AnythingLLM：把私有文档变成会答话的知识库

AnythingLLM 是一个把「一堆文档」变成「一个会答话的知识库」的开源应用：桌面版覆盖 Windows、Mac、Linux，也提供 Docker 镜像放到自己服务器上跑。导入 PDF、Word、网页剪藏，选好模型，之后提问只基于你给的资料作答，全过程不出本机。

一条龙内聚，不用拼脚本。 文档导入、切分、向量化、检索、对话收在同一个界面里完成，省去自建检索链路的工程量。对非开发者，这是「能不能用起来」的分水岭——装上就能跑通，而不是先学一堆概念。

模型随便换，知识库不动。 它可以对接本地推理后端（如 Ollama、LM Studio），也能接各家在线模型的接口。模型换代、换厂商，文档与向量库都留在原处，迁移成本接近于零。

工作区隔离，资料不串味。 不同项目各建一个工作区，各自挂各自的文档、各自的对话记录。给家人查菜谱和给团队查制度，可以互不干扰地并存。

数据留在自己手里。 桌面版下，文档、向量索引、聊天记录都在本地磁盘；配合本地模型，敏感资料可以做到不外发。这是它与「把文件上传给在线服务」路线最本质的差别。

适合谁：手头有一堆资料、想让 AI 只按这些资料回答的人；对隐私有要求、不愿把合同或内部文档传去第三方的用户；不想写代码、只想装个软件就用的入门者。

上手三步：官网下载桌面版安装；在设置里选模型后端（本地模型或在线接口任选其一）；新建工作区、拖入文档，等索引完成后直接提问。

边界也要说清：回答质量吃文档质量，扫描件 PDF 需要先做文字识别，表格类内容检索后容易答不准；向量库大了之后，检索速度与内存占用都要留意；它管「检索问答」，不替你校对事实，关键结论仍要回原文核对；在线接口与本地模型的切换虽方便，两者的回答风格差异也需要适应期。项目在 GitHub 开源、迭代活跃，官网与仓库国内访问整体可用。