认识AnythingLLM：一款全栈应用程序，将您的内容转化为丰富的数据，以增强大型语言模型LLMs的相互作用
自OpenAI革命性的ChatGPT发布以来，人工智能领域，特别是大型语言模型(LLMs)方面的项目数量一直处于历史最高水平。这些项目中的许多都能够通过利用LLMs的强大功能来解决复杂任务、增强自然语言理解和生成类人文本，从而可能颠覆各个领域。最近，Mintplex Labs发布了一个名为AnythingLLM的项目，它是一个全栈应用程序，旨在通过一个精心设计的用户界面，为客户提供与文档、资源等进行智能对话的最简单方式。AnythingLLM使用Pinecone和ChromaDB来处理向量嵌入，并使用OpenAI API来处理LLM和对话功能。该工具的一个独特之处在于，它可以在后台简单地运行，而不需要使用大量的内存或资源，因为默认情况下，LLM和vectorDB在云端进行托管。
AnythingLLM的创建者还通过强调其与当前市场上其他工具的区别，如PrivateGPT、LocalGPT等，来强调其关键特点。与只是一个命令行工具的PrivateGPT不同，AnythingLLM具有交互式用户界面，有助于实现直观和用户友好的体验。此外，PrivateGPT要求用户在其机器上运行本地LLM，这对于没有强大机器的用户来说不是最高效和资源丰富的解决方案。另一方面，受PrivateGPT启发的LocalGPT也面临类似的问题，其中私有LLM在用户的机器上运行。这些解决方案还存在显着的技术开销。这就是AnythingLLM胜过竞争对手的地方，因为它使用客户已经熟悉的LLMs和vectorDB，因此更易于访问。这个全栈应用程序既可以在本地运行，也可以在后台远程运行。
AnythingLLM将文档的容器化作为其基础。在这种情况下，不同的工作区可以共享相同的记录，但不能相互交互，从而允许用户为不同的用例维护不同的工作区。AnythingLLM包括两种聊天模式：对话模式，其中保留以前的问题；查询模式，指针对用户指定的文档进行简单的问答聊天。此外，对于公开可访问的文档，每个聊天响应还包括一个引用，链接到原始内容。该项目被设计为单一库结构，主要由三个部分组成：collector、frontend和server。collector是一个Python工具，允许用户快速将来自在线资源（如指定Youtube频道的视频、Medium文章、博客链接等）或本地文档转换为LLM可用格式。产品的前端使用viteJS和React构建，而nodeJs和express服务器处理所有LLM交互和vectorDB管理。
AnythingLLM项目在MIT许可下开源，开发者期待社区提供错误修复和其他贡献。该项目具有完全改变用户如何使用LLM与文档或任何内容进行交互的巨大潜力。有兴趣的用户可以从此Github存储库克隆该项目，并开始设置他们的应用程序。
