从零开始：在本地搭建一个带知识库的 AI 助手（Ollama + Open WebUI）

优质文章学习记录

— 10 min read
从零开始：在本地搭建一个带知识库的 AI 助手（Ollama + Open WebUI）
一文讲清楚：要选哪些工具、需要什么环境、整体架构长什么样，以及一步步实现到能用的程度。

一、为什么要在本地搭一个 AI 助手？

过去一年，大模型从“新奇玩意儿”迅速变成“日常生产力工具”。但如果你只用网页版 ChatGPT / 文心一言 / 通义千问，会碰到几个很现实的问题：

  • 数据隐私：公司内部文档、个人笔记、聊天记录，你敢全部塞到线上吗？
  • 网络依赖：在飞机上、高铁里，或者公司内网严格管控时，在线 AI 直接“失联”。
  • 额度与费用：免费额度有限，稍微重度一点就要付费，而且你也不知道自己的数据会不会被拿去训练。
    本地部署一套 “AI + 知识库” 的好处就非常直观：
  1. 数据完全不出本地，满足隐私合规要求。
  2. 断网也能用，随时随地调取你的“第二大脑”。
  3. 可定制：可以给团队搭一个“企业 FAQ 助手”，给自己搭一个“读书笔记助手”。
    本系列文章的目标，就是带你从零开始，在本地搭一个类似 ChatGPT 的 Web 界面，并且支持上传文档构建知识库（RAG）的 AI 助手。

二、整体架构：我们要搭的是一个什么样的系统？

用一个简单的架构图来概括一下我们要做的事情：

调用

调用

上传文档

提问

检索结果

回答

浏览器 Web UI

Ollama 模型服务

本地大模型 Qwen2.5

嵌入模型

向量知识库

问题向量化

构建上下文

核心组件：

  • Ollama：本地模型运行时，负责加载和调度大模型、嵌入模型，提供统一的 API。
  • Qwen2.5 系列 / DeepSeek-R1 等：本地对话大模型，作为“大脑”。
  • 嵌入模型（Embedding）：把文本转成向量，用于知识库检索，比如 nomic-embed-text、bge-m3 等。
  • 向量数据库 / 向量索引：存储文档向量，负责相似度检索（Open WebUI 自带，也可以外接 Chroma、Milvus 等）。
  • Open WebUI：类 ChatGPT 的 Web 界面，支持对话、上传文档、配置知识库。

三、工具选型：为什么推荐 Ollama + Open WebUI？

3.1 大模型运行时：Ollama

对比直接用 transformers + PyTorch 自己搭一套推理服务，Ollama 的优势非常明显：

  • 跨平台：Windows / macOS / Linux 都有官方安装包，安装就是下一步下一步。
  • 一键拉模型：ollama pull qwen2.5:7b-instruct 就能拉取并运行模型，不需要自己处理 GGUF、量化、CUDA 等一堆细节。
  • 统一 API：默认在本地 11434 端口提供 REST API，兼容 OpenAI 调用方式，方便后续写代码集成。
  • 资源友好：支持 CPU / Apple Silicon GPU / NVIDIA GPU，自动检测并使用可用硬件加速。
实战经验：如果你只是想“先用起来”，而不是做底层研究，Ollama 是目前性价比最高的选择之一。

3.2 Web 界面：Open WebUI

Open WebUI 是目前社区最活跃的开源大模型 Web 界面之一，主要特点：

  • 界面体验接近 ChatGPT：多轮对话、Markdown 渲染、代码高亮、历史记录管理。
  • 自带 RAG 知识库功能：不用写一行代码，就能在界面上上传文档、构建知识库。
  • 支持多用户：可以给团队部署，每个人有独立账号和空间。
  • 可扩展：支持接入多种模型后端（Ollama、OpenAI 兼容 API 等）。

3.3 模型选择：Qwen2.5 / DeepSeek-R1 等

如果你主要写中文、需求偏通用对话和代码，推荐：

  • Qwen2.5 系列：中文能力强，指令跟随稳定，社区使用非常广泛。
  • DeepSeek-R1 系列：推理和代码能力突出，适合“程序员向”场景。
    具体选多大规模，要看你的硬件配置（后面会详细讲）。

