接入DeepSeek R1，4步轻松搭建自己的本地知识库

AI360labs_atyun

已于 2025-05-30 11:07:30 修改

阅读量906

点赞数 16

文章标签：人工智能 ai deepseek 自然语言处理

于 2025-02-24 09:49:26 首次发布

本文链接：https://blog.youkuaiyun.com/AI360labs_atyun/article/details/145821131

版权

在之前的文章里，我们已经出了教程教大家如何在本地部署运行deepseek-r1模型，还不清楚的可以移步到之前的文章：保姆级教程！如何在本地安装和运行 DeepSeek R1 模型

本地部署好deepseek-r1之后，很多人又想把自己的知识库投喂给deepseek让它做回答，今天我们就来分享一种特别简单的把deepseek-r1接入自己的本地知识库的方法，四步搞定！

第一步

首先，我们验证电脑上是否已经部署好了deepseek-r1模型

// 查看本地下载的模型
ollama list
// 运行自己下载的deepsek-r1模型版本
ollama run deepseek-r1:7b

出现下面的内容说明已经部署成功了

第二步

下载 AnythingLLM

直接进入官网下载桌面版

第三步

接入deepseek-r1

在安装向导里选择ollama然后选择自己本地的deepseek-r1模型

完成之后可以在这里直接与本地的deepseek模型进行对话，比在命令行里使用要美观不少

第四步

上传知识库进行问答

点击工作区旁边的上传按钮，在左边上传需要进行问答的文档，把文档移动到当前工作区，点击保存

效果演示

点击左侧新建一个对话，发送问题，现在deepseek就可以根据你上传的文档进行回答了，还可以查看回答中使用到了文档中的哪些内容，整体的回答效果也是非常不错的。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

AI360labs_atyun

关注关注

16
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【DeepSeek R1构建本地RAG知识库】向量数据库原理讲解

少说，多做

05-19

367

在信息爆炸的时代，传统数据库在处理非结构化数据时显得力不从心，而向量数据库则成为解决这一问题的关键工具。向量数据库的核心功能是存储和查询高维向量，将文本、图像、音频等非结构化信息转化为计算机能理解的数学语言。例如，菜谱中的每个步骤可以通过嵌入模型转化为向量数据，方便快速查找和匹配。虽然关系型数据库如MySQL可以通过数组或JSON类型存储向量数据，但其查询性能远不如专用向量数据库如Milvus。向量数据的生成涉及多个特征，如菜谱的辣度、咸度、烹饪时间等，通过向量化处理，可以将这些特征转化为高维向量。向量数据

个人PC win11 快速部署deepsek本地大模型体验AI交互

十年通信老兵的技术修炼之路——从3G到5G，从地面基站到卫星通信。

02-12

1381

- 本文介绍了如何在个人pc上快速部署AI系统，同时下载了deepseek和llama3两种大模型，网速快的话，1个小时就能完成部署。当然前提是pc的性能不太差。 - 测试电脑配置： i7-1260P + Iris Xe + 16G内存。

参与评论您还未登录，请先登录后发表或查看评论

DeepSek和剪映使用生成短视频

panjinliang066333的博客

02-13

2162

在DeepSeek中输入：”帮我写一篇环太湖骑行故事字数为200字，符合短视频逻辑，可以直接用在剪映“

关于我对接了deepseek之后部署到本地将数据存储到mysql的过程

最新发布

红岸基地

03-27

1381

今天写一下使用nodejs作为服务端，vue作为客户端，mysql的数据库，对接deepseek的全过程，要实现一个很简单的效果就是，可以自由的询问，然后可以将询问的过程存储到mysql的数据库中。整体对接下来，因为我对接的是最基础的，你们可以看到这里我甚至没有做连续对话和长链接的形式对接，虽然用了stream的形式处理的，但是其实并没有达到这种效果，你们对接的时候可以看文档自己多做几步处理，今天的文章就先这样吧，感觉不错的可以关注一下哦！

简话 DeepSeek 本地部署及接口调用

捉虫客 de 博客

02-05

1万+

Windows 11 + Ollama + DeepSeek R1 本地部署，简话，感性认识

DeepSeek + 本地知识库：真的太香了！保姆级教程，建议收藏！

musicml的博客

02-09

2万+

大家好，我是玄姐。正文开始之前，先给我自己打个广告，大家开工大吉，为了回馈粉丝们的支持，原价199元的《基于 DeepSeek 打造的 AI Agent 智能体项目实战直播训练营》，直接降价到19元，今天再开放一天报名特权，仅限99名。回到正题。这个春节，DeepSeek 实在太火爆了。今天分享下 DeepSeek + 本地知识库的部署。先看个全局数据流程图，如下图所示。基于本地的 DeepS...

