这一节我们来全面介绍一下anythingllm的功能、设置、以及使用。

下期讲各种软件和anythingllm配合联动（给各类软件加这个大脑）

或angthingllm设置厉害的agent或MCP，功能更强大。

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）https://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https://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https://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

https://platform.moonshot.cn/console/account

(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。

向量数据库	语义检索	全文/BM25	元数据过滤	混合召回	规模/延迟	推荐场景
LanceDB	✅ HNSW	✅ 内置 FTS	✅ SQL 语法	✅ 滑杆权重	单机千万级/1 ms 级	笔记本、单 Docker，零配置
Chroma	✅ HNSW	❌	✅ 简单 where	❌	百万级/5 ms	快速 PoC，脚本调试
Qdrant	✅ HNSW+PQ	✅ 1.8 起	✅ 丰富过滤	✅ 原生 hybrid	10 亿级/10 ms	本地高性能、多云
Weaviate	✅ HNSW+PQ	✅ BM25+Filter	✅ 类 GraphQL	✅ 融合算分	10 亿级/15 ms	需要 GraphQL 接口、企业多租户
Milvus/Zilliz	✅ IVF、HNSW、DiskANN	✅ 2.4 起	✅ expr 字符串	✅ 融合算分	100 亿级/20 ms	超大规模、K8s 云原生
Pinecone	✅ HNSW	❌	✅ 简单过滤	❌	同区 1 亿+/25 ms	完全托管、无运维，生产即服务

• 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。

维度	LanceDB（默认）	Chroma	Qdrant	Weaviate	Milvus/Zilliz	Pinecone
部署难度	0（随 AnythingLLM 自带）	1 行 pip	需起 Docker	需起 Docker	需 3 容器/K8s	0（托管）
单机资源占用	内存 200 MB 起	内存 500 MB 起	内存 2 GB+	内存 2 GB+	内存 8 GB+	无
最大单机能存	~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

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！