四、硬件与系统环境：你的电脑够不够格？

4.1 硬件建议（以消费级 PC 为例）

场景推荐配置说明
入门体验16GB 内存 + RTX 3060/4060（8GB+ 显存）可以跑 7B～13B 的 INT4 量化模型
舒服使用32GB 内存 + RTX 4070/4090（12GB+ 显存）可以跑 14B～32B 量化模型，并发更稳
Mac 用户M1/M2/M3，16GB+ 统一内存Apple Silicon 对推理优化很好，体验接近中档 GPU
一些经验值：7B 参数 INT4 模型大致需要 4～6GB 显存，13B 需要 8～10GB，32B 需要 16GB+ 显存。

4.2 系统与软件环境

  • 操作系统：Windows 10/11、macOS、主流 Linux 发行版都可以。
  • Docker（推荐）：
    • Windows/macOS 安装 Docker Desktop。
    • Linux 安装 Docker Engine + Docker Compose。
  • Ollama：从官网下载安装即可。
  • （可选）NVIDIA 驱动 + CUDA：如果你有 N 卡，想用 GPU 加速，需要安装对应驱动和 CUDA 工具包（Ollama 会自动检测）。

五、部署路线图：我们会分几步走？

为了让你有个整体预期，我们整个项目的路线大概是这样的：

  1. 环境准备：安装 Ollama、Docker，验证基础环境。
  2. 本地模型跑通：通过 Ollama 拉取并运行一个对话模型（如 Qwen2.5:7b-instruct）。
  3. WebUI 部署：用 Docker 一键启动 Open WebUI，连接 Ollama。
  4. 基础对话体验：在浏览器里像用 ChatGPT 一样和本地模型聊天。
  5. 知识库搭建（RAG）：上传文档，构建私有知识库，让模型“记住”你的资料。
  6. （可选）Python 调用 & 自动化：用代码调用本地模型，接入自己的工具链。

六、第一步：安装 Ollama 并跑通本地模型

6.1 安装 Ollama

以 Windows 为例（macOS / Linux 同理）：

  1. 打开官网：https://ollama.com/download。
  2. 下载 Windows 安装包，双击安装，一路“下一步”即可。

安装完成后，打开命令行，执行：

ollama -v

如果看到类似 ollama version is 0.5.4 的输出，就说明安装成功。

6.2 拉取并运行一个对话模型

以 Qwen2.5 为例：

# 拉取模型 ollama pull qwen2.5:7b-instruct # 运行模型（进入交互式对话） ollama run qwen2.5:7b-instruct

第一次运行时，Ollama 会自动下载模型文件（约 4～5GB），等待下载完成即可。
在交互界面里，你可以直接输入问题，测试模型是否正常工作。

七、第二步：用 Docker 部署 Open WebUI

7.1 安装 Docker

如果你已经安装 Docker Desktop，可以跳过这一步。

  • Windows / macOS：到 Docker 官网下载 Docker Desktop 并安装。
  • Linux：按官方文档安装 Docker Engine 和 Docker Compose。
    验证安装：
docker -v docker compose version

7.2 启动 Open WebUI 容器

一个简单的启动命令示例（假设 Ollama 在本机 11434 端口）：

docker run -d \ -p 3000:8080 \ -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \ -v open-webui:/app/backend/data \ --name open-webui \ --restart always \ ghcr.io/open-webui/open-webui:main

参数说明：

  • -p 3000:8080：把容器内的 8080 端口映射到宿主机 3000。
  • -e OLLAMA_BASE_URL：告诉 Open WebUI，Ollama 服务在哪里。
  • -v open-webui:/app/backend/data：持久化聊天记录和配置。
  • --restart always：容器异常退出时会自动重启。
    启动后，打开浏览器访问：http://localhost:3000，就能看到 Open WebUI 的登录界面。

八、第三步：在 WebUI 里连接本地模型

  1. 注册 / 登录 Open WebUI（账号只存在本地，不会上传到云端）。
  2. 在界面中选择模型，你应该能看到类似 qwen2.5:7b-instruct 的选项。
  3. 如果看不到模型，可以在 Open WebUI 的设置里，检查 Ollama 连接地址是否正确，并点击“验证连接”。
    接下来，就可以像用 ChatGPT 一样，和本地模型对话了。

