普通人學(xué)AI指南

1作者：郭震Contents1AI大模型基礎(chǔ)41.1AIGC 41.2AGI 51.3大模型 51.4基礎(chǔ)概念 61.4.1上下文窗口 61.4.2單位B和T 62AI工具梳理6 62.1.1ChatGPT 62.1.2Claude 72.1.3通義千問 72.2圖像 72.2.1物體擦除IOPaint 82.2.2無損放大Upscayl 82.2.3背景消除remove.bg 82.2.4SD(StableDiffusion) 82.2.5DALLE3 82.2.6Midjourney 82.3AI視頻工具 82.3.1Sora(OpenAI公司) 82.3.2Runway 92.3.3Pika 92.3.4騰訊智影 92.3.5度加創(chuàng)作工具 922.3.6SpikeStudio 92.3.7HeyGen 92.3.8LTXStudio 92.3.9EBSynth 92.4AI編程工具 92.4.1DEvv 92.4.2JetBrainsAI 92.4.3AirOps 2.4.4ChatDev 2.4.5solo 2.4.6Cursor 2.4.7Tabby 2.4.8Codeium 2.4.9GitHubCopilot 2.4.10通義靈碼 2.5AI指令編寫工具 2.5.1FlowGPT 2.5.2ChatGPT指令大全 2.5.3SD提示詞手冊(cè) 2.5.4PromptHero 2.5.5可視化AI提示語 2.5.6SnackPrompt 2.6AI大模型 2.6.1AgentGPT 2.6.2GPT-4 2.6.3Gemma 2.6.4Llama3 3零代碼本地部署AI后端133.1大模型Llama3 3.1.1步驟1：安裝Ollama 3.1.2步驟2：安裝Llama 3.1.3使用Llama3 3.2大模型phi-3 3.2.1Ollama安裝phi-3 3.2.2使用phi-3 3.3總結(jié) 34零代碼搭建本地AI前端194.1LobeChat 4.2步驟一安裝docker 4.2.1了解docker基本用法 4.2.2下載docker 4.2.3安裝docker 4.3步驟二docker部署lobechat 4.4愉快使用 4.5部署常見問題 4.5.1權(quán)限問題 5零代碼本地搭建個(gè)人知識(shí)庫275.1本地知識(shí)庫優(yōu)勢(shì) 5.2docker下載MaxKB 5.3docker配置MaxKB 5.4打開MaxKB網(wǎng)頁 325.5構(gòu)建第一個(gè)私人知識(shí)庫 345.6MaxKB配置本地llama3 375.7創(chuàng)建知識(shí)庫應(yīng)用 4041AI大模型基礎(chǔ)1.1AIGCAIGC是指使用人工智能模型生成內(nèi)容的技術(shù)。這些內(nèi)容可以包括圖像、音頻、文本、視頻、3D模型等。具體來說，AIGC技術(shù)可以生成如下類型的內(nèi)容：?圖像：如照片、原創(chuàng)藝術(shù)作品?音頻：如視頻游戲中的配音、音樂?文本：如代碼、廣告文案、小說?3D模型：如角色、場(chǎng)景目前，AIGC技術(shù)處于早期階段，最常見的產(chǎn)品形態(tài)是基于文本的，通過用戶輸入來控制內(nèi)容的生成。用戶輸入文本描述所需的內(nèi)容，然后模型輸出與描述相符的內(nèi)容。下圖1描述了AI大模型，AIGC和AGI關(guān)系。Figure1:AI大模型，AIGC和AGI關(guān)系51.2AGIAGI（ArtificialGeneralIntelligence，人工通用智能）是一種理論上的人工智能，它可以理解、學(xué)習(xí)和應(yīng)用知識(shí)跨越各種不同領(lǐng)域，功能上等同于人類智能。與專用人工智能（AI）不同，AGI能夠執(zhí)行任何智力任務(wù)，具備自我意識(shí)和自適應(yīng)學(xué)習(xí)能力。