企业官网建设流程全解析

手机网站建设步骤,wordpress多站点模式,电商网站的模式,百度账号登录不了本文详细介绍了如何使用n8n、Ollama和Qwen3构建企业级RAG检索系统。内容包括#xff1a;Ollama环境配置、Qwen3-Embedding模型下载、n8n工作流创建、文档向量化处理、知识库检索功能实现等完整步骤。教程涵盖了从环境搭建到实际应用的全部流程#xff0c;包括文件解析、语义分…本文详细介绍了如何使用n8n、Ollama和Qwen3构建企业级RAG检索系统。内容包括Ollama环境配置、Qwen3-Embedding模型下载、n8n工作流创建、文档向量化处理、知识库检索功能实现等完整步骤。教程涵盖了从环境搭建到实际应用的全部流程包括文件解析、语义分割、向量存储等关键技术点并提供了常见问题解决方案帮助读者构建自己的企业级知识库检索系统。n8nOllamaQwen3构建企业级RAG检索系统-知识库1、Qwen3-Embedding介绍硅基流动https://cloud.siliconflow.cn/me/models魔搭社区https://www.modelscope.cn/search?searchQwen3-EmbeddingHuggingFacehttps://huggingface.co/Qwen/collections2、Ollama安装下载Ollama官方地址https://ollama.com/我的Ollama安装路径E:\S_Software\Ollama① 手动创建Ollama安装目录我手动创建的文件夹目录为E:\S_Software\Ollama② 运行安装命令创建好之后把Ollama的安装包exe放在这个目录下接着再到这个目录下运行cmd命令OllamaSetup.exe /DIRE:\S_Software\OllamaDIR后面的路径是之前手动创建的文件夹路径。输入命令后直接回车Ollama就会进入安装程序这个时候可以看到安装的路径变成了我们刚刚创建的文件夹。③ 安装完毕安装好了之后在控制台输入ollama可以正常显示ollama版本则表示安装成功。2.1、修改模型下载目录① 创建models目录修改默认模型下载目录在之前的安装目录下创建一个models文件夹E:\S_Software\Ollama\models。打开ollama软件点击settings找到Model location把路径修改成上面创建好的这个。② 模型转移在命令行输入ollama list如果发现有模型则进行这一步操作。先退出ollama接着进入C盘--用户--你自己的电脑名称--.ollama--剪切整个models下的内容到刚刚上面新建的存储目录下之后删掉C盘的这个models文件夹。如果之前修改过存储目录那就自己找到再去复制。这个时候就是正常的了。2.2、安装nodejs如果想用nodejs安装n8n可以安装nodejs推荐安装v22以上的版本这里我安装的是v24.11.1。nodejs官网https://nodejs.cn/download/一路默认安装就行有其他想法的自行AI搜索。 使用如下命令下载即可npm install -g n8n # -g表示全局安装可在任意目录运行整个过程大概需要5-10分钟Windows报错gyp ERR! find VS需安装Visual Studio的C桌面开发工具勾选Windows SDK。Linux/macOS报错distutils缺失安装Python 3.x并确保distutils可用。解决gyp ERR! find VS报错1、报错内容npm error gyp ERR! stack Error: Could not find any Visual Studio installation to use原因是n8n 依赖的 sqlite3 模块需要本地编译但你的系统缺少 Visual Studio 的 C 编译工具链。而Visual Studio几乎是必备工具因为支持C 开发工具链.NET 框架Windows SDK 和系统库2、解决方案下载对应的工具https://visualstudio.microsoft.com/zh-hans/visual-cpp-build-tools/下载2022版本最新版2026的VS在npm没兼容无法识别旧版下载链接https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/实在下载不了就直接找我给安装包① 选择 “C 桌面开发”勾选windows sdk我的是win11勾选的是win11的sdk注意要是2022② 自定义安装目录安装需要十几个G的空间建议更改盘符另外一个windows11的sdk也勾上win10那个也勾上我在这踩了好多坑我也不知道为什么我win11的电脑装win11还是报错找不到windows sdk建议还是用docker安装一个命令就结束。这是后面我补充安装好的配置。等待安装完毕即可安装完成之后重启电脑。3、重新安装n8n# 1、卸载全局安装的 n8n 包npm uninstall -g n8n# 2、强制清理 npm 缓存文件npm cache clean --force# 3、验证缓存完整性并优化空间npm cache verify# 4、全局安装 n8n 包npm install -g n8n# 5、查看全局安装的 n8n 版本和依赖npm list -g n8n4、启动n8n配置好环境变量后在命令行中输入n8n即可启动。浏览器输入http://localhost:5678/setup即可访问。3、Qwen3-Embedding本地模型下载及配置① 模型下载方式一在HuggingFace里面下载下载量化之后的GGUF格式的模型https://huggingface.co/Qwen/Qwen3-Embedding-4B-GGUF/tree/main如果使用这种方法下载的模型需要使用ollama再创建嵌入模型推荐使用方式二。