你好，我是郭震
结合AI大模型能力，构建个人知识库，做一个问答系统。
很多人都有这种需求。
因为此种模式，既能发挥大模型的AI问答能力，又能考虑到我们自己个性的文档知识库。
常见的方案有这样几种：
-
调用闭源大模型（如ChatGPT， Claude）API，使用向量数据库管理个人知识库；
-
本地部署开源大模型（如Qwen，Llama)，使用向量数据库管理个人知识库；
第一种方式调用API需要付费，第二种方式虽然不花钱，但是对个人电脑性能要求很高，运行本地大模型+向量数据库，两者叠加得配置一台高性能电脑，变相增加投入了。
有没有一个更好的方案，既不花钱，一般电脑又能玩的搭建方法？
我这篇文章的目标就是尝试探索这样一种解决方案，帮大家做到既不花钱，又一般电脑也能玩。这个大框架下，再从中选择最容易搭建的方法，尽量少的安装第三方工具包，这样大家非常容易部署。
最后的解决方案，只需要一个代码文件，全部搞定。
好的，朝着目标，咱们走起。
前期准备
-
准备一台8G以上内存的电脑，无显卡也问题不大；
-
通过我前几天发的这篇文章：自己电脑搭建AI大模型详细教程，支持通义千问、Llama3、接口调用等。在本地搭建好qwen:7b模型，文章中介绍的应该是最简单的方案了，无需花钱，开源免费。
-
再会一点Python安装包的技能，基本就是一条命令：pip install 安装包的名字
方案介绍
既不花钱，一般电脑又能玩的方案，一句话总结：本地大模型（qwen:7b）+ 文档搜索工具（whoosh)
使用此方案搭建的LLM+个人知识库，网页界面demo如下：
若提问内容在我们的文档系统中，输出哪些文档命中，包括内容，然后大模型Qwen自动对内容进行深度分析。
总体来说，这种模式充分发挥了高性能检索+LLM问答的两者优势，用起来还是挺舒服的。
功能介绍
总体功能，这是一款轻量级 LLM（大语言模型）+ 知识库应用，结合了 Whoosh 全文搜索引擎和本地化部署的 Qwen-7B 模型，提供高效的个人知识检索和AI智能问答功能。
功能一：文件上传与知识库构建
功能描述：用户可以上传 .docx 文件，这些文件的内容会被解析并存储到知识库中。系统通过 Whoosh 构建索引。如下图所示：
大家可以基于我的程序，继续扩展对PDF，Excel，PPT等内容的检索支持。
此功能核心代码：
功能二：知识库搜索
功能描述：用户可以输入关键词或问题，从知识库中检索相关内容。
如果检索结果重复，系统会自动过滤掉重复项。如下图所示：
检索功能核心代码：
功能三：Qwen-7B 智能问答
功能描述： 若知识库中检索到相关内容，系统会继续调用本地部署的 Qwen-7B 模型，对检索的知识做深度分析；如果未在知识库搜索到内容，会直接调用大模型回答。如下图所示：
此功能核心代码：
Whoosh介绍
Whoosh 是一个轻量级的全文搜索引擎库，用于快速构建本地索引和查询。它支持灵活的字段配置、多种查询类型，并通过纯 Python 实现，无需额外依赖，非常适合小型项目或知识库系统。
Whoosh 工作流程主要分为下面三个步骤：
-
初始化索引：调用 initialize_index() 创建或加载索引。详见代码文件的此函数实现。
-
添加文档：用户上传 .docx 文件后，调用 add_document_to_index() 将文档内容分词并存储到索引。
-
执行搜索：用户输入查询关键词后，调用 search_knowledge_base() 检索索引。
更多Whoosh使用介绍参考：https://whoosh.readthedocs.io/
完整代码文件只有1个，一共118行，想要完整源码部署LLM+个人知识库的，在下面我的公众号回复：知识库
总结一下
本篇介绍了LLM+个人知识库搭建方法，此技术方案具有以下优势：
-
轻量级和高效：Whoosh 提供快速的全文搜索能力，无需依赖数据库或云服务。本地化的 Qwen-7B 模型，离线运行，节省网络资源。
-
中文支持：使用 jieba 实现中文分词，优化了中文文本的索引与查询。
-
易于扩展：知识库和智能问答可以分别扩展，如添加更多文件格式支持或更高效的语言模型。
这种方案除了支持开源大模型外，对于闭源大模型GPT等同样也是支持的，感兴趣的可以玩一下。
以上全文2678字，9张图。如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个⭐️，谢谢你看我的文章，我们下篇再见！