AGI的研發(fā)目標(biāo)是創(chuàng)造出可以廣泛地模擬人類認(rèn)知能力的智1.3大模型大模型通常指的是大規(guī)模的人工智能模型，這類模型通過訓(xùn)練大量的數(shù)據(jù)來獲得廣泛的知識(shí)和能力。這些模型通常具有龐大的參數(shù)數(shù)量，能夠處理復(fù)雜的任務(wù)，如自然語言理解、圖像識(shí)別、語音識(shí)別等。閉源大模型包括OpenAI的GPT系列和Google的BERT。這些模型因其高效的學(xué)習(xí)能力和強(qiáng)大的通用性而受到關(guān)注。開源大模型以Meta的Llama系列，2024年4月，Llama3發(fā)布，包括8B和70B模型。圖2，時(shí)間線主要根據(jù)技術(shù)論文的發(fā)布日期（例如提交至arXiv的日期）來確定大型語言模型（大小超過10B）的發(fā)展歷程。如果沒有相應(yīng)的論文，我們將模型的日期設(shè)定為其公開發(fā)布或宣布的最早時(shí)間。我們用黃色標(biāo)記那些公開可用的模型檢查點(diǎn)。由于空間限制，我們只包括那些公開報(bào)道評(píng)估結(jié)果的大型語言模型。Figure2:各個(gè)大型語言模型發(fā)布時(shí)間線61.4基礎(chǔ)概念1.4.1上下文窗口上下文窗口指的是模型一次可以處理的最大文本長度。這個(gè)長度通常用“to-kens”（標(biāo)記）來表示，每個(gè)標(biāo)記可以是一個(gè)單詞、子詞或單個(gè)字符，具體取決于編碼方式。上下文窗口大小決定了模型在回答問題或生成文本時(shí)可以利用的上下文范圍。窗口越大，模型就能處理越長的上下文，對(duì)理解長文本內(nèi)容非常重要。較大的窗口允許模型處理更長的文本片段，從而提高在長文本任務(wù)中的表現(xiàn)，如長篇對(duì)話、文檔生成和分析等。1.4.2單位B和T在AI大模型中，常用的兩個(gè)單位是B和T。B（十億，Billion在英文里是Billion的縮寫，表示十億。對(duì)于AI大模型來說，B一般用于描述模型的參數(shù)數(shù)量。例如，具有50B參數(shù)的模型代表這個(gè)模型有50億個(gè)參數(shù)。Ollama3有尺寸8B和70B，Phi-3-mini有3.8B參數(shù)等。T（萬億，Trillion在英文里是Trillion的縮寫，表示萬億。在AI大模型中，”T”常用來表示模型在訓(xùn)練中處理的Token數(shù)量。Token是指模型處理的基本單元，可以是一個(gè)單詞、子詞，或者字符等。在大規(guī)模預(yù)訓(xùn)練語言模型的訓(xùn)練中，通常會(huì)提到模型是在多少個(gè)Token上進(jìn)行學(xué)習(xí)的，以表明模型的訓(xùn)練規(guī)模和數(shù)據(jù)量。例如：LLaMA3語言模型使用了超過15T個(gè)token進(jìn)行訓(xùn)練。2AI工具梳理大家有沒有覺得AI工具太多，種類太多，老的還沒用，新的就出來，頭大得很！有沒有這種感覺？所以，在這一章，梳理主流的AI工具，注意不是窮舉，那些不經(jīng)常用的工具，不浪費(fèi)文字和耽誤時(shí)間。梳理總結(jié)六大類AI工具，分別包括：問答，圖像，視頻，AI編程，AI提示詞和AI大模型，一共梳理挑選共計(jì)38個(gè)AI工具，其中很多都是開源！2.1問答2.1.1ChatGPTChatGPT是一個(gè)由OpenAI開發(fā)的大型語言模型，它基于GPT（GenerativePre-trainedTransformer）架構(gòu)。這種模型通過分析大量的文本數(shù)據(jù)來學(xué)習(xí)語言結(jié)構(gòu)和信息，使其能夠生成連貫的文本、回答問題、撰寫文章、進(jìn)行對(duì)話等。