九、第四步：搭建本地知识库（RAG）

9.1 RAG 是什么，为什么需要它？

简单来说，RAG（Retrieval-Augmented Generation）= 检索 + 增强 + 生成：

  1. 检索：根据用户问题，从知识库中找出最相关的文档片段。
  2. 增强：把检索到的内容塞进提示词，一起丢给模型。
  3. 生成：模型基于这些上下文生成回答。
    RAG 的好处是：
  • 不需要重新训练模型，就能让模型“知道”你的私有资料。
  • 可以随时更新知识库，比微调灵活得多。

9.2 准备嵌入模型

为了做向量检索，我们需要一个嵌入模型，比如：

# 拉取一个常用的嵌入模型 ollama pull nomic-embed-text # 或 ollama pull bge-m3

Open WebUI 可以自动使用这些嵌入模型来构建知识库。

9.3 在 Open WebUI 里创建知识库

不同版本的界面略有差异，但大致流程类似：

  1. 进入“知识库 / Documents”管理页面。
  2. 新建一个知识库，比如叫“我的技术笔记”。
  3. 上传本地文档：PDF、Word、Markdown、TXT 等。
  4. 系统会自动调用嵌入模型，对文档进行分片和向量化。
  5. 在对话时，把这个知识库挂载到当前会话，模型就会优先从这些文档里找答案。

十、第五步：用 Python 调用本地模型（可选）

如果你想把本地模型集成到自己的脚本或工具里，可以通过 Ollama 的 API 来调用。

10.1 简单示例：对话

import requests OLLAMA_BASE ="http://localhost:11434"defchat(prompt:str, model:str="qwen2.5:7b-instruct"): r = requests.post(f"{OLLAMA_BASE}/api/chat", json={"model": model,"messages":[{"role":"user","content": prompt}],"stream":False,},) r.raise_for_status()return r.json()["message"]["content"]print(chat("用大白话解释一下什么是 RAG？"))

10.2 简单示例：文本嵌入

defembed(text:str, model:str="nomic-embed-text"): r = requests.post(f"{OLLAMA_BASE}/api/embeddings", json={"model": model,"prompt": text},) r.raise_for_status()return r.json()["embedding"] vec = embed("这是一段需要向量化的文本")print(len(vec), vec[:5])

有了这些，你就可以自己写脚本做批量文档处理、自动总结、智能检索等。

十一、进阶方向：这个项目还能怎么玩？

当你把基础对话 + 知识库跑通之后，可以考虑这些进阶玩法：

  • 多模型管理：同时跑一个“通用对话模型” + 一个“代码专用模型”（如 Qwen2.5-Coder），在 WebUI 里按需切换。
  • 更专业的 RAG 工具：尝试 RagFlow、Dify 等更复杂的 RAG 平台，支持更精细的文档解析和多路召回。
  • 接入 IDE / 浏览器插件：把本地模型做成一个“智能助手”，在编辑器里自动补全、在浏览器里总结网页。
  • 团队共享部署：把整套部署在公司内网服务器上，给团队统一用，实现“企业 FAQ 助手”。

十二、小结

这篇文章主要做了三件事：

  1. 讲清楚了为什么要在本地搭一个 AI 助手，以及它能解决哪些痛点。
  2. 给出了技术选型与整体架构，重点推荐了 Ollama + Open WebUI 这套组合。
  3. 梳理了从环境准备、模型部署、WebUI 搭建到知识库构建的完整路线图。
    接下来的文章，我会分别针对：
  • Windows / macOS / Linux 不同系统的踩坑点
  • RAG 效果调优（分块策略、检索参数等）
  • Python 自动化脚本实战
    做更详细的拆解。如果你已经按这篇文章跑通了基础流程，欢迎在评论区留言，说说你遇到的坑和想进一步实现的功能。

