5分钟了解！探索AnythingLLM，借助开源AI打造私有化智能知识库，熟悉向量数据库

本文是系列文章，在前面提到安装Ollama和AnythingLLM的教程，本文会着重解决本地文档向量化的过程，同时本地应用的管理。

                                                                   图1. 上传本地文档进行向量化处理

• 构建向量数据库特别慢：支持的文档格式很多，但在我的电脑32G内存，16GPU上，构建向量数据库的过程非常耗时。这是因为文档需要被嵌入模型处理成高维向量，并存储到数据库中。该过程涉及复杂的计算和大量内存操作，而嵌入（Embed）到 Workspace 则需十几分钟，且时常失败。

                                                     图2.向量数据库选择

在AnythingLLM中进行参数配置，本文用的向量数据是LanceDB是自带的数据库

                                                                 图3. Embedding参数配置

chunksize参数决定了文档被分割成多少个小块进行处理。较小的chunksize可以增加处理的粒度，使得模型能够更细致地处理每个小块，但可能会增加处理时间和内存消耗；较大的chunksize则可以减少处理时间，但可能会影响处理的精度和效果。