【AI大模型】DeepSeek+dify 本地知识库：真的太香了！收藏这篇就够了！！

Agent学习路线 Agent学习路线 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.1k累计阅读 1.2k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄6年
关注
原创 最新推荐文章于 2026-07-06 22:23:11 发布 1.1k 阅读 AI 写同款· GEO 优化 ›
mac下dify+deepseek部署，实现私人知识库 mac种，使用Dify+deepseek实现私有知识库 阅读详情

知识科普

关于模型

大语言模型（LLM）是通过深度学习技术，基于海量历史文本数据训练出的概率生成系统。

能力边界

  • 知识时效性：模型知识截止于训练数据时间点
  • 推理局限性：本质是概率预测而非逻辑运算，复杂数学推理易出错（deepseek的架构有所不同）
  • 专业领域盲区：缺乏垂直领域知识
  • 幻觉现象：可能生成看似合理但实际错误的内容

更新机制

  • 全量重训练：需重新处理TB级数据，消耗数千GPU小时（这个我们直接排除）
  • 微调(Fine-tuning)：用领域数据调整模型参数，成本仍较高（这个也需要一定的成本）
  • 上下文学习：通过提示词临时注入知识，但受限于上下文长度（这个我们通过外挂知识库实现）

综上，我们能做的更新机制就是给它通过提示词上下文临时注入知识。

关于知识库
维度广义知识库模型知识库
数据来源外部结构化/非结构化数据（文档、数据库等）预训练模型内嵌的知识（如GPT的训练数据）
更新方式手动或API动态更新（如企业知识库）依赖模型重训练或微调
知识范围垂直领域或特定业务场景（如产品手册）通用知识（训练数据截止时间前的信息）

我们之前说的知识库都是广义知识库。

在关于模型哪里我们说了，我们可以通过提示词临时注入知识，给大模型，但是大模型的上下文是有长度限制的，我们通过各种技术把最合适的内容挑选出来，然后给大模型。

关于嵌入模型

嵌入模型是一种将高维离散数据（文本、图像等）转换为低维连续向量的技术，这种转换让机器能更好地理解和处理复杂数据。

举一个例子来理解向量，你正在玩一个叫做"猜词"的游戏。你的目标是描述一个词，而你的朋友们要根据你的描述猜出这个词。你不能直接说出这个词，而是要用其他相关的词来描述它。例如，你可以用"热"、“喝”、“早餐"来描述"咖啡”。嵌入模型就是将一个词转化为其他相关词的专用模型。

“热”、“喝”、“早餐” 可以理解为向量。不过向量值是在向量空间的特定位置，在这个空间里语义相近的词会自动聚集起来。所以就有了相似度的概念，相似度越高，越匹配。

我们使用的bge-m3 只能向量化出1024维。

 ollama show bge-m3:latest
    architecture        bert
    parameters          566.70M
    context length      8192
    embedding length    1024
    quantization        F16
为什么没有匹配到知识

图片知识预处理

1， 上传文档

2，将文档分割成适当大小的文本块

3，使用embedding模型将每个文本段转换为向量

4，将向量和原文存储到向量数据库中

查询处理阶段

1，将用户输入问题转换为向量

2， 在向量库中检索相似内容

3， 将检索到的相关内容作为上下文提供给LLM

我们用的本地应用工具，一般都是粗粒度分段，向量化的质量没法保证。

本地知识库安全吗？

根据上一步，我们可以知道本地知识库+本地大模型是安全的。

本地知识库+远端api的大模型，会把片段上传。

dify安装

前提条件

假设你已经安装了docker，docker安装不同的架构安装方式不一样，这里就不做教程了。 已经登录了docker

安装完docker以后，记得调整docker镜像的存储地址。

  • 已经安装了docker，并且登录了
  • 已经安装了git win上docker安装地址： https://docs.docker.com/desktop/setup/install/windows-install/#wsl-2-backend

