企业官网建设流程全解析

六安找人做网站,电商直播平台网站开发,网站虚拟机可以自己做吗,厦门网站建设慕枫在上一篇文章中#xff0c;我介绍了自己使用 Obsidian 结合 PARA 方法论搭建起了自己的本地知识库#xff0c;同时介绍了如何使用 Gemini CLI 让 Obsidian 有了强大的 AI 能力。 虽然 Gemini 很强#xff0c;但它毕竟是云端模型#xff0c;将私人的笔记数据发送到云端始终是…在上一篇文章中我介绍了自己使用 Obsidian 结合 PARA 方法论搭建起了自己的本地知识库同时介绍了如何使用 Gemini CLI 让 Obsidian 有了强大的 AI 能力。虽然 Gemini 很强但它毕竟是云端模型将私人的笔记数据发送到云端始终是许多人心中的一根刺。今天来介绍下我是如何使用本地 Ollama Qwen 3 模型结合Obsidian构建真正的本地隐私 RAG检索增强生成知识库的。我的目标很明确打造一个完全离线、绝对隐私、且懂你的私人 AI 助理。为什么要 “完全本地化”Obsidian 的核心价值观是“Your data is yours”你的数据属于你。当我们把所有的思考、日记、工作计划都记录在这些 Markdown 文件中时它们就构成了我们的第二大脑。然而传统的云端 AI 助手存在天然的悖论隐私泄露风险要让 AI 懂你就得把数据发给它发给它数据就离开了你的控制。网络依赖 非常依赖于在线网络如果断网就完全不可用。数据安全你的个性化模型在云端服务如果云服务停止运营个人训练的模型也就消失了。如果你有一台还不错的电脑那么构建本地 RAG知识库就完美解决了这个问题数据不出门推理在本地不仅安全又高效。我想要的是什么有了构建的想法接下来就是如何实施。其实一直以来我都渴望拥有一个能记忆个人敏感信息的智能体助理。我可以放心地将一些个人或家人的敏感数据交给它而它也能随时准确地回答我的提问。比如我可以问它“我爸妈的身份证号是多少”“我去年过年的年夜饭都吃了什么”“今年的车险我是什么时候缴的”“六一儿童节晚上我和孩子们聊了什么”涉及隐私的细节问题。因为我们使用 Obsidian 作为知识库所有的知识都存储在本地。配合 Thino 插件可以实现类似于 Flomo 的灵感记忆存储。我便将这个插件与日记功能结合起来专门用来记录生活中的琐事。之前一直没有找到实现这个目标的有效路径直到我使用 Obsidian 作为我的知识库我这个想法才真正的变成了现实。构建的底层原理什么是 RAG构建个人知识库智能问答体其实标准的做法那就是 RAG。什么是 RAGRAG (Retrieval-Augmented Generation检索增强生成)最简单理解是它给大模型LLM配了一个实时查阅的“外挂数据库”或“离线手册”。大模型虽然强大但有两个致命伤幻觉Hallucination没见过的数据它会一本正经地胡说八道。知识滞后它的知识停留在训练结束的那一天比如 2023 或 2024 年。RAG 的核心思想既然模型不能实时记住所有新知识那就在回答问题前先去“书架”上把相关的资料查出来贴在 Prompt 后面发给模型“请参考以下资料回答问题”。所以我们只要把我们的 Obsidian 本地知识库作为外挂知识库让本地的模型参考那他就可以基于这些知识回答我们的问题。但是一般的模型并不能直接读取原始的文档这中间需要一个对文档建立索引的过程也就是将文档向量化。具体的过程如下读取扫描 Obsidian 库中的 .md文件。切片把长文章切分成一个个小的文本块Chunks。嵌入 (Embedding)利用 BGE-M3 模型将这些文本块转换成高维向量。比如“Obsidian 插件配置” 这段文字会被转化成一组代表其语义的数字。存储将这些向量存入本地的 ChromaDB 数据库。完成这一步后我们的知识库内容就可以被大模型检索和识别了。接下来就是第二步大模型通过 RAG 的方式回答我们的私人问题。它首先会识别用户的问题把用户的问题也转成向量然后在 ChromaDB 中快速寻找与问题最相关的笔记片段Top-K。将找出的文档块拼接到 Prompt 中调用本地的推理模型生成答案我使用的本地推理模型是 qwen-corder3:30b。构建属于自己的 MyGPT构建本地知识库也有很多种选择也有些开源的产品选择比如 RAGFlow 或者 PrivateGPT。我个人是选择了自己开发有以下几个原因RAGFlow 虽然能力很强但是特别的重它需要跑 Docker启动一堆服务。PrivateGPT 虽然相对轻量但也需要一定的研究成本且最重要的是我希望能够进行高度的个性化定制。因此我用electron构建了一个 mac 原生的应用其中的核心模块之一就是 MyGPT。目前这个 MyGPT 已经完美实现了上述的个人知识库问答功能。未来我还计划加入工具调用功能从而实现真正的本地 Agent。如上图所示我可以问“我今年的取暖费交了没交了多少钱”它不仅能精准地告诉我答案还会列出原始文档的参考来源。点击这个参考来源可以直接跳转到 Obsidian 的原始文档这是许多其他 RAG 产品所无法做到的体验。利用同样的方法我也将吴军老师的一些内容制作成了知识库作为我的第三方外部知识库加以利用。我可以在做问答的时候选择加载的知识库。如果你也有和我类似的需求也可以试试我现在的这种做法。想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2025 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容​一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容​2025 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”