7Figure3:AI問答工具ChatGPT經(jīng)過特別訓(xùn)練，可以理解和生成人類語言，從而在多種應(yīng)用場(chǎng)景中提供輔助，包括聊天機(jī)器人、寫作輔助、信息查詢等。2.1.2ClaudeClaude是Anthropic公司開發(fā)的一系列大型語言模型，它設(shè)計(jì)用于執(zhí)行多種涉及語言、推理、分析和編碼的任務(wù)。2.1.3通義千問通義千問（Qwen）是阿里云開發(fā)的一系列預(yù)訓(xùn)練的大型語言模型，用于聊天、生成內(nèi)容、提取信息、總結(jié)、翻譯、編碼、解決數(shù)學(xué)問題等多種任務(wù)。這些模型在多種語言數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練，包括中文和英文，覆蓋廣泛的領(lǐng)域。2.2圖像Figure4:AI圖像工具82.2.1物體擦除IOPaint開源：一個(gè)用于圖像處理的開源工具，可以對(duì)圖像中的特定物體進(jìn)行擦除。2.2.2無損放大Upscayl開源：一個(gè)開源軟件，專門用于圖像的無損放大，通過AI增強(qiáng)圖像質(zhì)量。2.2.3背景消除remove.bg開源：一個(gè)流行的開源工具，用于自動(dòng)從圖片中去除背景。2.2.4SD(StableDiffusion)開源：由StabilityAI開發(fā)的開源AI模型，用于生成高質(zhì)量的圖像。2.2.5DALLE3閉源：由OpenAI開發(fā)，是一個(gè)閉源的圖像生成模型，可以根據(jù)文字描述生成相應(yīng)的圖像。2.2.6Midjourney閉源：由一個(gè)小團(tuán)隊(duì)開發(fā)的閉源AI，專注于生成創(chuàng)意和藝術(shù)圖像。2.3AI視頻工具Figure5:AI視頻工具2.3.1Sora(OpenAI公司)內(nèi)測(cè)：由OpenAI開發(fā)，目前處于內(nèi)部測(cè)試階段的項(xiàng)目。92.3.2Runway閉源：一個(gè)閉源的創(chuàng)意工具，支持通過AI進(jìn)行視頻編輯和生成。2.3.3Pika閉源的圖像編輯工具，專注于簡化圖像處理流程。2.3.4騰訊智影騰訊推出的AI視頻編輯工具，支持視頻內(nèi)容的智能編輯和增強(qiáng)。2.3.5度加創(chuàng)作工具度加創(chuàng)作工具是百度開發(fā)的一站式AI內(nèi)容生成平臺(tái)，支持視頻制作、文案生成和數(shù)字人模型等功能。2.3.6SpikeStudio智能長剪短：一個(gè)專為商業(yè)視頻制作設(shè)計(jì)的工具，可以將長視頻智能剪輯為短2.3.7HeyGen動(dòng)畫視頻：用于生成動(dòng)畫視頻的AI工具，支持多種動(dòng)畫風(fēng)格。2.3.8LTXStudio真人轉(zhuǎn)油畫：能將真人視頻轉(zhuǎn)換成油畫風(fēng)格的AI工具。2.3.9EBSynth開源：一個(gè)開源的視頻處理工具，用于將藝術(shù)風(fēng)格應(yīng)用到視頻幀中。2.4AI編程工具2.4.1DEvv程序員的新一代AI搜索引擎，專為編程和技術(shù)問題檢索設(shè)計(jì)。2.4.2JetBrainsAIAI編程開發(fā)助手，集成在JetBrains系列開發(fā)工具中，提升編碼效率。Figure6:AI編程工具2.4.3AirOps用于生成和修改SQL語句的工具，旨在簡化數(shù)據(jù)庫操作。2.4.4ChatDev面壁智能開發(fā)的AI智能體開發(fā)平臺(tái)，支持創(chuàng)建和部署智能對(duì)話系統(tǒng)。2.4.5soloMozilla開源項(xiàng)目，提供零代碼網(wǎng)站開發(fā)功能，易于使用。2.4.6Cursor開源的AI代碼編輯器，旨在通過AI技術(shù)助力快速軟件開發(fā)。