一、什么是anythingllm以及它的原理是什么？

(1)什么是anythingllm？

Anythingllm其实是一个框架，将大语言模型llm、嵌入模型、向量数据库组合起来的这么一个东西。

用土木话来举例：

anythingllm：它相当于就是一个工地，里面已经帮你找好了各种设施和人，你直接可以进去当项目经理了。

大语言模型llm：说白了就是一个技术总工这个职位，它知识渊博，但是没有专门针对你的项目的知识，你问他东西时最好给它一堆你的项目资料，这样它才能针对你这个项目进行准确的回答。这个总工可以是你公司自带的（用你自己电脑运行的，能力根据你的电脑好坏决定），也可以是临时调过来的（就是调用大公司的服务器，按说话多少收费，价格还好，但能力强，但会有隐私问题嘛）

我们常说的deepseek,openai,claude，QWEN这些语言模型，就是这个技术总工的职位。

嵌入式模型：工地里面的资料员，它负责将你给它的资料整理好，放到资料柜里面。同时，它也负责找资料。你不要想用技术总工来找资料，找不到的。（这些嵌入式模型也是专门训练将数据转化成向量坐标，也可以将向量坐标转化成文字。）

向量数据库：档案室里面的专门一排一排的资料柜（这种是专门用于AI存储和搜索的数据库）

（2）anythingllm的原理

(1)先上传资料（一堆资料）

(2)资料员这资料分块（按照大小、语言意思、标点符号）等

(3)存入档案室

(4)你提出问题A

(5)资料员找出A意思相近的几个资料B

(6)总工拿到资料A和B，回答你的问题

二、怎么设置好anythingllm

由于今天我测试时候发现，anythingllm安装的时候自带的ollama是封装版本还不能升级，

不好用，所以我重新下载了专门的windows版本。

（建议新安装版本，不然用不了最新的qwen3嵌入模型）

（1）ollama.com/download

（2）右键安装包“以管理员身份安装”【只能默认安装在C盘】

（3）调设置，如果没有自动打开，打开左下角开始菜单，找ollama打开。

（4）记住刚才放模型这个文件夹位置，我的是f:\models

右键--我的电脑--属性--高级系统设置--环境变量--（系统变量）新建

设置参数：变量名：OLLAMA_MODELS

变量值：F:\models（你刚设定的地址）

以后大模型就下载到这里，不占用C盘大小。

（5）关闭原来anythingllm自带的ollama

找到你安装anythingllm的位置。进入resources文件

找到llm.exe这个文件，改他的名字成llm.exe.bak或者直接删除它。

（1）嵌入式模型

嵌入模型有很多种，我测试过，

anythingllm自带的嵌入模型不好用，不适合中文的。

所以建议重新下载。

（1）到ollama的官网ollama.com/search

（2）打开你的CMD或者powershell

输入进去，回车。等待下载安装。

（3）选择嵌入模型

返回到anythingllm

1、要么在cmd中输入ollama serve打开它

2、要么点击开始-ollama打开它才会出现选择

（2）LLM大语言模型

这个同样的操作，到ollama官网上下载合适你电脑大小的大语言模型

推荐

（1）deepseek r1的1.3b-----支持128k上下文

(2)qwen3:1.7b--最新发布

（3)选择调用API模型

anythingllm里面可以选deepseek和moonshot两个

到官网注册platform.deepseek.com/usage

冲5元可以用很久了。复制自己的api key。

moonshot月之暗面

platform.moonshot.cn/console/acc…

(3)向量数据库的设置

就用默认这个，我查过问过很多次了

lanceDB适合个人使用，包括后续升级、迁移到服务器以及响应和性价比，都是最适合个人的。

• AnythingLLM 的召回=“向量 + 可选全文 + 可选过滤 + 可选重排”。
• 能否玩“全文”“混合”完全取决于你选的向量数据库——LanceDB/Qdrant/Weaviate/Milvus 可以，Chroma/Pinecone 不行。
• 2025 年想“开箱即用”选 LanceDB；要“企业级高并发”选 Qdrant；要“百亿向量云原生”选 Milvus/Zilliz；要“零运维托管”选 Pinecone。

~1 亿向量~数百万向量~5 千万向量~5 千万向量无上限无上限混合检索 (BM25)✅ 内置❌✅✅✅❌运维/升级无感知重启脚本即可手动重启容器手动重启需监控 etcd+minio全自动云费用（腾讯云轻量 4C8G）60 元/月60 元/月120 元/月120 元/月250+ 元/月按量 30-100 元/月闭源锁定无无无无无❌ 完全托管推荐指数（单人）⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐

（3）参数怎么设置

anythingllm里面有很多参数直接影响问答的效果，但并没有完全正确的答案，只能因为每个人的资料不同而最佳参数不一。

1、文本拆分和分块首选

因为我们将资料放入AI知识库不是整个文档放入，而是将文档拆成差不多大小的一张资料，这样存放的。

我这里设置的是最大可以2048个字符作为一张资料，然后下一张资料开头会复制上一张资料的后256个字符。

通俗讲：

““把一整本设计图纸切成一段段‘钢筋笼’（块），每根笼最长 2 048 字符；相邻两根笼要互相搭接 256 字符的箍筋，保证受力连续不脱节。”

为什么要这样做？

你的资料员不够强！

如果我想将整个资料盒放一块可以吗？

可以，加钱。

同时你的总工要够厉害，不然这么短时间读不懂这么多资料。

加钱也可以解决。

建议处理：将你的电脑参数发给AI，要包含内存大小、CPU、显卡等参数，让它推荐你最佳参数。

这个是允许你的资料员将资料拆成多大。

这个数越大，对电脑要求越高。

和上面这个文本拆分填一致也可以。

问ai

2、工作区如何设置？

Search Preference（搜索策略）

• Accuracy Optimized ＝「宁可多花 10 秒，也要把钢筋笼焊牢」 系统会：
• 多召回几段 → 用 rerank 重打分 → 再送 LLM
• 速度变慢，但「漏钢筋」概率最低

最大上下文片段（Max Source Chunks）

• 官方文字：每次聊天/查询最多送多少段文档给大模型
• 土木类比：「一次吊装最多几根钢筋笼」
• 段数越多 → 吊车越大 → 答案越全，但 token 费用↑
• 段数越少 → 吊装快，但可能漏关键受力区

文档相似性阈值（Similarity Threshold）

• 官方文字：「低于这个分数的文档段，一律不要」
• 土木类比：「低于 XX MPa 的混凝土，一律退场」

建议选中或高→ 过滤「看起来有点像但实则无关」的段，答案更干净。你的提问越精准，建议选高。先手选低或无限制，后面调高。

三、开始操作