哈嘍，大家好！
今天分享如何用大模型+本地資料，構建專屬知識庫。
核心解決的是大模型 幻覺 的問題。我們都知道，大模型對於自己不知道的問題可能會亂答。
比如，如果你向大模型詢問你們公司今年的戰略目標，大模型可能壓根沒聽說過你們公司。這時候如果大模型回復不知道還好點，如果亂答就誤人子弟了。
對於
幻覺
問題，目前是這樣解決的，先將背景資訊告訴大模型，這樣大模型就可以提前學習相關知識， 這時候再向大模型提問，就可以得到準確的答案了。
AnythingLLM 就是解決這樣問題的通用框架。除了能解決幻覺問題，還可以用它來讀論文、讀程式碼，非常方便。
安裝使用非常方便，支持 Win、Mac、Linux 平台，也可以使用Docker安裝，不需要編程。
要使用 AnythinLLM，需要設定以下三方面設定
第一，LLM Preference，就是使用哪個大模型， AnythinLLM 支持模型特別多。需要說明的是，如果你用的是中轉的ChatGPT介面，選擇「Local AI」即可。
第二，Embedding Model，可以把本地資料向量化，這樣就可以根據提問的問題，匹配對應的資料片段。如果你的本地資料是保密的，需要用原生的Model，否則可能會造成數據泄露。
第三 ， Vector Database 向量資料庫，用於儲存第二步生成向量。選擇 AnythingLLM 內建的即可。
設定完以後，上傳本地資料可以使用了。
想深入學習原理的朋友，可以看我之前分享的文章【 】。
下面分享一下我使用的範例，給大家參考下。
第一個是閱讀本地程式碼，解釋其中的程式碼邏輯
也可以讓它開發新需求
第二個範例，則是將它作為論文閱讀助手，幫助我們快速閱讀論文。
有需要的朋友可以試試。
開源地址：https://github.com/Mintplex-Labs/anything-llm
渡碼
公眾號持續分享AI方面的套用、技術、資訊，歡迎關註。
