通过网盘分享的文件：iNeuOS_AiMind·心智灵慧（大模型知识库）
链接: https://pan.baidu.com/s/1c5qQL9e11pBNtEU9vwnY_g?pwd=ezf4 提取码: ezf4
1. 概述
iNeuOS_AiMind 是一个基于大语言模型（LLM）的智能应用平台，提供以下核心功能模块：
• 知识库管理：支持文本、表格、图片等多种数据类型，将设备数据、工艺流程、操作手册等结构化存储
• 智能问答：基于知识库与大模型理解能力，通过自然语言快速获取所需信息
• RAG 检索增强生成：支持关键词搜索与语义搜索，精准定位知识库中的相关内容
• Agent 智能体协作：支持多智能体任务分配与结果汇总，实现智能化生产管理与运维辅助
• 记忆管理：支持长期记忆与短期记忆，为后续交互提供准确的上下文决策支持
• 文件管理：集中管理设备报表、工艺文档、标准手册等文件资源
用户通过iNeuOS_AiMind可以实现设备智能分析、生产流程优化、远程运维辅助等场景的知识库构建，推动工业场景应用向更高效、更智能化的方向发展。
2. 升级内容
本次升级的核心目标是降低构建知识库的基础资源要求，同时提高知识库资料解析、理解和检索的效率。具体升级内容包括以下五个方面：
（1）提高图片资源解析能力与效率
通过集成 VLM（视觉语言模型），系统现在不仅支持对图片进行 OCR 文字识别，还能对图片中的场景、设备、工艺流程等视觉信息进行语义级别的理解与描述，显著提升了图片类知识资料的解析质量和利用率。
（2） 降低任务并发数量
优化后台任务调度策略，合理控制文档解析任务的并发数量，避免多任务同时运行时争抢 CPU、内存等系统资源导致解析超时或失败。
（3）限制上下文长度
对 LLM 与 Embedding 模型的输入上下文长度进行合理限制，防止超长文本导致显存溢出或内存爆满，保障系统在有限硬件资源下的稳定运行。
（4）调整超时时间
修改文档解析的超时配置，避免因单次超时触发多次重试导致整体解析时间过长，在保证成功率的前提下提升解析效率。
（5）修复单张图片超时导致任务崩溃
修复解析过程中单张图片处理超时即导致整个文档任务崩溃的缺陷，改为单张图片失败时跳过并继续处理剩余内容，避免因个别图片问题需要重新开始整个任务。
3. 视觉模型对图片解析和理解
传统知识库构建中，对图片的处理通常仅做 OCR 文字识别。这种方式只能提取图片中的文字信息，无法理解图片的场景、结构和语义。
在工业场景下，设备照片、生产流程图、工艺标准图、操作手册图等大量图片资源包含着丰富的场景化知识信息，仅靠 OCR 远远不够，会严重降低知识库的构建质量。
iNeuOS_AiMind 通过集成 VLM（视觉语言模型）从根本上解决了这一问题。VLM 模型可以同时对图片进行文字提取和场景理解，即：图片中的文字 OCR 识别 + 图片整体场景的语义描述。这一能力在工业场景中尤为重要——例如，一张设备现场照片，系统不仅能识别出图片中的仪表读数、标签文字，还能描述设备的运行状态等场景化信息，进一步关联生产状态信息。
通过 VLM 对图片的深度解析，知识库的构建质量和效率大幅提升，用户在检索知识库时能更准确地定位到有价值的信息，从而提升知识库的实际应用价值。
知识库构建界面，上传的Word文档嵌入图片，VLM的理解信息：
知识库检索界面（精准匹配图片中的场景信息）：
4. 本机电脑配置
本次升级和测试在以下硬件环境中完成，可以看出 iNeuOS_AiMind 在消费级硬件上即可运行完整的 Embedding + VLM + LLM 知识库解决方案：
|
配置项 |
参数 |
|
CPU |
Intel Core i9-14900HX (32 核), 2.2GHz |
|
内存 |
96 GB |
|
显卡 |
NVIDIA GeForce RTX 4070 Laptop GPU |
|
显存 |
8 GB（共享内存 49 GB） |
|
Embedding 模型 |
