儘管 ChatGPT、NotebookLM、Copilot 等 AI 工具非常強大，但許多公司在使用上仍有許多隱私疑慮。

所以今天想跟大家分享一款能離線或在內網使用的 AI 工具 ── PrivateGPT，在搭配 llama 這個開源模型後，儘管他不像 ChatGPT 那麼學識淵博，但在基礎對話與文件檢索的能力上已經足夠日常工作使用。

開始閱讀前先提醒一下大家，這個工具的安裝有點複雜，建議具備相關程式背景知識，過程遇到非預期的錯誤實屬正常。

儘管官網文件很詳細，但總是有文件外的問題發生，做好心理準備後就可以開始了！

文章大綱

一、安裝前置環境（Python、Terminal、Git、VSCode）
二、安裝 PrivateGPT
三、安裝 Ollama
四、啟動 PrivateGPT
五、體驗離線與文件對話的功能
六、安裝過程可能會遇到的問題
七、總結：目前 RAG 會遇到的問題＆使用建議

一、安裝前置環境（Python、Terminal、Git、VSCode）

• Python：官方建議安裝 3.11 的版本，官網
• Terminal：使用哪個終端機都可以，筆者是使用 Oh My Zsh
• Git：管理程式版本的工具，官網
• VSCode：方便編輯相關設定檔案，官網

筆者的電腦環境為： MacBook Pro，Apple M1 MAX 晶片，macOS 為 15.0.1

二、安裝 PrivateGPT

STEP 1：用 Git 下載專案

git clone https://github.com/zylon-ai/private-gpt
cd private-gpt

STEP 2：安裝 Poetry 來下載相關資源

本文以 Mac 安裝步驟為主，Windows 可以參考官網

curl -sSL https://install.python-poetry.org | python3 -

將 Poetry 加入你的指令，並確認他安裝成功。

export PATH="/Users/lindingyuan/.local/bin:$PATH"
poetry --version

STEP 3：安裝 make 來跑 scripts

brew install make

三、安裝 Ollama

STEP 1：到官網下載，並安裝到電腦（根據網路環境不同，可能要安裝一段時間）。

STEP 2：安裝完成後，請記得關閉這個應用程式，然後透過 Terminal 來執行 Ollama。

ollama serve

STEP 3：原本的 Terminal 不要關閉，再開一個 Terminal 來安裝 PrivateGPT 所需要的資源。

poetry install --extras "ui llms-ollama embeddings-ollama vector-stores-qdrant"

四、啟動 PrivateGPT

如果安裝一切順利，接下來執行下面的指令就可以體驗 PrivateGPT & ollama 的強大了！

PGPT_PROFILES=ollama make run

如果順利的話，透過連結: http://localhost:8001 就可以訪問嚕！

目前預設使用的 llama 模型是 3.1，你可以進去專案文件，編輯 settings-ollama.yaml 的內容，將它改成最新的版本（筆者撰寫文章時，最新版本為 3.2）。

調整完要關閉重啟才會生效喔！

五、體驗離線與文件對話的功能

PrivateGPT 有幾種模式供大家使用：

• RAG: 從選擇的文件中取得答案。
• Search: 從選擇的文件中尋找資訊。
• Basic: 與使用的 LLM（ex: llama3.2）聊天，不會參考文件資訊。
• Summarize: 從選擇的文件提取摘要。

過去將公司的需求規格書、會議記錄上傳到雲端的 AI 平台會有資安方面的疑慮。

但現在 PrivateGPT 就解決了這個問題，這邊我上傳了 10 份會議記錄(用 AI 生成的模擬資料)，向大家展示他在 RAG 這個領域的表現。

筆者測試過多種情境後，體驗的結果是「尚可使用」，想擁有良好體驗需要再做很多人為的設計；目前跟 NotebookLM 相比，還有很大的差距。

關於 NotebookLM 可以參考這篇文章

另外 llama3.2 的基礎對話能力其實已經表現得挺不錯了。

六、安裝過程可能會遇到的問題

最後分享筆者在安裝過程中遇到的問題。

問題：執行 make run 時出現「xcrun: error: invalid active developer path (/Library/Developer/CommandLineTools)…」錯誤

解決方案：執行 xcode-select –install 便可安裝。

安裝過程有點久，請耐心等候…

七、總結：目前 RAG 會遇到的問題＆使用建議

今年年初，筆者分享過 GPT4All 這款 AI 工具；體驗上 GPT4All 較適合個人使用，而 PrivateGPT 則適合企業。

而他們是否足夠聰明，很大程度是跟你選擇的 Model 有正相關，因為能接受的 max_new_tokens、context_window 極限值不同。

下面分享幾個目前 RAG 工具會有的問題：

• 不懂裝懂：可能這份文件中明明缺少這些資訊，但他卻煞有其事的給出資訊，你可以透過：「如果不確定答案，直接告訴我你不知道」的 Prompt 減少這類錯誤。
• 沒有抓到正確的答案：可能明明有答案，但 AI 對內容的權重排序錯誤導致答案錯誤（比如他以為目錄就是解答，但實際上應該到章節內找答案），可以嘗試縮小檢索範圍來提升準確率。
• 回答不全面：你可能需要 A、B、C 文件的綜合資訊，但他給的內容遺漏許多細節，這邊會建議每個文檔分開詢問。
• 答案錯誤或相互矛盾：如果來源品質本身就不好，那就不要期待他能給出多好的答案；建議先做資料清洗，以維持來源品質。

其實 NotebookLM 官方有表明不會將個人資料用於訓練 NotebookLM，因此企業除非有很強的 AI 人才了解如何優化模型提高輸出品質，否則 NotebookLM 也許是目前的最優解。

如果你想更全面的掌握生成式 AI 工具，歡迎購買筆者出版的新書，他將幫助您在 AI 的浪潮中站穩腳步，並在未來的職場競爭中佔據優勢！

也歡迎 Follow 筆者的部落格，我會持續分享最新 AI 工具，目前已有超過 80 篇 AI 相關文章等你來看！