2.4.7Tabby自托管的AI編程助手，開源，支持開發(fā)人員優(yōu)化編碼過程。2.4.8Codeium開源的AI編程工具，用于自動(dòng)化代碼生成和優(yōu)化。2.4.9GitHubCopilot由GitHub推出的開源AI編程助手，能夠根據(jù)代碼庫提供編程建議和代碼片2.4.10通義靈碼阿里巴巴開發(fā)的開源編程工具，利用AI技術(shù)提升代碼生成和分析能力。2.5AI指令編寫工具Figure7:AI指令輔助工具2.5.1FlowGPT網(wǎng)址：/Figure8:FlowGPT包括各種工具提示詞2.5.2ChatGPT指令大全在作者的公眾號(hào)（郭震AI）回復(fù)消息：gpt，獲取這份GPT指令大全。2.5.3SD提示詞手冊(cè)為StabilityDiffusion(SD)提供的提示詞手冊(cè)，旨在幫助用戶更有效地使用該2.5.4PromptHero一個(gè)集成了ChatGPT、MJ、SD等多個(gè)AI模型提示詞的平臺(tái)，提供可視化AI提示語的工具。2.5.5可視化AI提示語Figure9:可視化提示詞網(wǎng)址：https://tools.saxifrage.xyz/prompt，一個(gè)可視化工具，幫助用戶為多種AI模型生成和優(yōu)化提示語。2.5.6SnackPrompt提供最新AI模型提示詞的工具，旨在快速獲取和使用最新的AI提示進(jìn)行內(nèi)容2.6AI大模型2.6.1AgentGPT一個(gè)基于瀏覽器的自主AI工具，專為交互式任務(wù)和自動(dòng)化操作設(shè)計(jì)。2.6.2GPT-4由OpenAI開發(fā)的最新大型語言模型，繼承了GPT-3的能力，功能更加強(qiáng)大和精確，但為閉源產(chǎn)品。Figure10:AI大模型2.6.3Gemma描述：谷歌推出的一款輕量級(jí)開源AI工具，旨在提高AI應(yīng)用的可訪問性和效2.6.4Llama3描述：Meta推出的最新開源大型語言模型，具有高級(jí)自然語言處理能力，適用于多種AI任務(wù)。3零代碼本地部署AI后端首先介紹一種最精簡的本地部署大模型的方法。使用目前最強(qiáng)開源大模型LlaMA3，2024年4月19日，Meta公司發(fā)布，共有8B，70B兩種參數(shù)，分為基礎(chǔ)預(yù)訓(xùn)練和指令微調(diào)兩種模型。與Llama2相比，Llama3使用了15Ttokens的訓(xùn)練數(shù)據(jù)，在推理、數(shù)學(xué)、代碼生成、指令跟蹤等能力獲得大幅度提升。3.1大模型Llama33.1.1步驟1：安裝OllamaOllama可以簡單理解為客戶端，實(shí)現(xiàn)和大模型的交互。ollama軟件win和mac都包括，如圖11所示。Figure11:Ollama下載在這里已經(jīng)為大家準(zhǔn)備好，只需要在我的微信公眾號(hào)郭震AI，回復(fù)消息：ollama，就能下載到軟件。下載之后打開，直接點(diǎn)擊Next以及Install安裝ollama，安裝步驟非常簡3.1.2步驟2：安裝Llama下載Llama3，打開新的終端/命令行窗口，執(zhí)行以下命令：程序會(huì)自動(dòng)下載Llama3的模型文件，默認(rèn)是8B，也就80億參數(shù)版本，個(gè)人電腦完全可以運(yùn)行。等待安裝完成，如圖12所示。Figure12:Ollama里下載Llama3界面以上就已經(jīng)安裝完畢，到現(xiàn)在大模型已經(jīng)在本地部署完成。3.1.3使用Llama3打開一個(gè)終端窗口，再次輸入ollamarunllama3，自動(dòng)就會(huì)啟動(dòng)，進(jìn)入會(huì)話界面，如圖13所示：Figure13:Ollama里下載Llama3界面發(fā)第一條消息，”你是誰，用中文回答”，與Llama2相比，Llama3確實(shí)在回答速度上大幅提升，小于秒級(jí)，如圖14所示：Figure14:第一次提問：你是誰，用中文回答發(fā)第二條消息，”Python代碼，冒泡排序，代碼+解釋”，回答響應(yīng)非?？?