優(yōu)美網(wǎng)站源碼,珠海外貿(mào)網(wǎng)站建設(shè),網(wǎng)站建設(shè)設(shè)計制作外包,線上p2p網(wǎng)站建設(shè)本篇就來講RAG#xff08;增強檢索生成#xff09;#xff0c;實操階段基于網(wǎng)易開源的本地知識庫的問答系統(tǒng) QAnything。 今天帶大家一起搭建一個本地知識庫的問答系統(tǒng) QAnything#xff0c;QAnything特點的是界面友好#xff0c;簡單易用#xff0c;知識庫管理和問答之外…本篇就來講RAG增強檢索生成實操階段基于網(wǎng)易開源的本地知識庫的問答系統(tǒng)QAnything。今天帶大家一起搭建一個本地知識庫的問答系統(tǒng)QAnythingQAnything特點的是界面友好簡單易用知識庫管理和問答之外也提供了 Agent、速讀、AI寫手等能力。文章主要內(nèi)容一、什么是QAnythingQAnything (Question and Answer based on Anything) 是一款由網(wǎng)易開源的本地知識庫問答系統(tǒng)致力于支持任意格式文件或數(shù)據(jù)庫的本地知識庫問答系統(tǒng)可斷網(wǎng)安裝使用非常適合對數(shù)據(jù)安全有高要求的場景。您的任何格式的本地文件都可以往里扔即可獲得準確、快速、靠譜的問答體驗。目前已支持格式:PDF(pdf)Word(docx)PPT(pptx)XLS(xlsx)Markdown(md)電子郵件(eml)TXT(txt)圖片(jpgjpegpng)CSV(csv)二、QAnything的特點● 數(shù)據(jù)安全支持全程拔網(wǎng)線安裝使用?！?支持文件類型多解析成功率高支持跨語種問答中英文問答隨意切換無所謂文件是什么語種?！?支持海量數(shù)據(jù)問答兩階段向量排序解決了大規(guī)模數(shù)據(jù)檢索退化的問題數(shù)據(jù)越多效果越好不限制上傳文件數(shù)量檢索速度快?！?硬件友好默認在純CPU環(huán)境下運行且winmaclinux多端支持除docker外無依賴項?！?易用性無需繁瑣的配置一鍵安裝部署開箱即用各依賴組件pdf解析ocrembedrerank等完全獨立支持自由替換?！?支持類似Kimi的快速開始模式無文件聊天模式僅檢索模式自定義Bot模式。三、QAnything的架構(gòu)四、特性介紹4.1 最新特性表特性python(v1.4.2)docker(v1.1.2)全部QAanything(v2.0.8)說明詳細安裝文檔???API支持???生產(chǎn)環(huán)境小型生產(chǎn)環(huán)境???離線使用???支持多并發(fā)???支持多卡推理?v2.0.8版本不再提供默認版本LLM需用戶自行通過ollama等工具部署本地LLM支持MacM系列芯片??支持Linux???python舊版本Linux默認安裝tensorflow-cpu如需使用cudn2-gitb2.0時自動切換為nonatickm支持windows無需WSL??python舊版本均可以通過安裝支持cudn2直接在非WSL環(huán)境下啟動支持CPU環(huán)境???支持bertembeddingBM2相似度排序???支持聯(lián)網(wǎng)檢索需外網(wǎng)VPN?支持FAQ問答???支持自定認機器人可綁定知識庫可分享???支持文件溯源數(shù)據(jù)來源可直接點擊打開???支持問答日志檢索???支持解析語音文件依賴ffmpeg解析速度慢??支持OpenClossOS??支持與OpenAI接口兼容直接開搞大模型免費的錢錢??rdf包含表格解析效率?v1.4.2版本手動設(shè)置v0.0.0無手動設(shè)置qdf解析效果和性能均有提升用戶自定義embed、trank接口實驗性提升速度?v1.4.2需手動設(shè)置v2.0.0默認使用最佳配置其他文件類型解析效果?支持獨立服務調(diào)用???v2.0.9版本獨立服務器包括chat服務可獨立調(diào)用http支持快速開始模式???