把家里的说明书、合同、碎片信息 变成小爱能回答的知识库

电器说明书、保修单、Wi-Fi密码、家人随口说的安排——全部丢进Open WebUI的知识库
本地大模型检索+回答，问"投影仪在哪""滤网多久换"都能秒答

工具 Open WebUI（已有）引擎 Ollama（已有）新增 1个嵌入模型无需 额外容器

📄说明书/合同各类文档→📤上传Open WebUI→🧩切片+向量化嵌入模型→🔍检索找到相关片段→🧠LLM作答结合原文→🔊小爱播报HA转发

核心原理一句话讲清楚：大模型本身不会"记住"你上传的文档，而是每次你提问时，系统先去文档库里"搜"出最相关的几段原文，把这些原文连同你的问题一起喂给大模型，让它"照着抄"来回答。所以文档质量和搜索的准确度，直接决定回答好不好——这也是为什么文档要尽量整理清晰，避免大段无关信息。

1、下载一个"嵌入模型"（Embedding Model）

这是让搜索听懂中文语义的关键，必须装

为什么需要这个？普通聊天模型（qwen、deepseek等）是用来"生成回答"的，但搜索文档片段需要另一种模型——把文字转换成一串数字（向量），这样"投影仪在哪"和"投影机放在客厅柜子里"才能被认出语义相近。这种专门干这件事的模型叫嵌入模型，中文场景推荐 bge-m3，多语言支持好、中文效果佳。

SSH登录SER8，先确认Ollama容器名（你之前应该已经知道是ollama）：

复制

SSH 终端 · 拉取嵌入模型

docker exec -it ollama ollama pull bge-m3

下载完成后确认一下（应该能在列表里看到 bge-m3，和你之前的qwen2.5vl:3b、deepseek-r1:14b等并列）：

复制

SSH 终端

docker exec -it ollama ollama list

📦bge-m3模型大小约1.2GB，远比聊天模型小，几分钟能下完。

2、在 Open WebUI 后台配置嵌入模型

告诉系统："搜索时用bge-m3这个模型"

浏览器打开 Open WebUI（你的地址应该类似 http://192.168.0.188:8081），用管理员账号登录

点左下角头像 → 管理员面板（Admin Panel）

顶部切到设置（Settings）→ 左侧菜单选文档（Documents），有的版本叫"检索"（Retrieval）

在这个页面里找到这几项并填写：

管理员面板 → 设置 → 文档（Documents / RAG）

语义向量模型引擎（Embedding Model Engine）
选择：Ollama

API 地址
http://localhost:11434（如果Open WebUI和Ollama在同一台机器/同一docker网络里，填localhost或容器名；如果不确定，直接填 http://192.168.0.188:11434 更保险）

语义向量模型（Embedding Model）
bge-m3

混合搜索（Hybrid Search）
建议打开，结合关键词+语义两种搜索方式，找文档更准

❗重要：如果之前已经上传过别的文档、用的是别的嵌入模型，改了嵌入模型之后需要重新导入所有文档，因为旧文档是用旧模型生成的向量，新模型认不出来。所以最好是一开始就确定好用bge-m3，再开始传文档。

填好后点页面底部的保存。

3、整理你要"喂"给知识库的文档

先别急着传，花5分钟分分类，后面省心

支持的格式：PDF、Word（doc/docx）、TXT、Markdown 都可以直接传，拍照的纸质文档建议先转成PDF或者直接打字整理成txt（手写体OCR效果不稳定）。

建议按这几类整理（不强制，但分类清楚检索更准）：

📺电器说明书
（投影仪/空调/洗碗机）

🧾保修凭证
购买日期/保修期

📶网络信息
WiFi密码/路由器

🏠装修合同
建材清单/联系方式

📅家庭安排
临时事项备忘

对于"家人随口说的事"（比如"下周三阿姨要来"），可以建一个简单的txt文件，类似日记一样持续追加：

复制

示例：家庭备忘.txt

2026-06-18: 下周三（6月24日）阿姨要来打扫卫生
2026-06-15: 投影仪遥控器放在电视柜下方第二层抽屉
2026-06-10: 客厅空调滤网上次清洗时间是5月初，建议每3个月清洗一次
2026-06-01: 装修师傅联系方式：张工 138xxxxxxxx，负责水电部分

💡这种"备忘录"文件可以定期更新重新上传覆盖，是最灵活、最像"家庭记忆"的部分，后面甚至可以接入语音让家人随口说就自动记进去（进阶玩法，今天先手动维护）。

4、创建知识库并上传文档

在Open WebUI里建一个"家庭知识库"

