anything-llm

一个软件装齐所有 AI 功能，离线也能陪你聊

主打本地优先的全能 AI 助手，集聊天、RAG、文档管理等能力于一身，支持多种模型后端，让你真正「拥有」自己的智能，不再租赁。

开源 freemium 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 66332

维护状态活跃

是否开源是

定价模式 freemium

项目数据

分类开源模型

开发团队Mintplex-Labs

所属国家

官网地址https://anythingllm.com

GitHubhttps://github.com/Mintplex-Labs/anything-llm

定价模式freemium

价格说明本地优先的AI代理平台，提供免费开源版本，另有云服务付费计划，含试用。

访问状态

是否开源是

开源协议MIT

主要语言JavaScript

技术栈/模型agent-computer,agent-harness,agent-orchestration,agentic-ai,agentic-workflow,ai-agents,computer-use,hermes-agent,llm,local-ai,localai,multimodal,rag,self-hosted-ai,vector-database

GitHub 星标★ 66332

30天Star增速

HF 下载量

上线时间2023-06-04 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数14

使用教程

难度：进阶约 20 分钟部署方式：本地安装 6 步

环境要求

已安装 Node.js 与 yarn 包管理工具（README 全部命令均为 yarn 命令）
已克隆 anything-llm 仓库并位于仓库根目录
需要填写各应用模块的 .env 文件，其中 server/.env.development 必须填写
磁盘需预留空间存放文档存储目录 server/storage/documents

安装与启动步骤

1克隆仓库

把 anything-llm 源码拉到本地，后续所有命令都要在仓库根目录执行。
```
git clone https://github.com/Mintplex-Labs/anything-llm.git
cd anything-llm
```
2生成并填写 env

在仓库根目录执行 yarn setup，它会生成各模块所需的 .env 模板；随后手动填写内容，务必填完 server/.env.development。
```
yarn setup
```
3填写服务端 env

打开 server/.env.development 按模板补全变量，README 明确提示不填会导致功能不正常。
4启动后端服务

在仓库根目录启动本地 server，保持该终端窗口不要关闭。
```
yarn dev:server
```
5启动前端界面

另开一个终端，在仓库根目录启动前端，用于访问 AnythingLLM 界面。
```
yarn dev:frontend
```
6启动文档收集器

再开一个终端运行文档收集器，用于处理你上传的文档，是 RAG 检索的前置环节。
```
yarn dev:collector
```

关键配置

配置项	必填	说明	示例
`server/.env.development`	是	服务端开发环境变量文件，未正确填写则系统无法正常工作	`由 yarn setup 生成后逐项补全`
`各模块 .env 文件`	是	README 说明每个 application section 都需要对应的 .env 文件	`yarn setup 生成的模板文件`

如何确认成功

三个 yarn dev 命令均无报错持续运行，且能通过前端地址打开 AnythingLLM 界面即视为启动成功。

常见问题

Q：yarn setup 执行完就能直接启动了吗？

A：不能。README 强调要先把它生成的 .env 文件填好，尤其是 server/.env.development，否则运行会不正常。

Q：这几个 dev 命令要在哪个目录执行？

A：README 注明均需从仓库根目录（from root of repo）执行，不要在 server 等子目录里运行。

Q：文档收集器必须启动吗？

A：README 把它列为开发启动流程的一步，用于处理文档；若要使用文档问答（RAG）能力就应一并运行。

Q：README 没写端口和默认账号怎么办？

A：本次节选未提供端口、账号等信息，请以终端启动日志与实际输出为准，或查阅官方文档 docs.anythingllm.com。

注意事项

以上步骤来自 README 的 “How to setup for development” 一节，属于开发模式启动方式，官方还提供桌面端与托管实例等其他使用形态。
README 未给出具体环境变量名、端口号与默认登录凭据，本教程不做猜测，请以 yarn setup 生成的模板文件为准。
文档相关说明可参考仓库中的 server/storage/documents/DOCUMENTS.md。
这是多进程开发模式，需同时保持 server、frontend、collector 三个终端在运行。

核心亮点

本地优先的AI代理体验，支持多种LLM后端（OpenAI、Ollama等），数据自主可控
功能全面，集成了文档管理、知识库、多智能体编排和计算机操作能力，适合复杂工作流
基于JavaScript/Node.js生态，易于扩展和定制，社区活跃，文档完善

不足之处

本地部署对硬件资源有一定要求，大模型推理性能依赖GPU，入门门槛较高
多智能体编排和计算机操作功能尚在迭代，稳定性待观察
文档/社区待观察

适用场景

个人或企业本地私有化部署AI助手，处理敏感数据
构建多步骤自动化工作流，如网页操作、文件处理、任务编排
作为RAG知识库系统，结合本地文档提供智能问答

替代项目

LangChain、Flowise、Dify

项目介绍

anything-llm 是智能体领域的开源项目，由 Mintplex-Labs 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（66,332）位列前 1%，在智能体分类的 2,499 个项目里位列前 1%。

近 44 天，它的 GitHub 星标从 64,525 增加到 66,332，净增 1,807。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。本地优先的AI代理平台，提供免费开源版本，另有云服务付费计划，含试用。从国内网络环境看，可直接访问。

它主要面向的使用场景是：个人或企业本地私有化部署AI助手，处理敏感数据。同类可对比的替代方案包括 LangChain、Flowise、Dify。

上一篇：MetaGPT

下一篇：mem0