，F(xiàn)igure15:第二次提問：Python代碼，冒泡排序再告訴它，用中文回答，返回中文回答結(jié)果，如圖16所示：Figure16:Python代碼，冒泡排序，中文回答如果想用中文回復(fù)，保險(xiǎn)的做法，每次問答時(shí)，提問最后加一個(gè)中文回復(fù)這四個(gè)字，這樣就會(huì)返回中文答案，這與閉源的GPT相比稍顯麻煩，畢竟免費(fèi)，3.2大模型phi-33.2.1Ollama安裝phi-3使用ollama運(yùn)行下面一行命令：ollamarunphi3，如圖17所示。Figure17:Ollama安裝phi-3模型3.2.2使用phi-3如果在命令窗口中，直接使用phi-3，可以執(zhí)行命令：ollamarunphi3，然后就會(huì)進(jìn)入到會(huì)話界面。如果是在lobechat中使用，進(jìn)入主頁后，在最上面一行，選擇模型phi-3-mini，然后就能直接提問了，這種界面會(huì)更加友好，如圖18所示。關(guān)于如何安裝lobechat，會(huì)在下面一節(jié)講解。Figure18:lobechat使用phi-3模型，進(jìn)行智能問答3.3總結(jié)Llama3本地部署大模型，這是最精簡的一種方法，推薦大家先按照此方法去實(shí)踐，如圖19所示，其實(shí)這個(gè)終端界面已經(jīng)很好了，搭建步驟既簡潔，還有這種表情字符，看起來又不會(huì)那么枯燥。Figure19:ollama界面簡潔但因表情符出現(xiàn)又不失枯燥4零代碼搭建本地AI前端到目前，我們使用大模型的界面還是一個(gè)終端窗口，黑乎乎的，交互不友好。這章教你搭建一個(gè)美觀炫酷的前端網(wǎng)頁，如圖20所示，讓你使用本地大模型，更方便！更舒心！關(guān)鍵搭建簡單，順利的話，三五分鐘搞定。后面完全免費(fèi)暢享使用大模型！Figure20:使用開源LobeChat搭建美觀的大模型前端界面4.1LobeChat開源框架，經(jīng)過我的調(diào)研，發(fā)現(xiàn)LobeChat是目前最優(yōu)化、最美觀和炫酷的前端界面，適配各個(gè)大模型，支持文字、語音、圖片的多模態(tài)交互。4.2步驟一安裝docker4.2.1了解docker基本用法Docker是一個(gè)開源的容器化平臺(tái)，旨在開發(fā)、部署和運(yùn)行應(yīng)用。它利用容器來隔離軟件，使其在不同環(huán)境中都能一致運(yùn)行。Docker提供輕量級(jí)虛擬化，能快速部署并且易于管理應(yīng)用。Docker的優(yōu)勢(shì)：1.快速部署：Docker容器可以在幾秒鐘內(nèi)啟動(dòng)，提高了開發(fā)和部署的效率。2.一致性：確保應(yīng)用在開發(fā)、測(cè)試和生產(chǎn)環(huán)境中具有一致的運(yùn)行環(huán)境。3.可移植性：容器可以在任何支持Docker的系統(tǒng)上運(yùn)行，實(shí)現(xiàn)跨平臺(tái)的可4.易于擴(kuò)展：Docker可以方便地?cái)U(kuò)展并支持微服務(wù)架構(gòu)的部署。1.容器（Container輕量級(jí)、獨(dú)立的可執(zhí)行軟件包，包含了運(yùn)行所需的代碼、運(yùn)行時(shí)、系統(tǒng)工具、系統(tǒng)庫和設(shè)置。2.鏡像（Image用于創(chuàng)建容器的只讀模板。一個(gè)鏡像可以包含完整的操作系統(tǒng)環(huán)境。3.Dockerfile：定義鏡像內(nèi)容的文本文件，包含了構(gòu)建鏡像的所有指令。