皮皮网

1.掌控自己的知识内容：使用 Obsidian 打造个人知识管理系统（三）：必备插件安装
2.在 Rainbond 上使用在线知识库系统zyplayer-doc
3.开源知识库管理系统：全文档预览及全文检索
4.个人知识库管理工具搭建
5.在笔记本电脑上，实现本地知识库和大模型检索增强生成（RAG）
6.深入 Dify 源码，库管定位知识库检索的理系大模型调用异常

掌控自己的内容：使用 Obsidian 打造个人知识管理系统（三）：必备插件安装

       继续你的知识管理之旅，让我们深入探讨如何在Obsidian中安装和利用关键插件，统源让你的码知个人知识库更加强大。首先，识库csgo指标源码确保Obsidian处于非安全模式，管理然后进入插件安装界面，软件如下所示。知识

       附件管理插件

       为了轻松管理外部文件，库管附件管理插件允许你直接复制并整合和各类文件到指定文件夹，理系配置过程直观明了，统源如图所示。码知

       File Tree Alternative Plugin

       Obsidian默认的识库文件浏览器可能不支持显示所有文件类型，File Tree Alternative插件就派上用场了，管理它可以显示隐藏的Word或Excel文件，如图所示，即使你对显示与否有严格要求，也可选择安装。

       File Explorer Note Count

       这个插件为文件浏览器添加了笔记数量计数功能，安装后，你的笔记管理将更加有序，如图呈现。

       Quiet Outline

       安装Quiet Outline后，大纲视图将更加清晰，让你对笔记结构一目了然，如图所示。

       Editing Toolbar

       编辑器工具栏插件增添了更多编辑便利，安装后，编辑体验提升，如图所示。

       Image Toolkit

       浏览插件让你在编辑时能轻松预览和操作，怎么修改cf源码安装后，编辑工作更顺畅，如图可见。

       Annotator

       PDF注释爱好者可以借助Annotator，安装后，注释功能强大，只需在笔记源码中添加特定标记，如图所示。

       Link Embed

       Link Embed允许你将超链接无缝嵌入笔记，提升阅读效率，如图所示。

       Local Rest API

       配合浏览器插件，你可以轻松将网页内容导入笔记，只需设置对应Key，如图所示。

       通过以上插件的安装和配置，你的Obsidian知识管理系统将更加完善。要想了解更多搭建个人笔记库的详细步骤，持续关注我们的知乎专栏，解锁更多实用技巧。

在 Rainbond 上使用在线知识库系统zyplayer-doc

       zyplayer-doc 是一款适合企业和个人使用的WIKI知识库管理工具，提供在线化的知识库管理功能，专为私有化部署而设计，最大程度上保证企业或个人的数据安全，可以完全以内网的方式来部署使用它。

       当然也可以将其作为企业产品的说明文档来使用，支持一键将整个空间的内容开放到互联网，并提供有不同风格的开放文档页样式可供选择，省去您为了产品的说明文档而去定制开发一个系统的成本。

       本文将介绍通过 Rainbond 部署在线知识库系统 zyplayer-doc 的两种方式，使用 Rainbond 开源应用商店一键部署和通过源代码部署。pytorch包源码修改

       部署 zyplayer-doc 安装 Rainbond

       Rainbond 是一个云原生应用管理平台，使用简单，不需要懂容器、Kubernetes和底层复杂技术，支持管理多个Kubernetes集群，和管理企业应用全生命周期。主要功能包括应用开发环境、应用市场、微服务架构、应用交付、应用运维、应用级多云管理等。

       可通过一条命令快速安装 Rainbond。

       通过应用商店部署 zyplayer-doc

       zyplayer-doc 已经发布到 Rainbond 开源应用商店，用户可通过开源应用商店一键安装 zyplayer-doc。

       在 Rainbond 的「平台管理 -> 应用市场 -> 开源应用商店」 中搜索 zyplayer-doc 并安装。

       部署完成后拓扑图如下。

       可通过 Rainbond 默认提供的域名访问zyplayer-doc，访问需要加后缀 /zyplayer-doc/，如：/zyplayer-doc/，默认用户密码 「zyplayer/」。

       通过源码部署 zyplayer-doc

       zyplayer-doc 是由 Java 编写的 SpringBoot 项目，Rainbond 对于 Java 项目可以通过识别项目的 pom.xml 文件来进行模块的打包以及构建和部署，实现一键式体验。