DeepSeek本地部署教程(保姆级教程)

XXXXsssxwd的博客

01-30

1万+

【代码】DeepSeek本地部署教程(保姆级教程)

DeepSeek搭建本地知识库

Think_and_work的博客

03-18

988

最后：我是Walker，一个热爱分享编程知识的程序员，希望能够帮助到你！

腾讯IMA知识库接入DeepSeek大模型了，快速搭建自己的知识库，不要再花冤枉钱了

baidu_41670414的博客

02-16

2782

最近腾讯又憋了个大招，发布了IMA知识库，这下那些通过给别人使用DeepSeek搭建本地知识库的人慌了，这是在砸他们的生意呀，而且是腾讯这种他们惹不起的存在，废话不多说，我们来看IMA怎么玩？腾讯的IMA知识库（全称ima.copilot）是腾讯推出的以知识库为核心的AI智能工作台，集“搜、读、写”功能于一体，旨在提升用户学习与工作效率，并支持知识的长期沉淀与共享。IMA知识库支持客户端（windows/MAC）及小程序，全网同步。

【实战AI】利用deepseek 在mac本地部署搭建个人知识库

东方鲤鱼博客

02-11

1315

之前的文章中实现了本地通过ollma 部署deepseek R1：14b 模型，这里我想继续实现个人知识库，方便自己文档，数据的检索；

Cherry Studio 连接私域deepseek-r1模型搭建私域知识库和智能体（也可使用第三方模型）

山顶听风的博客

02-12

3756

CherryStudio 能解决什么问题?1、与大模型对话的客户端，与 Chartbox 类似；2、可以创建知识库，将知识管理起来不暴露到公网；（用第三方平台也可以创建知识库，但企业信息会暴露到公网上）3、可以基于知识库创建智能体。本文主要使用后面两点，创建私域智能体。

十分钟用DeepSeek v3快速搭建企业级本地私有知识库（保姆级教程），AI终于私有化了！

热门推荐

python12345_的博客

02-05

4万+

2024年底，DeepSeek发布了新一代大语言模型V3，同时宣布。测试结果显示，它的多项评测成绩超越了一些主流开源模型，并且还具有成本优势。DeepSeek官网地址：https://www.deepseek.com/DeepSeek实在是太火了，最近一段时间DeepSeek反应时间巨长，甚至小圆圈转半天最后却提示“服务器繁忙，请稍后再试。本文通过在本地部署 DeepSeek+Dify，零成本搭建自己的私有知识库。

DeepSeek本地化部署全攻略，轻松拥有专属 AI 助手

zhishi0000的博客

02-06

8706

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。2.页面下拉，根据自己电脑的配置选择合适的参数规模（7b 代表 70 亿参数，14b 代表 140 亿参数，参数越多，模型越大，效果理论上也会更好，但对电脑配置要求也更高），然后复制对应的下载命令。观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

本地搭建DeepSeek和知识库 Dify做智能体Agent(推荐)

weixin_55010563的博客

02-11

1331

Ollama 是一款跨平台的大模型管理客户端（MacOS、Windows、Linux），旨在无缝部署大型语言模型 (LLM)，例如 DeepSeek、Llama、Mistral 等。通过将本地部署的 DeepSeek 服务无缝集成到 Dify 平台，企业可以在确保数据隐私的前提下，在本地服务器环境内构建功能强大的 AI 应用。注：根据本机配置，选择合适的DeepSeek模型进行部署。本机推荐安装 7B 尺寸模型，大约需要拉取4.7GB数据，可以在ollama官网搜索模型，查看模型大小。

用DeepSeek训练私有数据

Python_cocola的博客

02-12

4338

这段时间，研究DeepSeek的应用成为了最流行的话题，部署它在内网中来训练私有数据、为我所用的运用尝试在各大群中热火朝天、铺天盖地地讨论着，“第四次工业革命”的威力果不其然。我也进行了一些学习尝试，利用DeepSeek训练数据，助力我们完成一些“非常规”的研究。其间，也走了一些弯路，现将成功之道分享给你们。一、一键式生成PPT。