Read more

零基础入门AI绘画：Z-Image-Turbo超详细教程

零基础入门AI绘画：Z-Image-Turbo超详细教程 你是不是也试过在AI绘画工具前卡住——下载模型要两小时、配置环境报错十几行、调参像解谜题、生成一张图等得泡完三杯茶？别急，这次我们不讲原理、不堆术语、不绕弯子。这篇教程专为完全没碰过代码、没装过CUDA、连Python都没写过的朋友准备。只要你会复制粘贴，就能在5分钟内，用一句中文提示词，生成一张1024×1024高清图。 这不是“理论上可行”，而是镜像已为你把所有路铺平：32GB模型权重早已躺在系统里，PyTorch和ModelScope全预装好，显卡插上就能跑。你唯一要做的，就是打开终端，敲下几行命令——然后看着屏幕跳出你想象中的画面。 下面全程手把手，每一步都配说明、每处易错点都标提醒、每个参数都告诉你“为什么这么设”。现在，深呼吸，我们开始。 1. 你不需要懂的，但必须知道的三件事 在动手前，请花30秒确认这三点。它们不是技术门槛，而是帮你避开90%新手踩坑的“保命清单”。 1.1 这个镜像只认一种显卡：NVIDIA

灵感画廊：5分钟快速上手Stable Diffusion艺术创作

灵感画廊：5分钟快速上手Stable Diffusion艺术创作 你是否曾有过这样的瞬间：脑海中闪过一个绝妙的画面，却苦于无法用画笔或软件将其呈现？或者，面对复杂的AI绘画工具，被一堆看不懂的参数和按钮劝退？今天，我将带你体验一款与众不同的AI艺术创作工具——灵感画廊。它没有冰冷的工业界面，只有如艺术沙龙般的恬静空间，让你在5分钟内，将脑海中的“梦境碎片”凝结成永恒的视觉诗篇。 1. 什么是灵感画廊？ 灵感画廊不是一个普通的Stable Diffusion WebUI。它是一款基于 Stable Diffusion XL 1.0 模型深度定制的沉浸式艺术创作终端。它的设计哲学很特别：让创作过程本身成为一种审美享受。 想象一下，你走进一间充满宣纸色调、衬线字体和极简留白的数字画室。这里没有令人眼花缭乱的滑块和选项卡，只有“梦境描述”、“尘杂规避”和“挥笔成画”这样充满诗意的交互。它的目标，就是为你提供一个可以专注捕捉灵感的静谧空间。 对于新手来说，它的最大价值在于 “开箱即用” 和 “直观友好”。你不需要理解“

一文说清ESP32 Arduino在智能家居中的核心应用要点

以下是对您提供的博文内容进行 深度润色与结构重构后的技术文章 。整体遵循“去AI感、强工程味、重实操性、有教学节奏”的原则，彻底摒弃模板化表达、空洞术语堆砌和机械式章节划分，代之以 真实开发者口吻、层层递进的逻辑流、穿插经验判断的细节注解 ，并强化了 可复用代码的上下文解释、参数选择背后的权衡思考、以及量产级避坑指南 。 一个温控器工程师的ESP32实战手记：Wi-Fi不断连、任务不卡死、升级不翻车 去年冬天，我调试一款嵌入式温控器时，在客户现场连续遭遇三连击： - 凌晨三点，Wi-Fi突然掉线，加热膜持续满功率运行——幸好用户手动关了总闸； - 升级固件后设备黑屏，拆开发现 otadata 分区写了一半就断电，BootROM找不到有效镜像； - PIR人体检测响应延迟高达1.8秒，APP里显示“已离家”，人其实刚走到玄关。 这不是芯片不行，是配置没吃透。 ESP32 Arduino不是“会点C语言就能跑起来”的玩具平台，而是一套 需要你亲手拧紧每一颗螺丝的工业级开发范式

ROS 2从入门到精通系列（十六）：自主导航机器人 - 系统架构与SLAM

ROS 2从入门到精通系列（十六）：自主导航机器人 - 系统架构与SLAM 构建完整的自主导航系统，从建图到导航的端到端实现。 引言 自主导航是机器人最经典的应用之一。它涉及： * 感知：LIDAR扫描、里程计 * 建图：SLAM建立环境地图 * 规划：生成无碰撞路径 * 控制：执行运动命令 本篇将从0到1构建一个完整的导航系统。 一、自主导航系统架构 1.1 完整的系统架构 硬件层 控制模块 运动控制 PID Control 安全监督 Emergency Stop 规划模块 全局规划 Dijkstra/A* 局部规划 DWA/TEB 可行性检查 Feasibility Check 感知模块 扫描匹配 Scan Matching 里程计 Odometry