1. 安装Ollama
Ollama官网：https://ollama.com/
在Linux下，终端执行以下命令
curl -fsSL https://ollama.com/install.sh | sh
2. 运行大模型
本地运行 llama3.1：8b 模型，在终端中运行，首次运行会自动拉取模型文件，8b模型大概4G-5G，需要稍微等待一下。
ollama run llama3.1：8b
1. 首先安装Docker，此篇就不详细说明了，不懂的同学可以参考我过去的文章，里面有详细的安装方法。
2. Docker拉取AnythingLLM镜像，打开终端运行
docker pull mintplexlabs/anythingllm
3. 下面的命令将在本地挂载存储并在 Docker 中运行 AnythingLLM，可以全部一次性复制到终端中运行。
export STORAGE_LOCATION=$HOME/anythingllm && mkdir -p $STORAGE_LOCATION && touch "$STORAGE_LOCATION/.env" && docker run -d -p 3001:3001 --cap-add SYS_ADMIN -v ${STORAGE_LOCATION}:/app/server/storage -v ${STORAGE_LOCATION}/.env:/app/server/.env -e STORAGE_DIR="/app/server/storage" mintplexlabs/anythingllm
4. 运行AnythingLLM
（1）先检查 Ollama是否正常运行，只有 Ollama正常运行后，AnythingLLM才能正确配置和运行大模型。打开浏览器，地址栏输入：http://localhost:11434
可以看到 “Ollama is running” 。
（2）运行AnythingLLM，打开浏览器，地址栏输入：http://localhost:3001，如安装无误，可以看到以下页面。
docker ps
1. 打开AnythingLLM页面：http://localhost:3001 ，点击“Get started” 开始配置
2. 选择大模型类型，这里选 “Ollama”
3. Data handling & privacy ， 这里列出了RAG过程中所选择的模型。
4. 输入电邮和使用原因
5. 建立工作空间，输入工作空间的名称: anything_ollama
6. 建立工作空间完成
7. 本地大模型配置
这里注意Ollama Base URL ，如果Ollama部署在本地电脑，官网提供几种地址方式：
8. 正确配置后，回到工作空间问答页，就可以正常对话了
9. 为了提升大模型回答问题的质量和准确性，我们通过RAG的方式，加入本地知识库。点击工作空间旁的上传按钮，打开文档上传页。
（1）选择本地文档上传到AnythingLLM。我们用几篇stm32单片机开发的资料，做RAG处理。
（2）选择文档加入到工作空间。
10. 测试本地知识库的效果
而没有这些知识库，llama3.1:8b大模型回答的效果如下。