1分钟学会DeepSeek本地部署，小白也能搞定！

kfashfasf的博客

02-10

4279

例如，安装并运行 DeepSeek：ollama run deepseek-r1:1.5b小伙伴们，看完这些，是不是觉得本地大模型其实也没那么可怕呢？其实只要按照步骤来，小白也能轻松搞定。动手做起来吧，说不定你就能发现更多好玩的功能，让这个大模型成为你工作和学习的得力助手呢！要是你在部署过程中遇到什么问题，别忘了留言问我哦，我们一起解决！快去试试吧，开启你的本地大模型之旅！磊哥|www.javacn.site1分钟学会DeepSeek本地部署，小白也能搞定！

保姆级教程！6个步骤讲清楚用DeepSeek搭建本地知识库

bugyinyin的博客

02-07

1万+

本地部署的最大意义在于利用DeepSeek大模型的能力加上自己的知识库，可以训练出一个符合自己需求的大模型。想象下如果你是一个医生，有一堆科研资料。你想拥有一个大模型机器人，学习了你所有的资料。每当你想查科研资料找到答案的时候，自己问这个机器人就好了。省去了自己很多查找资料的时间这就是本地部署+知识库的作用。是DeepSeek官网不具备的。因为这是训练的你的私有资料。今天就来分享下这个搭建过程。用到的工具组合是Docker+Dify+DeepSeek Dify是基于LLM的大模型知识库问答系统

【免费】3分钟实现满血DeepSeekR1+个人知识库+智能体，太香了！！

2401_85375151的博客

02-13

1887

最近DeepSeek的热度持续攀升，网上也推出了各种层出不穷的玩法，让人眼花缭乱。但是如果要真正选一个，帮助我们提升学习和工作效率的功能，一定是搭建个人知识库。通过DeepSeek R1和Cherry Studio这对超强CP，就可以帮助我们轻松打造一个专属于个人的AI知识库。完全不需要任何编程基础，也不用担心电脑的配置，关键是它完全免费！上传几十份工作文档，三秒内它就能精准地帮我们去定位关键信息。

【DeepSeek本地部署详细指南】：从模型选择到数据投喂，再到本地API调用，打造专属AI知识库！

TaloyerG的博客

03-11

2085

本文全面解析DeepSeek大模型的本地化部署与应用流程。从硬件配置选型、Ollama工具部署、WebUI可视化交互，到数据投喂训练及API集成，逐步指导用户打造专属AI知识库。无论您是个人开发者还是企业技术团队，均可通过本文掌握DeepSeek的核心操作技巧，实现从理论到实践的完整闭环。

自己创建页面，然后接入DeepSeek R1模型，实现AI知识库的问答

03-08

### 创建网页并集成DeepSeek R1模型为了创建一个能够利用 DeepSeek R1 模型的 AI 知识库问答页面，需遵循一系列开发流程来确保系统的高效运行和用户体验的良好设计。 #### 选择合适的前端框架和技术栈对于前端部分的选择至关重要。React 或 Vue.js 是两个非常流行且功能强大的 JavaScript 库/框架，它们可以帮助快速搭建交互性强的应用界面[^1]。这些工具提供了丰富的组件化编程模式以及高效的虚拟 DOM 更新机制，有助于提升应用性能。 #### 后端服务部署与API接口定义后端主要负责处理来自客户端请求的数据，并通过调用预训练好的 DeepSeek R1 模型来进行推理计算。可以考虑采用 Flask 或 FastAPI 这样的轻量级 Python Web 框架作为服务器端解决方案；同时还需要设置 RESTful API 来接收查询参数并向前端返回结构化的 JSON 响应数据。 ```python from fastapi import FastAPI, Request import uvicorn app = FastAPI() @app.post("/query") async def query(request: Request): data = await request.json() question = data.get('question') # 调用 DeepSeek R1 模型进行预测... answer = deepseek_r1_predict(question) return {"answer": answer} if __name__ == "__main__": uvicorn.run(app, host="0.0.0.0", port=8000) ``` #### 集成 DeepSeek R1 模型要使应用程序具备智能化的回答能力，则需要将预先训练完成的 DeepSeek R1 加载到内存中以便实时响应用户的提问。这通常涉及到加载保存下来的权重文件并对输入文本执行编码操作以获取向量化表示形式，之后再传递给下游任务模块（如检索增强生成RAG）用于最终答案生成过程。 #### 用户界面设计良好的 UI 设计可以让用户更方便地使用该平台。应该提供简洁明了的文字提示引导新访客了解如何提交问题；另外还可以加入一些额外的功能比如历史记录查看、热门话题推荐等增加互动性和趣味性。 #### 测试优化迭代改进最后，在上线之前务必经过充分测试验证整个工作流是否顺畅无误。收集反馈意见持续调整算法逻辑直至达到满意效果为止。