4.DockerHub：公共的Docker鏡像倉庫，用于存儲(chǔ)和分發(fā)Docker鏡像。5.拉取鏡像：dockerpull<image__name>6.構(gòu)建鏡像：在包含Dockerfile目錄中運(yùn)行：dockerbuild-t<image__name>.1.列出正在運(yùn)行的容器：dockerps2.列出所有容器：dockerps-a3.停止一個(gè)容器：dockerstop<container__id>4.刪除一個(gè)容器：dockerrm<container__id>4.2.2下載dockerdocker下載地址:/products/docker-desktop/下載界面如圖21所示：Figure21:win、mac及l(fā)inux下載docker軟件4.2.3安裝docker安裝docker非常簡單，基本都是下一步。注意在安裝過程中，我們需要確?！盪seWSL2insteadofHyper-V(recommended)”這一功能被啟用。docker有UI界面，如圖22所示：Figure22:docker在mac下的UI界面如何驗(yàn)證docker是否安裝成功，只需要運(yùn)行下面命令：dockerdockerrunhello-world如果返回消息中帶有：成功，表明安裝成功。4.3步驟二docker部署lobechat通過docker部署，只需要一兩行命令，非常簡單。無論windows還是mac，都是打開命令窗口，輸入下面命令：dockerdockerpulllobehub/lobe-chat:latest這條命令用于從DockerHub上拉取最新的lobehub/lobe-chat鏡像。以下是具體作用：dockerpull：這是Docker命令，用于從DockerHub或其他注冊(cè)表中下載容器鏡像。lobehub/lobe-chat：這是Docker鏡像的名稱，其中l(wèi)obehub是鏡像倉庫的名稱，lobe-chat是具體的鏡像名稱。latest：表示拉取該鏡像的最新版本（tag）。如果沒有指定版本標(biāo)簽，Docker默認(rèn)會(huì)拉取latest標(biāo)簽的版本。執(zhí)行這條命令后，Docker會(huì)將lobehub/lobe-chat鏡像的最新版本下載到你的本地系統(tǒng)，以便你可以使用它創(chuàng)建和運(yùn)行Docker容器。然后再運(yùn)行一條命令就可以了：dockerdockerrun-d--namelobe-chat-p10084:3210-eACCESS_CODE=lobe66lobehub/lobe-chat:latest解釋下這條命令，它用于以守護(hù)進(jìn)程模式（后臺(tái)）運(yùn)行一個(gè)名為lobe-chat的Docker容器，并設(shè)置一些特定參數(shù)：理容器。-eACCESS_CODE=lobe66：設(shè)置環(huán)境變量ACCESS_CODE的值為lobe66，這通常是lobehub/lobe-chat:latest：使用lobehub/lobe-chat鏡像的最新版本來啟動(dòng)容器。lobe66，記好，后面啟動(dòng)網(wǎng)頁界面時(shí)，很快就會(huì)用到。到這里，我們已經(jīng)安裝部署完成lobechat.4.4愉快使用打開瀏覽器，輸入:localhost:10084，就會(huì)進(jìn)入首頁，界面布局如圖23所示。如果喜歡暗黑模式，可以點(diǎn)擊左下角設(shè)置調(diào)整。Figure23:現(xiàn)在大模型界面是這樣我們還可以調(diào)整為其他背景模式，調(diào)整后界面如圖24所示：Figure24:大模型暗黑界面按照之前章節(jié)安裝llama3后，這里我們正常啟動(dòng)好llama3，然后，點(diǎn)擊最頂部大模型選擇llama3，這樣就可以免費(fèi)使用大模型llama3。