安装

下载dify

通过官网下载，如果你没有魔法，可以从网盘里那对应的

# 进入要下载的目录，打卡命令提示行工具，cmd或者powershell
cd E:\ai\code
#下载
git clone https://github.com/langgenius/dify.git
# 国内镜像站
https://gitee.com/dify_ai/dify

如果没有git环境，可以直接从网盘下载压缩包。

我们下载以后，只关注docker文件夹和README_CN.md即可。

清理（非必须）

由于我的dify安装的比较早，是0.7.x版本，为了给大家演示，就把原来的铲了。如果你以前安装过dify，使用以下命令清理历史镜像

cd docker 进入目录
# 清理历史镜像
docker-compose down -v --rmi all
创建配置

我们进入dify目录下的docker目录中,比如我的 E:\ai\code\dify\docker

# 以示例创建一个.env的文件，执行下面命令
cp .\.env.example .env

修改dify绑定ip

API 服务绑定地址，默认：0.0.0.0，即所有地址均可访问。 刚开始我以为是控制dify对外暴露的服务的，改成了127.0.0.1,然后出现以下的502，折腾了我快3个小时。图片

修改端口（非必须）

默认占用的是80和443端口，如果你本机已经部署了其他的应用，占了该端口，修改.env文件中的下面两个变量

EXPOSE_NGINX_PORT=8001
EXPOSE_NGINX_SSL_PORT=8443

上传文件大小

默认上传图片大小是10MB,上传视频大小是100MB,文件默认是50MB,如果有需要修改下面对应的参数

# Upload image file size limit, default 10M.
UPLOAD_IMAGE_FILE_SIZE_LIMIT=10
# Upload video file size limit, default 100M.
UPLOAD_VIDEO_FILE_SIZE_LIMIT=100
# Upload audio file size limit, default 50M.
UPLOAD_AUDIO_FILE_SIZE_LIMIT=50
启动dify
docker compose up -d

启动以后在docker Desktop中查看，图片图片

设置管理员与登录

http://127.0.0.1:8001/install

填写相关信息，设置管理员账户。

图片设置成功以后，登录

图片

设置模型

图片1，点击右上角的账户 2，点击设置

本地模型设置

图片1， 点击模型供应商 2，下拉找到ollama 3，点击添加模型

添加对话模型图片按照步骤添加模型即可，注意模型上下文长度，可以通过ollama show 模型名称查看，如果你经常用大文本，就直接调到最大值。需要注意的是dify，上传文件是有大小限制的。

关于ip图片我使用的是本地docker虚拟网络，如果你ollama设置了OLLAMA_HOST为0.0.0.0 需要注意网络安全，防止外网有人能访问。我是将我的ollama绑定到了局域网ip上了。

添加向量模型

图片1，注意选择text embedding

系统模型设置

图片1，点击系统模型设置

2，选择已经配置的模型，当然建立知识库的时候，也可以切换

3，选择向量模型

4，保存

在线api模型配置

腾讯模型配置（免费到2月25日）

图片没找到对应的模型供应商，直接选择openai兼容的模型供应商。

图片按步骤填写即可。

2，模型名称选择deepseek-r1

3，api key 填写自己的即可

4，填写地址：https://api.lkeap.cloud.tencent.com/v1

硅基流动添加

图片找到模型供应商，点击设置，配置下密钥就可以了。图片

模型供应商

配置好以后，我们可以在模型列表那里看到所有的模型图片

最终系统模型设置

图片

知识库设置

创建知识库

图片

图片

图片

分段

dify的分段有个好处，设置分段以后，可以实时预览，可以根据预览效果，自己实时调整分段策略。dify建议首次创建知识库使用父子分段模式。

通用分段（原自动分段与清洗）

关键点：

1，默认\n作为分段标识

2，最大分段长度为4000tokens，默认为500tokens

3，分段重叠长度，默认为50tokens，用于分段时，段与段之间存在一定的重叠部分。建议设置为分段长度 Tokens 数的 10-25%；

4，文本预处理规则：用于移除冗余符号、URL等噪声

5，这里还有一个点，向量模型会自动按段落或语义进行切分，也就是大家分段以后内容缺失的根因。

适用于内容简单、结构清晰的文档（如FAQ列表）

图片

图片

父子分段

父子模式采用双层分段结构来平衡检索的精确度和上下文信息,让精准匹配与全面的上下文信息二者兼得。

关键点

1，父区块（Parent-chunk）保持较大的文本单位（如段落），上下文内容丰富且连贯。默认以\n\n为分段标识，如果知识不长，可以以整个作为父区块（超过1万个分段就直接被截断了）。

