1. RAG 个人知识库和文档管理 很多人都会遇到以下的问题： 个人的技术资料和工作上累积的文档越来越多 PDF 、图片、文档散落在各个目录 想找一份资料时只能靠文件名或全文搜索 知道“某份文档里有答案”，但找不到在哪 一般来说,有大量资料和技术文档的资产的管理,要么放本地要么丢同步盘,可持久化好一些的解决方案就是部署文档管理系统管理(如 paperless-ngx 等). 那么当文档越来越多的情况下,自己已经几乎完全忘记文档内容时,如何查询和检索便成为了一个新的挑战. 随着现在大语言模型的发展，一个新的解决方向变得可行： 让电脑“读懂”你的文档，并且可以直接用自然语言提问 这就是 RAG 知识库,目前这类方案中,anythingllm 算是在强大和简单易用性中平衡的最好的产品了,而且最重要的是,部署简单和免费. 但 anythingllm 目前专注于 RAG 方向,对于原始文档的管理查找的功能有缺失,当我想在 anythingllm 中查看和管理原文档时,发现几乎难以实现,那么今天我这里探索总结的一个方案就是: 查看管理原始文档资产，并且同时同步成 AI 时代可对话、可推理的知识库 这篇文章，就是我最终探索出来的一套结合文档管理和 RAG 知识库优点个人知识库部署实践.可以方便的在 Linux 的个人服务器或者 NAS 上运行和部署. 2. 我选择了哪些组件 Paperless-ngx：文档资产管理 选择 Paperless-ngx 的原因非常明确： 成熟稳定 多文档格式支持, 有 OCR 能力（ Tesseract ） 有完整的 API 接口 支持规则化归档（ document type / correspondent / tags ） 完全私有化 AnythingLLM: RAG 与 Workspace 的结合体 AnythingLLM 的优势在于： Workspace 抽象非常适合“知识域” 文档在 Workspace 中 embedding 后即可依赖 LLM 实现检索 可对接本地 Ollama 简单易上手 完全私有化 Ollama：本地 LLM 模型以及 Embedder 大名鼎鼎的 Ollama 就不用多介绍了,这里我们跑两个模型,qwen3-embedding:0.6b 和 qwen3:4b,供 AnythingLLM 做 Embedder 和 LLM 使用(更加强大的 LLM 提供商很多,可以自行选择) paper2anything：我开发的一款开源的同步工具 这个工具是我为解决以上问题开发的依据 paperless-ngx 的 tag 同步到 anythingllm 的 workspace 的工具,支持多 tag 增改删的同步,项目内有详细说明,没花几天时间写代码,只是共享一下方法并不是想要推广自己的项目,但还是欢迎使用并提 issue,求 star 项目地址： 👉 https://github.com/oserz/paper2anything 它做的事情包括： 调用 Paperless API 获取文档元数据 根据 tag 映射到 Workspace 通过 AnythingLLM API 上传文档和 embedding 到 Workspace 做增量同步（新增 / 修改 / 删除） 本地保存同步状态 3. 部署方法和 Docker Compose 示例 Paperless-ngx 的部署,这是一份相对较齐全的可用配置(省略映射路径等选项): version: "3.9" services: broker: image: redis:7 container_name: paperless-redis restart: unless-stopped volumes: - /your-path/redis:/data db: image: postgres:15 container_name: paperless-postgres restart: unless-stopped environment: POSTGRES_DB: paperless POSTGRES_USER: paperless POSTGRES_PASSWORD: paperless volumes: - /your-path/pgdata:/var/lib/postgresql/data paperless: image: ghcr.io/paperless-ngx/paperless-ngx:latest container_name: paperless-ngx restart: unless-stopped depends_on: - db - broker ports: - "8888:8000" environment: # === 基础 === PAPERLESS_REDIS: redis://broker:6379 PAPERLESS_DBHOST: db PAPERLESS_DBNAME: paperless PAPERLESS_DBUSER: paperless PAPERLESS_DBPASS: paperless # === 管理员（首次启动）=== PAPERLESS_ADMIN_USER: admin PAPERLESS_ADMIN_PASSWORD: admin123 PAPERLESS_ADMIN_EMAIL: [email protected] # === 时区 & 语言 === PAPERLESS_TIME_ZONE: Asia/Shanghai PAPERLESS_DEFAULT_LANGUAGE: zh-hans # === OCR （屏蔽可能中文的 OCR 下载失败）=== PAPERLESS_OCR_LANGUAGE: eng #chi_sim+eng PAPERLESS_OCR_CLEAN: clean PAPERLESS_OCR_MODE: skip # PAPERLESS_OCR_LANGUAGES: chi_sim # === 文件命名（新语法）=== PAPERLESS_FILENAME_FORMAT: "{{ created_year }}/{{ correspondent }}/{{ title }}" # === 性能 === PAPERLESS_TASK_WORKERS: 2 PAPERLESS_THREADS_PER_WORKER: 2 PAPERLESS_URL: (your domain address) volumes: - /your-path/data:/usr/src/paperless/data - /your-path/media:/usr/src/paperless/media - /your-path/consume:/usr/src/paperless/consume 在 Paperless 中做的事情 完成部署后，你需要做三件事： 创建管理员账号 上传文档 给文档设置或者分配标签 这些信息将直接决定后续知识库的结构 anythingLLM 的 docker compose 示例 version: "3.9" services: anythingllm: image: mintplexlabs/anythingllm:latest container_name: anythingllm restart: unless-stopped ports: - "3001:3001" environment: # === 基础配置 === - STORAGE_DIR=/app/server/storage - JWT_SECRET=your_password - LLM_PROVIDER=ollama - EMBEDDING_ENGINE=ollama # === Ollama 配置（本机或同一 Docker 网络）=== - OLLAMA_BASE_URL=http://your-domain-addr:11434 # === 日志 === - LOG_LEVEL=info volumes: # === 核心数据（必须迁移）=== - /your-path/data/storage:/app/server/storage networks: - anythingllm-net networks: anythingllm-net: driver: bridge ollama 的部署和设置说明 这部分比较简单,就略过不说了,推荐 ollama 拉取 qwen3-embedding:0.6b 的模型设置到 anythingLLM 的 embedder 中,这算是 embedding 的最强模型了. LLM 模型设置可以根据自己的条件来,本人测试 qwen3:4b 在 markdown 文档下可用,但 pdf 文档基本上就是乱答了,国内用收费模型如 deepseek 都体验不错. 同步设置和说明 同步工具下载地址: https://github.com/oserz/paper2anything/releases/ 在同步之前,一定要先设置好 anythingllm 中的 embedder 等选项再开始同步 根据 config.json.example 中填入 url 地址,和 token 和 api_key,改名成 config.json 运行 p2a 即可 anythingllm 的 api_key 在设置 --> 开发者 API paperless-ngx 的 token 在账户信息 --> API 认证字符串 或者运行./sync_loop.