企业官网建设流程全解析

AnythingLLM：15 分钟搭起私有文档问答知识库

【免费下载链接】anything-llmStop renting your intelligence. Own it with AnythingLLM. Everything you need for a powerful local-first agent experience项目地址: https://gitcode.com/GitHub_Trending/an/anything-llm

大模型再强，答不上你自家文档里的问题，就只是个聊天玩具。AnythingLLM 把 PDF、网页、视频统统转成模型能引用的上下文，给你一个开箱即用的本地知识库：LLM 可选本地或云端，向量库即插即用，回答还带来源引用。这篇文章只走一条最短路径——从拿到仓库到第一次文档问答，外加模型选型结论和踩坑速查。

🐳 三条命令完成 AnythingLLM 容器部署

你不需要装 Node、也不用手动编译前端，仓库里已经放好了现成的 Dockerfile，克隆下来直接起容器：

git clone https://gitcode.com/GitHub_Trending/an/anything-llm cd anything-llm docker compose up --build -d

首次构建要拉基础镜像并编译 server、collector、frontend 三个服务，耐心等几分钟。跑起来后浏览器打开http://localhost:3001，会进入 onboarding 引导页：先选向量库，再选 LLM 提供商，整个 AnythingLLM 部署就到位了。

没有 Docker、想直接改源码的话，就在仓库根目录yarn install后开三个终端分别跑yarn dev:server、yarn dev:collector、yarn dev:frontend，端口不变，体验一致。

📥 喂数据：把文件、网页、视频变成上下文

没有上下文，问答就是闲聊。在 workspace 页面顶部有三种导入入口，按"从易到难"的顺序试：

本地文件——把 PDF、DOCX、TXT、EPUB、XLSX 直接拖进聊天窗口。后台的 collector 会按格式分发给对应的转换器做解析、切块、向量化，每种格式一个独立转换器，源码在collector/processSingleFile/convert/，格式不识别时先来这里看支持列表。

网页链接——粘贴博客、文档站 URL，系统抓取后转成 Markdown 再入库；也支持限定深度爬取整站，以及对接 Obsidian、Confluence 这类知识源。

视频——丢一个 YouTube 链接，它提取字幕文本转成可检索内容，适合把长视频变成可问答的资料。

workspace 设置里能调切块参数（默认 4000 token 一块、200 重叠）。你的文档偏短小，就把块调小一点，检索命中率会明显变好。

🔍 挑模型、选向量库：新手默认选什么

仓库内置了 30 多个 LLM 适配器，按部署位置归成两类就够用了：

向量库这边一共 10 种实现，差异主要在部署形态：

一句话结论：Ollama（或 LM Studio）+ LanceDB，零 GPU、零密钥，摩擦最小；手里已经有 OpenAI 密钥就换成云端 LLM + LanceDB，向量库别动。

🔐 如果你要多用户、改端口或上云

这三样本地单人玩都可以不碰，需要时再动手：

• 多用户：权限管理是 Docker 版的能力。在docker/.env里设置AUTH_TOKEN触发首次引导流程，之后在管理后台给用户开账号、按 workspace 分配访问权限。
• 改端口：默认3001声明在docker/docker-compose.yml，把.env里的SERVER_PORT改掉再重启即可。
• 上云：cloud-deployments/目录备好了 AWS CloudFormation、GCP 和 Helm 模板。以 CloudFormation 为例，上传模板文件后在控制台确认参数：

堆栈建好后，Outputs 面板直接给出访问入口，照着地址填浏览器就行：

注意 URL 还是 3001 端口的裸 HTTP，正式暴露前建议前面挂一层带 TLS 的反向代理。

⚠️ 踩坑速查

下一步

把一份你真要查的文档——产品手册、合同、内部 wiki 都行——丢进 workspace，问一个只有这份文档才能答上的问题。答案带上了来源引用，闭环就成了；接下来去试定时任务和 agent 流程，让这个知识库自己干活。

【免费下载链接】anything-llmStop renting your intelligence. Own it with AnythingLLM. Everything you need for a powerful local-first agent experience项目地址: https://gitcode.com/GitHub_Trending/an/anything-llm