一 简介
初期接触LLM即大语言模型，觉得虽然很强大，但是有时候AI会一本正经的胡说八道，这种大模型的幻觉对于日常使用来说具有很大的误导性，特别是如果我们要用在生成环境下，由于缺少精确性而无法使用。
为什么会造成这种结果那，简单来说就是模型是为了通用性设计的，缺少相关知识，所以导致回复的结果存在胡说八道的情况，根据香农理论，减少信息熵，就需要引入更多信息。
从这个角度来说，就有两个途径，一是重新利用相关专业知识再次训练加强模型，或进行模型微调；
模型训练的成本是巨大的，微调也需要重新标记数据和大量的计算资源，对于个人来说基本不太现实；
二是在问LLM问题的时候，增加些知识背景，让模型可以根据这些知识背景来回复问题；后者即是知识库的构建原理了。
有个专门的概念叫RAG（Retrieval-Augmented Generation），即检索增强生成，是一种结合检索技术和生成模型的技术框架，旨在提升模型生成内容的准确性和相关性。其核心思想是：在生成答案前，先从外部知识库中检索相关信息，再将检索结果与用户输入结合，指导生成模型输出更可靠的回答。
二 RAG原理
简单概述，利用已有的文档、内部知识生成向量知识库，在提问的时候结合库的内容一起给大模型，让其回答的更准确，它结合了信息检索和大模型技术；
分步骤来说，首先是检索阶段，当用户输入一个问题时，系统会从外部数据库或文档中检索相关的信息或文档片段。然后，在生成阶段，这些检索到的信息会和原始问题一起输入到生成模型中，生成最终的答案。这样，模型不仅依赖于内部知识，还能利用外部实时或特定的数据。
我们日常简单通过chat交互方式使用大模型如下图：
我们搭建了RAG后，整体架构如下图：
说明：
建立索引： 需要将日常的业务知识，以文件形式给分成较短的块（chunk），然后进行编码，向量化存入到向量化的库中；nomic-embed-text-v1模型就是做这个事情的。
检索向量库： 根据用户的提问，到向量库中去进行向量匹配，检索出相似的chunk，作为提问的上下文；
生成回复： 将用户的提问内容和检索的块结合发送给大模型，大模型结合两者进行问题的回复；
这样做有什么好处那?
- 由于日常的业务知识是保存到本地的，所以减少信息泄露的风险；
- 由于提问结合了业务知识，所以减少了模型的幻觉，即减少了模型的胡说八道；
- 模型的回复结合了业务知识和实时知识，所以实时性可以更好；
- 不用重新训练模型，微调模型降低了成本；
三 实践
需要安装以下工具：
- Ollama： 用于下载和管理模型，前面文章介绍过；
- DeepSeek-R1 : 我们本次要使用的LLM模型，前面文章也介绍过；
- Nomic-Embed-Text向量模型： 用于将文本库进行切分，编码，转换进入向量库；
- AnythingLLM： 开源AI私有化应用构建平台，即将多个模型搭配起来，共同构建一个私有化应用；利用强大的内置工具和功能快速运行本地 LLM，无需复杂的设置。
Ollama和DeepSeek-R1模型前面已经安装过了，就不再赘述，下面安装另外两个工具；
3.1 Nomic-Embed-Text 模型安装
简单介绍下，Nomic-Embed-Text模型是一个强大的嵌入式文本处理工具，将我们的业务知识（专业点的叫法语料库）转成高纬度的向量空间中的点，以便后续进行相似度计算、分类、聚类、检索等。
听起来这个好像很高级，如果简单来看的话，其实底层原理也简单，文本相似度可以通过两个高纬度向量的余弦值大小来判断的，余弦值越大的，两个高纬度向量靠的越近，相关性大，反之亦然，当然也有复杂的算法。
通过pull命令直接安装，大小为274MB，还是比较小的：
ollama pull nomic-embed-text
然后通过ollama list查询：
mac@MacdeMacBook-Pro models % ollama list
NAME ID SIZE MODIFIED
nomic-embed-text:latest 0a109f422b47 274 MB 17 minutes ago
deepseek-r1:1.5b a42b25d8c10a 1.1 GB 4 days ago
网上找一个使用的例子，大家可以直观的体会下:
from transformers import AutoTokenizer, AutoModel
import torch
# 加载模型和分词器
tokenizer = AutoTokenizer.from_pretrained("nomic-embed-text-v1")
model = AutoModel.from_pretrained("nomic-embed-text-v1")
# 输入文本
text1 = "今天天气好！"
text2 = "今天的天气真是好啊！"
# 将文本转换为模型输入格式
encoding = tokenizer(text1, text2, return_tensors="pt")
# 获取文本嵌入
with torch.no_grad():
outputs = model(**encoding)
# 计算文本嵌入的余弦相似度
cosine_similarity = torch.nn.functional.cosine_similarity(outputs.last_hidden_state[0], outputs.last_hidden_state[1])
print("文本相似度：", cosine_similarity.item())
3.2 AnythingLLM安装
如它官网图https://anythingllm.com/desktop所示，是一个强大的灵活的平台，通过它可以连接多个LLM模型，构建本地私有的LLM应用，配置界面简单直观。
非常可惜，我macos的版本低，运行Anything LLM报错，找了不少办法还是不行，所以在虚拟机：windows下安装下，运行界面：
如上图可以看到，这个架构默认需要一个chat模型，需要embedder模型和一个向量数据库：LanceDB，用来保存私有化的数据；
按右边的向右箭头，新建个工作区：
接着进行模型配置：
选择LLM模型提供商，配置下url，如下图：
点击右上角的 Save changes。
向量数据库无需配置，默认：
embedder模型，可以用默认的，或通过ollama供应商提供的，我先用ollama试试效果：
别忘记点击修改。
这里面有个坑，虽然11434端口开了，但是默认只能用127.0.0.1访问，如果绑定所有ip，则在mac下需要配置：
mac@MacdeMacBook-Pro Homebrew % sudo sh -c 'echo "export OLLAMA_HOST=0.0.0.0:11434">>/etc/profile'launchctl setenv OLLAMA_HOST "0.0.0.0:11434"
返回刚才新建的工作区，点击后进入聊天界面就可以上传语料进行交互问答了。
至此个人知识库终于创建完毕了。
四 总结
我们通过搭建本地模型，配合Embedder和向量数据库，可以直接构建一个隐私性更好，实时性更高的个人知识库DAG。工作中除了需要知识库，更需要BPA，即业务自动化，利用LLM模型来提高自动化水平，这种系统更实用，下一步的目标是逐步构建BPA系统，希望大家能持续关注。
