在 AnythingLLM 中使用 BeatAPI
在 AnythingLLM 中使用 BeatAPI
在 AnythingLLM 中使用 BeatAPI
AnythingLLM 基于你自己的文档搭建私有知识库并回答问题。BeatAPI 通过它的 Generic OpenAI 选项提供对话模型；文档与向量索引仍留在你部署 AnythingLLM 的地方。
准备工作
- 已安装 AnythingLLM —— Windows、macOS、Linux 桌面版，或 Docker 部署。
- 一把 BeatAPI 密钥 —— 在控制台 → API 密钥创建。
第一步：打开模型设置
启动 AnythingLLM，点左下角 Open settings，再在左侧菜单选择 LLM Preference。
第二步：配置 BeatAPI
服务商选 Generic OpenAI，然后填写：
这里的 Base URL 要带 /v1，且后面什么都不加。AnythingLLM 会自己拼上 /chat/completions。
点 Save，AnythingLLM 会测试连接并给出结果。
第三步：选择嵌入模型
BeatAPI 不提供 embeddings 接口。 请把嵌入模型保持为 AnythingLLM 自带的本地嵌入器，或指向其他提供该能力的服务。在 Embedding Preference 里选 Generic OpenAI 并填 BeatAPI 地址会失败，因为 /v1/embeddings 不在已发布的接口范围内。
AnythingLLM 自带一个跑在本机、不需要密钥的嵌入器。对私有知识库来说这通常反而更合适：文档原文根本不出这台机器，只有检索到的片段才会发给对话模型。
第四步：建工作区、传文档
- 点 + New Workspace 并命名。
- 点 Upload Documents 添加文件，或直接拖入。
- 等待处理完成 —— 文档会在本地被切片并向量化。
支持的输入包括 .txt、.md、.pdf、.docx、源码文件、.csv、.json，以及按网址抓取的网页。
第五步：提问
在工作区里输入问题。AnythingLLM 会从文档中检索相关片段，连同问题一起发给 BeatAPI 上的模型。
每个工作区有独立的文档、独立的系统提示词和独立的历史记录，所以一次部署可以承载多个互不相干的知识库。
常见问题
AnythingLLM 连不上
- Base URL 必须是
https://api.beatapi.io/v1—— 带/v1，结尾不加斜杠。 - 在控制台 → API 密钥确认密钥仍然可用。
- Docker 部署的话，要确认容器本身能访问
api.beatapi.io；在宿主机上测通了并不说明容器也能通。
配置嵌入模型时失败
这是预期内的 —— 见第三步。BeatAPI 提供对话，不提供嵌入。请使用自带的本地嵌入器。
检索结果没用
这是检索的问题，不是模型的问题。先确认文档解析正确后重新上传，或者在工作区设置里降低相似度阈值、增加返回片段数。换对话模型解决不了检索为空。
回答很慢
换成更快的档位 —— gemini-3.7-flash 或 glm-5.3-flash —— 并减少每次提问检索的片段数。检索量直接决定输入 token 数。
402 insufficient_credits
余额已用尽，在控制台充值。
查看用量与消费
控制台按密钥展示调用次数、token 与费用，同样的数据也可从 GET /v1/usage 获取。给 AnythingLLM 单独发一把密钥，它的消耗就能和其他用途分开统计。
获取支持
在控制台提交工单，并附上失败响应里的 request_id。