Ollama创建嵌入模型创建最简Modefileplaintextecho FROM 上一步你下载的模型路径 Modelfile# 示列echo FROM E:\Ollama\Qwen3-Embedding-4B-Q4_K_M.gguf Modelfile创建模型plaintextollama create qwen3_embedding -f Modelfile方式二使用Ollama命令直接下载模型ollama run hf.co/Qwen/Qwen3-Embedding-4B-GGUF:Q4_K_M② 测试嵌入模型**方式一的测试方法**命令行输入注意windows需要双引号裹住json所以需要转义curl http://localhost:11434/api/embed -d {\model\:\qwen3_embedding\,\input\:\Hello\}model的名称要看ollama list输出的name需要一致方式一只做展示推荐方式二。**方式二的测试方法**在命令行中输入ollama run hf.co/Qwen/Qwen3-Embedding-4B-GGUF:Q4_K_M 这是一个测试文本效果就是会输出一堆向量化的内容。方式二用curl命令测试curl http://localhost:11434/api/embed -d {\model\: \hf.co/Qwen/Qwen3-Embedding-4B-GGUF:Q4_K_M\,\input\: \Hello World\}效果如下。4、n8n创建RAG工作流1、选择触发方式这里暂时选择的是Trigger manually。2、添加步骤搜索file找到Read/Write Files from Disk选择Read即可因为是本地知识库所以选的这个还有其他方式。填入的E:\\F_File\\RAG\\**表示读取RAG文件夹下的所有文件。点击测试提示成功则表示通过了。也可以直接在这一个步骤里面运行在右侧可以看到输出这里可以看到直接输出了我在这个文件夹下面的两个文件一个md格式一个pdf格式。3、添加循环组件Loop over Items对应的中文文档https://docs.n8ncn.io/integrations/builtin/core-nodes/n8n-nodes-base.splitinbatches/循环组件loop这个步骤是为了一直读取文件夹下的文件循环读取。Batch Size表示输入每次调用要返回的项目数。执行当前整个业务流。4、加入向量数据库在loop的节点中加入Vector这里我们作为学习演示选择Simple Vector Store即可。选择第二个Add documents from vector store将文档转换为向量。Memory key这里直接使用的是默认的也可以自己进行修改添加后续将会使用到。发现有红色感叹号是因为还需要配置两个组件一个是Embedding模型配置一个是Document。5、配置文件解析模型语义分割1、Embedding模型配置我们选择的是本地Ollama模型部署。配置Ollama默认的是localhost如果localhost提示连接不上就修改成127.0.0.1。选择对应的Embedding模型。2、Document对文件进行分块选择Default Data Loader。Type of Data可以选择JSON或者Binary二进制这里我们选择二进制。Mode选择默认的Load All Input Data。Data Format选择自己的文件类型或者选择自动解析。Text Splitting选择自定义Custom。这个时候工作流如下图所示需要对文本分割进行处理了。3、选择语义分割6、创建检索知识库工作流当前完整工作流如下图所示。1、当前工作流运行成功显示2、创建一个新的工作流选择On chat message。3、创建一个AI Agent节点AI Agent下方的Chat Mode接入一个对话大模型这里我选择的是Deepseek需要有API Key使用硅基流动或者Deepseek官方API生成ApiKey填入即可。 第一次建立需要点击Create new credential。接着在AI Agent下方的Tool接入Answer questions with vector store(使用向量存储回答问题)在描述里面填入当前工具是用来检索向量数据的。到这一步创建完工作流如图所示。4、接入向量数据库、向量模型、对话模型接上一步骤在Answer questions with vector store(使用向量存储回答问题)下面的Vector Store接入向量数据库Simple Vector Store。注意和创建向量数据库那个时候的key要匹配一致。在Model节点中继续接入Deepseek Chat model。最后一步在Simple Vector Store下面的Embedding模型中接入我们的本地向量模型依旧和5-1步骤一样最终工作流如下所示7、测试知识库的准确性点击open chat进行对话输入问题找一下ios禁止系统更新的网址。 发现可以很精准的回答问题并且没有任何的添油加醋完全就是我笔记里面的内容只是进行了一个简单的排版。而在deepseek的官方对话里面问的是找不到我笔记里面的这个网址的。使用另外一个问题发现分段式的内容不能非常精准的找到但进一步进行提示后还是可以准确的回答。 这就是后续可以优化的点。8、知识点补充 - Ollama 常用命令大全1、下载/运行模型ollama run 模型名字2、清除模型上下文/clear3、退出对话 / 关闭模型/bye4、查看模型运行速度token数细节ollama run 模型名字 --verbose5、查看你有什么模型ollama list6、删除模型ollama rm 模型名字7、查看模型的详细信息ollama show 模型名字8、启动Ollama服务器ollama serve9、创建模型文件用于自定义模型ollama create 自定义的模型名字 -f Modelfile​最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】​​为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。​​资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌​​​​如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能 ‌突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】**​