網(wǎng)站里提供很多助手，選擇某個(gè)助手，進(jìn)入會(huì)話狀態(tài)，如圖25。Figure25:自帶很多助手4.5部署常見問題4.5.1權(quán)限問題Windows系統(tǒng)安裝，錯(cuò)誤提示中帶有Accessisdenied.如圖26所示。Figure26:ollama部署權(quán)限錯(cuò)誤解決方法：Ollama默認(rèn)安裝的路徑：C:\C:\Users\Wb\AppData\Local\Temp文件夾沒有讀取和執(zhí)行權(quán)限的原因，勾上就可以了，如圖27所示：Figure27:ollama部署權(quán)限解決方法5零代碼本地搭建個(gè)人知識(shí)庫5.1本地知識(shí)庫優(yōu)勢(shì)部署本地知識(shí)庫，可以借助大模型能力，自動(dòng)檢索我們的工作學(xué)習(xí)文檔，實(shí)現(xiàn)對(duì)文檔內(nèi)容的實(shí)時(shí)搜索與問答。因?yàn)榇竽Ｐ?、知識(shí)庫和文檔全部運(yùn)行在本地，所以公司內(nèi)的業(yè)務(wù)數(shù)據(jù)不會(huì)泄密，個(gè)人隱私不會(huì)泄密，保證這些同時(shí)，讓：辦公效率直接原地起飛！搭建完成后，實(shí)現(xiàn)的效果如圖28：Figure28:按照本文教程走完實(shí)現(xiàn)的本地知識(shí)庫效果，大模型+個(gè)人知識(shí)庫，5.2docker下載MaxKBMaxKB是一個(gè)在本地搭建自己本地知識(shí)庫問答的系統(tǒng)。主要優(yōu)勢(shì)：1.開箱即用2.支持GPT、百度千帆、Lama3，通義千問等幾十種大語言模型3.操作界面簡介，小白也能快速上手根據(jù)教程章節(jié)本地部署AI后端，安裝完docker后，執(zhí)行下面命令獲取到MaxKB的鏡像到本地，如下圖30所示：Figure29:執(zhí)行命令獲取到MaxKB的鏡像到本地下圖是正在安裝的過程：Figure30:安裝過程：執(zhí)行命令獲取MaxKB到本地整個(gè)MaxKb的鏡像大小為2GB左右。5.3docker配置MaxKB安裝完成后，打開docker，按照下圖31逐步操作：Figure31:配置MaxKB在彈出的界面，如圖32中點(diǎn)擊Run：Figure32:配置MaxKB續(xù)這是彈出的界面圖33，如果你的缺少Ports這樣端口設(shè)置，可以重啟電腦，然后再次打開進(jìn)入這里，大概率應(yīng)該會(huì)出現(xiàn)。30Figure33:配置MaxKB續(xù)然后按照下面圖34填寫：31Figure34:配置MaxKB續(xù)注意，先不要關(guān)閉這個(gè)窗口，稍后我們還需要再填入一些信息。接下來，我們?cè)谧约旱碾娔X上，創(chuàng)建一個(gè)存放知識(shí)庫數(shù)據(jù)的文件夾，然后記住這個(gè)文件夾路徑，因?yàn)槲覀冞€要返回到剛才的上面的界面，找到Volumes輸入框，下圖35中4處，填入剛才的知識(shí)庫路徑，我的路徑如下：/Users/zhen-guo/Documents/words隨后在Containerpath輸入框中填入/var/lib/postgresql/data，下圖35中5處，這是固定不變的，直接復(fù)制過去！32Figure35:配置MaxKB續(xù)最后點(diǎn)擊Run按鈕，這樣一個(gè)MaxKB容器就搭建完畢了！5.4打開MaxKB網(wǎng)頁瀏覽器打開下面鏈接，復(fù)制到瀏覽器中，看到MaxKB應(yīng)用界面，如圖36所示：http://:808033Figure36:打開MaxKB不過這里需要提供登錄賬號(hào)和密碼，初始賬號(hào)：admin，初始密碼：MaxKB@123..登錄進(jìn)去后，初次登錄到MaxKB后，需更改登錄用戶名和登錄密碼?？吹絼?chuàng)建應(yīng)