快速開始無需創(chuàng)建知識庫支持無文件問答支持僅檢索模式???僅返回檢索結(jié)果不調(diào)用大模型進行問答支持解析結(jié)果chunk內(nèi)容可編輯手動編輯???v2.0.0版本支持手動編輯chunk內(nèi)容實時生效支持解析圖片文檔支持回?4.2 V2.0.0版本新增細節(jié)優(yōu)化● 支持前端配置API_BASEAPI_KEY文本分片大小輸出token數(shù)量上下文消息數(shù)量等參數(shù)● 優(yōu)化Bot角色設(shè)定的指令遵循效果每個Bot可單獨配置模型參數(shù)● 支持創(chuàng)建多個對話窗口同時保存多份歷史問答記錄● 支持問答記錄保存成圖片● 優(yōu)化上傳文件邏輯解析文件與問答請求獨立上傳文件不再影響問答● 優(yōu)化鏡像大小舊版本鏡像壓縮后大小為18.94GB-新版鏡像壓縮后大小為4.88GB降為原有的1/4提供完整Dockerfile● 檢索優(yōu)化chunks新增片段融合與排序聚合單文檔或雙文檔● 檢索階段和問答階段均嵌入metadata信息提升檢索和問答效果4.3 各階段數(shù)據(jù)展示● 知識庫所有文件上傳進度展示 ● 知識庫單個文件上傳進度展示上傳各階段耗時 ● 問答信息統(tǒng)計包含問答各階段耗時tokens消耗模型信息等 ● 用戶信息統(tǒng)計包含上傳文件總數(shù)量總耗時問答歷史記錄等五、安裝指南5.1 必要條件系統(tǒng)依賴要求說明通用RAM Memory 20GBLinux/MacDocker version 20.10.5[docker install]Linux/Macdocker compose version 2.23.3[docker-compose install]WindowsDocker Desktop 4.26.1131620[Docker Desktop for Windows]5.2 下載及安裝mkdir -p /data/RAG cd /data/RAGgit clone https://github.com/netease-youdao/QAnything.gitcd QAnythingls -lplaintext在 Linux 上啟動docker-compose -f docker-compose-linux.yaml up -d# 在 Mac 上啟動docker-compose -f docker-compose-mac.yaml up -d# 在 Windows 上啟動docker-compose -f docker-compose-win.yaml up -d這一步包括拉取鏡像和啟動拉取鏡像的過程較長大概10多分鐘。5.3 使用演示新建知識庫上傳本地文件系統(tǒng)自動解析。問答體驗輸入問題獲取精準答案支持溯源查看原文。自定義Bot綁定知識庫打造專屬AI助手。QAnything默認端口8777運行成功后即可在瀏覽器輸入以下地址進行體驗http://localhost:8777/qanything/新建知識庫上傳文檔集錄入問答集六、總結(jié)QAnything是一款強大且易用的本地知識庫問答工具特別適合企業(yè)、研究團隊或個人用戶管理海量文檔。它的離線安全、多格式支持和高效檢索能力使其成為知識管理的利器。無論是搭建內(nèi)部知識庫還是快速查找文件內(nèi)容QAnything都能輕松勝任。想入門 AI 大模型卻找不到清晰方向備考大廠 AI 崗還在四處搜集零散資料別再浪費時間啦2025 年AI 大模型全套學習資料已整理完畢從學習路線到面試真題從工具教程到行業(yè)報告一站式覆蓋你的所有需求現(xiàn)在全部免費分享掃碼免費領(lǐng)取全部內(nèi)容?一、學習必備100本大模型電子書26 份行業(yè)報告 600 套技術(shù)PPT幫你看透 AI 趨勢想了解大模型的行業(yè)動態(tài)、商業(yè)落地案例大模型電子書這份資料幫你站在 “行業(yè)高度” 學 AI1. 100本大模型方向電子書2. 