AnythingLLM Architektur und Runtime

1. Die Form des Workspaces

Repo und Doku zusammen deuten auf ein Produkt hin, das aus diesen großen Aufgabenbereichen besteht:

Bereich	Warum er wichtig ist
Anwendungs-UI	Haupt-Workspace- und Admin-Erlebnis
Anbieter-Konfiguration	Auswahl des LLM- und Embedding-Backends
Dokumentenverarbeitung	Datei-Import und Retrieval-Vorbereitung
Agent-Funktionen	Höherwertiges Aktions- und Automatisierungsverhalten
Mehrbenutzer-Steuerung	Team-Zugriff und betriebliche Governance

Das Repo ist groß, weil AnythingLLM eine Anwendungsplattform ist und nicht nur ein schlanker Chat-Client.

2. Das mentale Runtime-Modell

Der normale Request-Pfad ist:

1. die Nutzenden arbeiten innerhalb eines Workspaces,
2. die App sammelt Workspace-Kontext und abgerufene Dokumente,
3. der gewählte Modellanbieter wird aufgerufen,
4. bei Aktivierung kann Agent- oder Tool-Verhalten laufen,
5. das Ergebnis wird im selben Workspace-Kontext angezeigt.

Deshalb ist das Workspace-Design so wichtig. In AnythingLLM ist der Workspace nicht nur eine Ordnerbezeichnung. Er ist die Einheit für Kontext, Retrieval und oft Berechtigungen.

3. Dokumente sind ein erstklassiges Subsystem

AnythingLLM ist unter den Agent-Tools ungewöhnlich, weil die Dokumentenverarbeitung eine der zentralen Produktsäulen ist. Du solltest Ingestion und Retrieval als Teil der Runtime-Architektur selbst betrachten, nicht als Plugin.

4. Agent-Funktionen sitzen auf dem Workspace-Modell auf

Die Doku beschreibt KI-Agenten als echte Produktfähigkeit, aber sie sitzen weiterhin auf dem umfassenderen Workspace- und Wissensmodell auf. Das ist eine sinnvolle Design-Entscheidung, denn sie bedeutet, dass das System beides bedienen kann:

• unkomplizierte Dokumenten-Fragen und -Antworten,
• und aktivere, mehrstufige Agent-Nutzung.

5. Was du im Code zuerst lesen solltest

Beginne mit:

1. der Installationsübersicht,
2. der Workspace- und Agent-Doku,
3. der Top-Level-App-Struktur im Repo,
4. der Beitrags-Doku, falls du das Verhalten erweitern willst.