qwen3-embedding:4b（Ollama 本地部署） |
表 1：测试环境硬件配置
5. Ollama 的 Embedding 和 VLM 模型
iNeuOS_AiMind 支持通过 Ollama 本地部署 Embedding 模型和 VLM 视觉模型，无需依赖云端 GPU 服务即可在本地完成知识库的向量化和图片理解。本次测试使用的模型如下：
• Embedding 模型：qwen3-embedding:4b —— 负责将文本和图片描述转换为向量，用于知识库的语义检索
• VLM 视觉模型：qwen3-vl:2b —— 负责对图片进行文字提取和场景化语义理解
qwen3-embedding:4b 模型参数量适中，在 96GB 内存环境下可以高效完成文本向量化任务；qwen3-vl:2b 则是一款轻量级的视觉语言模型，能够在 RTX 4070（8GB 显存）上流畅运行，兼顾了图片理解效果与硬件资源消耗。
Ollama 管理界面（Embedding 与 VLM 模型列表）：
6. DeepSeek 模型和知识库检索
在对话问答环节，iNeuOS_AiMind 使用 DeepSeek 大语言模型作为推理引擎。通过 DeepSeek 官方网站提供的 API Key 接口。
DeepSeek 模型具备强大的中文理解能力和推理深度，结合 AiMind 的 RAG 检索机制，可以有效解决大模型在专业领域知识不足的问题——知识库提供专业领域的上下文信息，DeepSeek 模型基于这些上下文进行精准推理和回答，避免了通用大模型“胡言乱语”的幻觉问题。
问答界面展示（DeepSeek + 知识库检索效果）：
7.总结
本次 iNeuOS_AiMind 的升级围绕“降低资源门槛、提升解析质量”两大目标展开。通过集成 Ollama 本地 Embedding 与 VLM 模型，结合 DeepSeek 云端大语言模型，iNeuOS_AiMind 为用户提供了一 套可在消费级硬件上运行的完整知识库解决方案。
本次升级核心亮点包括：
• VLM 视觉模型替代传统 OCR，实现图片文字提取 + 场景语义理解的双重能力
• 本地 Ollama 部署 Embedding 和 VLM，数据不出本机，保障工业数据安全
• DeepSeek 大模型作为推理引擎，结合 RAG 检索提供精准、可信的专业问答
• 优化的并发调度、上下文限制、超时配置，使系统在 RTX 4070（8GB 显存）配置上稳定运行
iNeuOS_AiMind 持续降低企业构建专业知识库的技术门槛，让工业领域的中小企业也能以较低成本享受到大模型时代的智能化红利，推动工业知识管理从“人找知识”向“知识找人”的范式转变。
参考文章
（1）硬件网关：https://mp.weixin.qq.com/s/iKMqn62YIhBlXjGtY2wKXQ。
（2）物联网（IOT）：https://mp.weixin.qq.com/s/5u4L8fItaFpIbVYOlxbmGg。
（3）视觉分析（Vision）：https://mp.weixin.qq.com/s/SiiuXTTGplTAERRYyCmGCQ。
（4）大模型智库（AiMind）：https://mp.weixin.qq.com/s/SH_q2k_zbQ-pcd05zj86-g。
（5）大模型智能问数（AiInsight）: https://mp.weixin.qq.com/s/A1fIQq_w9c8SW9aEWVIsgw。
（6）小i助手：https://mp.weixin.qq.com/s/5UCoYsDAbfFP-ZI2sj_QBg。
（7）视觉模型：https://mp.weixin.qq.com/s/Gq74ITDfEwK88jt8b--1PA。
物联网&大数据技术 QQ群：54256083
物联网&大数据项目 QQ群：727664080
QQ：504547114
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。