOCATION=$HOME/anythingllm && \mkdir -p $STORAGE_LOCATION && \touch "$STORAGE_LOCATION/.env" && \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

对于 Windows 用户，在 powershell/wsl 中执行如下命令：

$env:STORAGE_LOCATION="$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;

执行成功后，在浏览器中打开 localhost:3001 使用 AnythingLLM。

如果有如下报错：  

docker: Error response from daemon: Mounts denied:

The path /Users/maming/software/anythingllm/.env is not shared from the host and is not known to Docker.

You can configure shared paths from Docker -> Preferences... -> Resources -> File Sharing.

See https://docs.docker.com/desktop/settings/mac/#file-sharing for more info.

则打开 Docker 桌面版，点击设置 -> Resources -> File sharing -> 添加目录 -> Apply & restart 后，再重新执行 Docker 命令启动 AnythingLLM。

初次打开 AnythingLLM 时，欢迎页面如下图，点击 "Get started"：

在 LLM Preference 中，根据自己的需求配置大语言模型。

以 DeepSeek 为例，点击选择 DeepSeek 后，然后去 https://platform.deepseek.com/api_keys 点击创建 API key，复制 key 粘贴到下图的 API key 输入框中，再选择对话模型为 deepseek-reasoner，即 R1。

由于 DeepSeek 官网 API 太卡，所以这里我以硅基流动作为默认配置，如果你不知道怎么操作的话，可以参考此文来创建硅基流动的 Key。

如果想使用硅基流动的服务，则需要选择 Generic OpenAI，各选项值如下：

1. Base URL：https://api.siliconflow.cn/v1

2. API Key：需要你在 https://cloud.siliconflow.cn/account/ak 中创建一个 key

3. Chat Model Name：如果是 DeepSeek R1 的话，则为 deepseek-ai/DeepSeek-R1。你也可以在模型广场 https://cloud.siliconflow.cn/models 中查看其他模型名称。

4. Token context window：DeepSeek R1 上下文长度最大为 64k，所以这里直接写 65536。

5. Max Tokens：查看硅基流动文档知，deepseek-ai/DeepSeek-R1 最大 token 为 8192。

配置完成后，点击向右箭头的按钮，进入下一步。

配置邮件地和用途，继续下一步。

然后配置工作区名称，比如我就叫 workspace，点击下一步完成配置。

进入主页面后，我们再进行一些通用设置，如修改主题色，修改展示语言为中文。

配置完成后，点击自己的工作区，就可以开始对话啦。

接下来我们看看如何配置个人知识库，建议是根据不同的功能创建不同的工作区，如我们可以为生活、写作、读书等创建不同的工作区。

注：本部分即上面视频演示的部分。

点击"新工作区"，输入工作区名，比如我取名为“DeepSeek 教练”，用于帮助我们学习 DeepSeek 知识。

接着点击上传按钮，上传文件。

然后上传我们的学习知识，PDF 以现在很火热的清华大学《DeepSeek：从入门到精通》为例，点击上传就可以了。网址以 https://qileq.com/404/ 、 https://qileq.com/408/ 为例，点击 "Fetch website" 就行了。

然后选中所有文档，点击 "Move to Workspace"，将文档移动到工作区。

点击 Save and Embed，等待数据向量化完成。

回到聊天区域，我们问个之前说过的一个好用的模板：“Deepseek 有什么好用的聊天模板吗？”

诶，他的回答就是我们在之前的文章中说的。

末尾还会显示引用来源，是不是很好用！

这里举了个简单例子帮我们测试整个流程，在实际使用的话，你可以将论文、课本、文章、英文资料等等都上传到自己的工作区，然后针对性的提问，这样能大大的提升效果！

AnythingLLM 还支持 Agent 功能，比如联网搜索、生成图表等，我们需要在设置的“代理技能”中

开启这些功能，然后点击保存就行了。

对于联网搜索功能而言，还需要我们指定搜索引擎：图简单的话，就使用 DuckDuckGo，无需额外配置，配置好后点击保存按钮。

如果想要更准确的结果，则使用 Google 或 Bing，这两者需要申请 API Key，其中 Google 每天有 100 次的免费查询额度，Bing 每个月有 1000 次免费查询额度。

在使用时需要我们指定对应的 @agent 才会生效，不过我在使用时，发现并不好用。

AnythingLLM 还对 Agent 做了些技能扩展，点击设置 -> Community Hub -> Explore Trending 可查看这些扩展。

如生成 Google 和 Outlook 的日历事件。

还可以增加更多斜线 / 命令。

如我们将 /flashcards 加入工作区后，只需要执行 /flashcards 即会根据工作区内容生成 flashcard，这种命令对学习英语还是蛮有用的。

同样的，将 /translate 加入工作区后，只需要执行 /translate 即可翻译内容。

就我的使用经验来看，AnythingLLM 的功能还是很丰富的，但软件偶尔会有些 bug，整体还是蛮好用的。