       部署 MySQL

       zyplayer-doc 需要使用 MySQL 服务，可以通过 Rainbond 开源应用商店快速部署 MySQL。

       在 Rainbond 的「平台管理 -> 应用市场 -> 开源应用商店」 中搜索 mysql 并安装，可选择安装 5.7 或 8.0 版本。

       源码部署 zyplayer-doc

       修改zyplayer-doc-manage/src/main/resources/application.yml配置文件，连接信息可在 MySQL 组件中的依赖信息查看。

       进入到团队/应用内，nginx配置解析源码选择通过源码创建组件。

       然后 Rainbond 会检测出来为多模块项目，选择zyplayer-doc-manage 并进行构建，其他模块都是依赖项，是不可运行的。

       编排服务

       在应用内 -> 切换到编排模式，将 zyplayer 组件依赖至 MySQL 组件，这样 MySQL 组件会将自身的环境变量注入到 zyplayer 中，zyplayer 组件就可以通过配置文件中的环境变量连接到 MySQL 数据库。

       然后更新 zyplayer 组件即可。

       最后通过 Rainbond 默认提供的域名访问zyplayer-doc，访问需要加后缀 /zyplayer-doc/，如：/zyplayer-doc/，默认用户密码 「zyplayer/」。

开源知识库管理系统：全文档预览及全文检索

       开源知识库管理系统：全文档预览和全文检索功能概览

       四个月前，我发起了一项名为《知识文档存储及分享下载系统》的开源项目，旨在解决团队内部文档管理与检索的问题。该项目专注于存储和分享各类文档，如PPT、PDF和Word，以及提供快速搜索功能，帮助团队成员高效查找所需资料。

       经过开发和优化，项目已经实现了主要核心功能，包括:

       全文检索：支持文档标题和内容的精确搜索，以及关键字的全局查找。

       文档预览：直接展示PDF、Word和等格式的文档，可查看文件基本信息，如名称、大小和上传时间。兼职app下载源码

       互动功能：用户可以对文档进行收藏和评论，管理员则拥有删除评论的权限。

       文档管理：支持分类和标签功能，便于用户分类浏览。

       新功能亮点：搜索热榜和文件查看热榜，展示最受关注的内容。

       技术方面，前端采用Vue、vue-router等技术，后端依托SpringBoot 2.4.5、MongoDB、ElasticSearch和Redis。关于技术方案和未来规划，我将在我的博客jiaruiblog.com上进行详细分享。

       要体验这个知识库系统，你可以访问以下链接：

       首页：全文档 - 东半球最好用的知识库

       管理地址：全文档 - 东半球最好用的知识库

       初始账户：用户名admin，密码admin

       源代码在GitHub上供您参考：

       Vue前端：github.com/Jarrettluo/a...

       Java后端：github.com/Jarrettluo/d...

       期待您的反馈和参与，一起打造更完善的文档管理工具。

个人知识库管理工具搭建

       个人知识库管理和书签管理可以通过一些工具和技术来实现，如Multipass、Docker、linkding、Raindrop、HedgeDoc、ArchiveBox等。以下是对这些工具的简要说明和安装步骤。

       首先，利用Multipass在Windows上创建一个Ubuntu虚拟服务器，安装时选择Hyper-V，通过命令行创建虚拟机并配置DNS。可能需要修改DNS设置，确保使用正确的DNS服务器，如8.8.8.8。

       对于书签管理，linkding支持标签功能，但不支持分类，可以通过特殊标签模拟。可以使用Raindrop的RESTful API同步书签。Docker Compose可以用来部署相关服务。

       对于编译安装，需要Python 3.及以上和NodeJS/NPM。安装Miniconda处理Python环境，通过APT安装NodeJS依赖，并配置Python编译和运行时依赖。下载源码后，编译静态资源，进行初始化，启动服务。

       Markdown编写方面，HedgeDoc提供便捷的操作，但可能需要设置Nginx Header。页面/文件归档可能遇到国外网站访问问题，需要借助代理，如Privoxy，配置SOCKS4/SOCKS5转为HTTP代理，以及WGET的代理设置。

