AnythingLLM内置 RAG、AI Agent、可视化/无代码的 Agent 编排，支持多家模型与本地/云端向量库，并提供多用户与可嵌入的聊天组件，用来快速验证“知识 + 模型 + 工具”拼成的 AI 应用。

1 AnythingLLM、Ollama准备

1）AnythingLLM

打开如下所示下载链接，选择下载apple m1版本的AnythingLLM。

https://anythingllm.com/desktop

2）Ollama

假设本机已下载安装ollama，并且下载qwen3:4b模型，具体过程参考

在mac m1基于ollama运行deepseek r1_mac m1 ollama-CSDN博客

在AnythingLLM中将LLM关联到ollama:qwen3:4b，因为mac算力有限。

如下图所示，AnythingLLM中Scrape websites agent默认谷歌，没找到搜索引擎配置界面。

Websearch agent，可选择bing、google等，但需要api key等信息。

2 知识库问答探索

在问答前，将文档提交给AnythingLLM，构建知识库。

1）构建知识库

这里以小说"长安的荔枝 - 马伯庸.pdf"为例，pdf文件来自网络。

具体流程如下。

创建workspace，上传文件"长安的荔枝 - 马伯庸.pdf"；

- 将文件移动到右侧工作区；

- 选择工作区文件并点击“保存并嵌入”，完成文档分块、向量化；

- 点击pinned将向量化后的文档关联到workspace。

- 处理完成后，示例如下。

2）测试知识库问答

构建完知识库，就可以直接提问，LLM会自主关联知识库中的内容。

比如输入"请评价杨国忠大人"

好的，用户让我评价杨国忠大人。首先，我需要回忆一下提供的上下文内容。上下文里提到李善德是武则时代的人物，被拽到天宝末年串场，还有关于荔枝采摘的风俗。但杨国忠可能和这些内容有关联吗？

在历史中，杨国忠是唐朝安史之乱的重要人物，担任过宰相，后来被安禄山叛乱所害。但用户提供的上下文中并没有直接提到杨国忠。可能需要结合上下文中的元素来推断。

上下文里提到李善德是司农寺上林署令，可能负责皇家园林或物资管理。而杨国忠在历史上可能与这样的职位有关联，或者在故事中被提及。但根据提供的文本，没有直接信息，所以可能需要根据历史知识来回答。

用户可能希望了解杨国忠在故事中的角色，或者结合上下文中的元素进行评价。但根据现有信息，可能需要指出上下文中没有直接提到杨国忠，因此需要依赖历史知识。

需要确认用户是否在询问历史中的杨国忠，还是故事中的角色。如果是在故事中，可能需要根据上下文中的线索，比如李善德和杨国忠是否有关联，或者是否有其他暗示。但根据提供的文本，没有直接关联，所以可能需要说明这一点，并基于历史知识进行评价。

可能用户的问题需要结合上下文中的某些元素，比如李善德和杨国忠可能都是官僚人物，但具体评价需要历史知识。因此，回答应指出上下文中未提及杨国忠，但根据历史，杨国忠是唐朝权臣，与安史之乱相关，评价可能涉及他的政治手腕、权谋和最终的失败。

需要确保回答准确，同时指出上下文中的信息不足，可能需要用户澄清。但根据指示，必须基于给定的上下文，所以可能需要指出上下文中没有相关信息，无法评价，但结合历史知识进行回答。

---

根据提供的上下文内容，并未直接提及杨国忠的相关信息。因此，无法基于上下文内容对杨国忠进行评价。若结合历史常识，杨国忠是唐朝安史之乱期间的重要权臣，曾任宰相，因与安禄山关系密切，最终在叛乱中被杀。他的政治生涯体现了唐代后期权臣的复杂性，但需注意这与上下文中提到的“李善德”等人物并无直接关联。

---

隐藏引文

长安的荔枝 - 马伯庸.pdf