本地知识库搭建（Mia VS cheer studio VS AnythingLLM）

AnythingLLM 是开源自托管大模型知识库工具，主打极度轻量化、可高度定制化的本地知识管理。优点：资源消耗低、架构松耦合、易在本地/云端快速部署。支持多种检索策略（传统BM25+语义向量匹配），适合高并发低成本场景。代码和数据全部掌控，极适合资源受限或私有化环境，数据安全性高。缺点，静态知识库场景优于动态知识库，长会话上下文管理和专业检索精度稍逊于 Cheer Studio。

一、Mia安装

下载网址：https://ima.qq.com/download，直接通过上述网址下载，安装即可，过程简单

安装完毕，先上传本地文件

安照顺序安装好：

打开如下：

按照本地知识库：

实测PDF上传失败次数多，文档好一点

获取API，以deepseek为例，登录 https://www.deepseek.com/

点击右上角

创建自己的API密钥，提前复制好，后续看不了，模型充值，选合适的价位

https://api-docs.deepseek.com/zh-cn/quick_start/pricing/

将API填入cherry，按下图顺序操作，这里的硅基流动可以直接使用

下载网址：https://anythingllm.com/desktop

找顺序安装下载即可，anythingllm安装包较大，文件库，API导入与cherry类似，不再叙述

实践结果，anythingllm：deepseek幻觉较严重，但其它的一些，如perplexity无法成功，可能是网络问题。cherry：deepseek无问题，其它的如perplexity使用时需要考虑间隔不应太短，并发不应太多，否则会被拒绝报错。如果电脑配置足够可以考虑anythingllm + Ollama的本地私有化部署，当然参数越大越好。还可考虑腾讯开源的Mia平替weknora。