       对于归档服务，可以选择ArchiveBox或SingleFile CLI。ArchiveBox需先安装Python环境，通过pip安装，初始化服务，支持多种归档方法。SingleFile CLI则提供轻量级的网页打包选项。

       如果需要集中浏览和存储HTML文件，HamsterBase是一个选择，通过Docker容器启动，上传HTML文件进行阅读。

       综上，这些工具和方法可以帮助你有效地管理个人知识和书签，但在使用过程中，可能需要根据具体情况进行适配和调整。

在笔记本电脑上，实现本地知识库和大模型检索增强生成（RAG）

       在笔记本电脑上，实现本地知识库和大模型检索增强生成（RAG）的问题，通过引入AnythingLLM，可以轻松解决。

       AnythingLLM是用于本地部署基于RAG的大模型应用的开源框架，它采用MIT许可证，不调用外部接口，不发送本地数据，确保用户数据的安全。

       它支持在MacOS、Windows和Linux等操作系统上直接下载并安装，初次启动需要几分钟初始化时间。所有上传的文档、向量和数据库都保存在特定的文件夹中，方便查看。

       在选择大模型时，AnythingLLM预设了多个模型选项，如LLama2 7B、Mistral 7B、Gemma 2B等，同时也可以直接调用OpenAI、Gemini、Mistral等大模型API服务。如果已安装Ollama，只需输入API接口URL和已下载的模型即可。

       嵌入模型方面，AnythingLLM内置了all-Mini-L6-v2模型，无需配置，性能稳定。同时支持OpenAI、LocalAi、Ollama等提供的嵌入模型，如nomic-embed-text，性能优越。使用Ollama时，可选择nomic-embed-text。

       向量数据库则默认使用LanceDB，它是一款无服务器向量数据库，支持向量搜索、全文搜索和SQL查询，同时兼容Chroma、Milvus、Pinecone等其他数据库选项。

       创建知识库时，AnythingLLM提供上传文档和抓取网页信息的功能。上传Word文档或创建工作区，系统会自动提取信息并保存至向量数据库。我创建了一个名为“David”的工作区，上传了关于AI新范式的三篇文章，系统抓取数据后统一存储。

       通过构建知识库，大模型可以针对特定问题提供答案，并引用上传的文档。尽管答案有时不够精确，未来可以进一步优化文本召回和重排等功能。

       对于界面定制，AnythingLLM提供了基本选项，如自定义品牌Logo和欢迎语。对于更复杂的定制需求，需要通过修改源代码实现。

       部署方式灵活，AnythingLLM支持Docker本地化部署，也适用于企业级应用，支持在私有云或物理服务器上部署。

       多用户模式方面，AnythingLLM提供了管理员、管理角色和普通用户的权限管理，确保不同角色的用户在特定范围内操作，适用于企业级应用。

深入 Dify 源码，定位知识库检索的大模型调用异常

       深入分析Dify源码：大模型调用异常定位

       在使用Dify服务与Xinference的THUDM/glm-4-9b-chat模型部署时，遇到了知识库检索节点执行时报错大模型GPT3.5不存在的问题。异常出乎意料，因为没有额外信息可供进一步定位。

       通过源码和服务API调用链路的分析，我们发现问题的关键在于知识库检索的实现。该功能在api/core/rag/datasource/retrieval_service.py中，其中混合检索由向量检索和全文检索组成。我们关注了关键词检索、向量检索和全文检索这三个基础检索方式：

       关键词检索：仅使用jieba进行关键词提取，无大模型介入。

       向量检索：通过向量库直接搜索，如Milvus，无大模型调用。

       全文检索：使用BM，大部分向量库不支持，实际操作中返回空列表。

       问题出现在知识库检索节点的多知识库召回判断中，N选1召回模式会调用大模型以决定知识库。在配置环节，前端HTTP请求显示配置错误，使用了不存在的GPT3.5模型。

       经测试，手工创建的知识库检索节点使用了正确的glm-4-9b-chat模型，问题出在默认模板的配置上，即N选1召回模式默认选择了GPT3.5。本地部署时，如果没有配置相应模型，会导致错误出现。

       总结来说，解决方法是修改默认模板，将知识库检索的默认模式改为多路召回，这样可以避免新手在本地部署时遇到困扰。建议Dify官方在模板中改进这一设置，以简化用户部署流程。