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

【白话前端 09】HTML网页结构搭建：从语义化标签到整站规划

早期写网页，前端只有一个容器标签可用：<div>。 结果就是页面里堆叠了几百个 <div>。人眼能通过 CSS 样式看出哪里是头部、哪里是侧边栏。但对于搜索引擎爬虫、或是视障者的屏幕阅读器来说，这只是一坨没有主次的文本碎片。机器根本不知道 <div> 这几个英文字母代表核心内容。 HTML5 引入 <header>、<main> 等语义化标签，本质不是为了给页面换个长相，而是给网页写一份“机器能看懂的结构说明书”。 当把核心代码放进 <main>，把底部备案信息扔进 <footer>，爬虫一进来就明确知道：“抓取有效信息直接去 <main> 里找，底部的东西可以直接跳过。”这就是语义化的底层价值。 本文不背概念，

Qwen1.5-0.5B-Chat实战教程：基于Flask的WebUI开发

Qwen1.5-0.5B-Chat实战教程：基于Flask的WebUI开发 1. 引言 1.1 学习目标 本文旨在带领读者从零开始，完整构建一个基于 Qwen1.5-0.5B-Chat 模型的轻量级智能对话 Web 应用。通过本教程，你将掌握： * 如何在本地环境中部署开源大模型 * 使用 ModelScope SDK 加载并调用通义千问系列模型 * 基于 Flask 构建支持流式响应的 Web 用户界面 * 在无 GPU 环境下实现 CPU 推理优化方案 最终成果是一个可交互、低资源占用、开箱即用的网页聊天系统，适用于边缘设备或低成本部署场景。 1.2 前置知识 为确保顺利跟随本教程操作，请确认已具备以下基础： * Python 编程基础（熟悉函数、类和模块导入） * 基本命令行操作能力（Linux/macOS/
【开题答辩过程】以《基于web的远程文件管理系统的设计与实现》为例，不知道这个选题怎么做的，不知道这个选题怎么开题答辩的可以进来看看

【开题答辩过程】以《基于web的远程文件管理系统的设计与实现》为例，不知道这个选题怎么做的，不知道这个选题怎么开题答辩的可以进来看看

个人简介 慕婉学姐精通Java、PHP、微信小程序、Python、Golang和安卓开发等语言，擅长开发大数据、深度学习、网站、小程序、安卓应用和算法项目。平时从事项目定制开发、代码讲解、答辩教学和文档编写，也掌握一些降重技巧。感谢大家的持续关注！ 近期，由于许多同学在选题阶段既想创新又担心内容量，学姐将分享更多新颖的选题和开题答辩案例，希望能为学弟学妹们提供更多的灵感和选择，帮助大家设计出更具有创新性的作品 开题陈述 各位老师好，我的毕业设计题目是《基于Web的远程文件管理系统的设计与实现》。该系统旨在通过B/S架构，让用户能够随时随地通过网络浏览器访问和管理自己电脑中的文件，将个人电脑打造成私有"云盘"。主要功能模块包括用户认证模块、文件上传下载模块、文件操作模块（复制、移动、删除、重命名）、目录浏览模块以及文件搜索模块。技术栈方面，后端采用Spring Boot框架搭建，数据库使用MySQL存储用户信息和文件元数据，开发语言为Java，开发工具选用Eclipse。系统相比传统远程桌面程序，具有操作权限更小、安全性更高、使用更便捷的特点。
前端实现B站视频画中画功能 - 完整代码实现主页面和小窗同步视频控制功能

前端实现B站视频画中画功能 - 完整代码实现主页面和小窗同步视频控制功能

🌷 古之立大事者，不惟有超世之才，亦必有坚忍不拔之志 🎐 个人CSND主页——Micro麦可乐的博客 🐥《Docker实操教程》专栏以最新的Centos版本为基础进行Docker实操教程，入门到实战 🌺《RabbitMQ》专栏19年编写主要介绍使用JAVA开发RabbitMQ的系列教程，从基础知识到项目实战 🌸《设计模式》专栏以实际的生活场景为案例进行讲解，让大家对设计模式有一个更清晰的理解 🌛《开源项目》本专栏主要介绍目前热门的开源项目，带大家快速了解并轻松上手使用 🍎 《前端技术》专栏以实战为主介绍日常开发中前端应用的一些功能以及技巧，均附有完整的代码示例 ✨《开发技巧》本专栏包含了各种系统的设计原理以及注意事项，并分享一些日常开发的功能小技巧 💕《Jenkins实战》专栏主要介绍Jenkins+Docker的实战教程，让你快速掌握项目CI/CD，是2024年最新的实战教程 🌞《Spring Boot》专栏主要介绍我们日常工作项目中经常应用到的功能以及技巧，代码样例完整 👍《Spring Security》专栏中我们将逐步深入Spring Security的各个