回到 Open WebUI 主界面（不是管理员面板），点左侧菜单工作空间（Workspace）

切到知识库（Knowledge）标签 → 点＋ 创建知识库

工作空间 → 知识库 → 创建知识库

名称：家庭知识库

描述：电器说明书、保修单、合同、家庭日常事项

创建后进入这个知识库，点上传文件，把第3步整理好的文档全部拖进去（支持批量多选）。

家庭知识库 · 已上传文档

✓ 投影仪说明书.pdf — 已处理

✓ 空调使用手册.pdf — 已处理

✓ 装修合同.docx — 已处理

✓ 家庭备忘.txt — 已处理

⏳每个文档上传后会自动在后台"切片+向量化"，文档越大、越多，处理时间越长。PDF如果是扫描版图片（没有可选中的文字层），bge-m3无法直接理解图片内容，需要先用OCR工具转成文字版PDF，否则知识库里等于没有这份文档的有效内容。

5、测试问答效果

先在网页里验证，再接小爱

回到主聊天界面，选一个聊天模型（推荐用 qwen3:14b 或 deepseek-r1:14b，纯文本任务这两个比视觉模型更合适）

在输入框里先打 # 号，会弹出知识库列表，选择家庭知识库，然后继续打问题：

✅ 测试对话示例

#家庭知识库 投影仪的遥控器放在哪？

根据你的家庭备忘记录，投影仪遥控器放在电视柜下方第二层抽屉。

#家庭知识库 空调滤网多久该换一次？

根据空调使用手册，建议滤网每3个月清洗一次；你上次清洗记录是5月初，下次清洗时间大约在8月初。

💡如果想让某个模型默认就带着家庭知识库回答（不用每次手动打#号），可以在工作空间 → 模型里新建一个自定义模型，绑定底层模型（如deepseek-r1:14b）+ 默认挂载家庭知识库，这样以后选这个自定义模型聊天，自动就是带知识库的。

如果回答驴唇不对马嘴、或者说"知识库中没有相关信息"，先检查：

• 文档是否真的处理完成了（状态显示已处理，不是处理中或失败）

• 问题里有没有打#选中知识库（容易漏掉这步）

• 文档内容里是否真的包含这个信息（比如随口的事如果没写进备忘录，自然查不到）

进阶：接入HA + 小爱音箱

6、让小爱音箱能问知识库

通过HA转发问题给Open WebUI的API

思路：小爱音箱本身不懂RAG，但HA可以充当"中间人"——接收小爱的语音指令（通过米家/小爱接入HA的语音助手桥接），把问题转发给Open WebUI的API（带#知识库），拿到回答后再让小爱用TTS念出来。

先在Open WebUI生成一个API Key：点头像 → 设置 → 账户 → API Keys，生成一个保存好。

在HA里配置一个rest_command（编辑 configuration.yaml）：

🏠 configuration.yaml · 新增 rest_command

复制

rest_command:
  ask_home_knowledge:
    url: "http://192.168.0.188:8081/api/chat/completions"
    method: POST
    headers:
      Authorization: "Bearer 你的API_KEY"
      Content-Type: "application/json"
    payload: '{"model": "deepseek-r1:14b", "messages": [{"role": "user", "content": "{{ question }}"}]}'

💡这只是基础框架，实际接小爱语音的部分依赖你具体用的桥接方式（小爱接入HA的conversation agent，或者通过米家自动化转发文本），如果你想做这一步，告诉我你现有的语音助手桥接方案，我再针对性给配置。今天建议先把第1-5步在网页里跑通、效果满意后再做语音这层。

?常见问题

遇到问题先看这里

• 上传文档后一直显示"处理中"不变
  大概率是嵌入模型配置没保存成功，或者bge-m3没真正下载完。回到第1步用docker exec -it ollama ollama list确认模型存在，再检查第2步的API地址填的对不对。

• 回答内容是英文，或者文不对题
  检查选的聊天模型是不是中文能力强的（deepseek-r1、qwen3都可以），也可能是检索到的片段本身就不相关，试试把问题问得更具体，包含文档里实际出现过的关键词。

• PDF传上去后查不到内容
  很可能是扫描版PDF（图片型，没有文字层）。可以用免费工具（如Adobe在线OCR、或本地工具如ocrmypdf）先转换成可选中文字