26 份行業(yè)研究報告覆蓋多領(lǐng)域?qū)嵺`與趨勢報告包含阿里、DeepSeek 等權(quán)威機構(gòu)發(fā)布的核心內(nèi)容涵蓋職業(yè)趨勢《AI 職業(yè)趨勢報告》《中國 AI 人才糧倉模型解析》商業(yè)落地《生成式 AI 商業(yè)落地白皮書》《AI Agent 應用落地技術(shù)白皮書》領(lǐng)域細分《AGI 在金融領(lǐng)域的應用報告》《AI GC 實踐案例集》行業(yè)監(jiān)測《2024 年中國大模型季度監(jiān)測報告》《2025 年中國技術(shù)市場發(fā)展趨勢》。3. 600套技術(shù)大會 PPT聽行業(yè)大咖講實戰(zhàn)PPT 整理自 2024-2025 年熱門技術(shù)大會包含百度、騰訊、字節(jié)等企業(yè)的一線實踐安全方向《端側(cè)大模型的安全建設(shè)》《大模型驅(qū)動安全升級騰訊代碼安全實踐》產(chǎn)品與創(chuàng)新《大模型產(chǎn)品如何創(chuàng)新與創(chuàng)收》《AI 時代的新范式構(gòu)建 AI 產(chǎn)品》多模態(tài)與 Agent《Step-Video 開源模型視頻生成進展》《Agentic RAG 的現(xiàn)在與未來》工程落地《從原型到生產(chǎn)AgentOps 加速字節(jié) AI 應用落地》《智能代碼助手 CodeFuse 的架構(gòu)設(shè)計》。二、求職必看大廠 AI 崗面試 “彈藥庫”300 真題 107 道面經(jīng)直接抱走想沖字節(jié)、騰訊、阿里、蔚來等大廠 AI 崗這份面試資料幫你提前 “押題”拒絕臨場慌1. 107 道大廠面經(jīng)覆蓋 Prompt、RAG、大模型應用工程師等熱門崗位面經(jīng)整理自 2021-2025 年真實面試場景包含 TPlink、字節(jié)、騰訊、蔚來、蝦皮、中興、科大訊飛、京東等企業(yè)的高頻考題每道題都附帶思路解析2. 102 道 AI 大模型真題直擊大模型核心考點針對大模型專屬考題從概念到實踐全面覆蓋幫你理清底層邏輯3. 97 道 LLMs 真題聚焦大型語言模型高頻問題專門拆解 LLMs 的核心痛點與解決方案比如讓很多人頭疼的 “復讀機問題”三、路線必明 AI 大模型學習路線圖1 張圖理清核心內(nèi)容剛接觸 AI 大模型不知道該從哪學起這份「AI大模型 學習路線圖」直接幫你劃重點不用再盲目摸索路線圖涵蓋 5 大核心板塊從基礎(chǔ)到進階層層遞進一步步帶你從入門到進階從理論到實戰(zhàn)。L1階段:啟航篇丨極速破界AI新時代L1階段了解大模型的基礎(chǔ)知識以及大模型在各個行業(yè)的應用和分析學習理解大模型的核心原理、關(guān)鍵技術(shù)以及大模型應用場景。L2階段攻堅篇丨RAG開發(fā)實戰(zhàn)工坊L2階段AI大模型RAG應用開發(fā)工程主要學習RAG檢索增強生成包括Naive RAG、Advanced-RAG以及RAG性能評估還有GraphRAG在內(nèi)的多個RAG熱門項目的分析。L3階段躍遷篇丨Agent智能體架構(gòu)設(shè)計L3階段大模型Agent應用架構(gòu)進階實現(xiàn)主要學習LangChain、 LIamaIndex框架也會學習到AutoGPT、 MetaGPT等多Agent系統(tǒng)打造Agent智能體。L4階段精進篇丨模型微調(diào)與私有化部署L4階段大模型的微調(diào)和私有化部署更加深入的探討Transformer架構(gòu)學習大模型的微調(diào)技術(shù)利用DeepSpeed、Lamam Factory等工具快速進行模型微調(diào)并通過Ollama、vLLM等推理部署框架實現(xiàn)模型的快速部署。L5階段專題集丨特訓篇 【錄播課】四、資料領(lǐng)取全套內(nèi)容免費抱走學 AI 不用再找第二份不管你是 0 基礎(chǔ)想入門 AI 大模型還是有基礎(chǔ)想沖刺大廠、了解行業(yè)趨勢這份資料都能滿足你現(xiàn)在只需按照提示操作就能免費領(lǐng)取掃碼免費領(lǐng)取全部內(nèi)容?2025 年想抓住 AI 大模型的風口別猶豫這份免費資料就是你的 “起跑線”