2，子区块（Child-chunk）以较小的文本单位（如句子），用于精确检索。默认以\n为分段标识。

3，也可以选择噪音清理

4，在搜索时通过子区块精确检索后，获取父区块来补充上下文信息，从而给LLM的上下文内容更丰富

以句子为最小单位，向量化以后向量匹配的准确度会极大的提升。

官方示意图如下：

图片

图片1，我们可以不断的调整参数，预览下，看下实际效果，

索引模式

索引模式有两种。分别是高质量索引和经济索引

高质量索引

  • 适用场景：需要高精度语义检索（如复杂问答、多语言支持）。

    • 实现方式：依赖嵌入模型生成向量索引，结合 ReRank 模型优化排序。
    • **适用文档：**格式化文档，如表格、技术手册

我们看下官方推荐的配置图片1，选择高质量

3，选择向量模型

4，选择系统推荐的混合检索

5，选择Rerank模型，并选择对应的rerank模型

经济索引

  • 适用场景：预算有限或内容简单（如关键词匹配为主的FAQ）。

    • 实现方式：使用离线向量引擎或关键词索引，无需消耗额外 Token，但语义理解能力较弱。
    • 优化建议：可通过调整 TopK（返回相似片段数量）和 Score 阈值（相似度过滤）平衡召回率与准确率。
    • **适用文档：非结构化文本，如会议记录

使用

创建应用

图片

点击工作室，我们可以看到有很多丰富的应用，包括聊天助手、agent、工作流等 我们选择最简单的应用，聊天助手，点击5，创建空白应用

图片

添加知识库

图片知识库可以一次选多个，我们只选择三国演义。

召回设置

图片

图片1，选择Rerank模型

2，选择相关的模型

3，设置召回数量（文本片段数量）

4，相似度匹配，设置0.7

调试与预览

图片1，输入聊天内容

2，点击发送

3，调试成功以后可以点击发布

图片发布以后有多种适用方式。

图片返回工作室以后，我们可以发现已经有对应的应用了。

最后的最后

感谢你们的阅读和喜欢，作为一位在一线互联网行业奋斗多年的老兵，我深知在这个瞬息万变的技术领域中，持续学习和进步的重要性。

为了帮助更多热爱技术、渴望成长的朋友，我特别整理了一份涵盖大模型领域的宝贵资料集。

这些资料不仅是我多年积累的心血结晶，也是我在行业一线实战经验的总结。

这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习，相信它们一定能为你提供实质性的帮助。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

大模型知识脑图

为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
在这里插入图片描述

经典书籍阅读

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

在这里插入图片描述

实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

在这里插入图片描述

面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

在这里插入图片描述

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

标签
#人工智能 #AI大模型 #语言模型 #DeepSeek #dify
#知识库 #LLM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
Ollama + DeepSeek + Dify私有化部署自己的AI Agent Ollama + DeepSeek + Dify私有化部署 阅读详情

相关推荐

【Deepseek+Dify】wsl2+docker+Deepseek+Dify部署本地大模型知识库问题总结

基于ollama部署本地文本模型和嵌入模型部署教程DeepSeek+dify 本地知识库：真的太香了问题贴：启动wsl中docker中的dify相关的容器发现postgre服务和daemon服务一直在重启，导致前端加载一直在转圈Windows Docker部署Dify，容器db-1总是重启，导致http://localhost:80刷新不出来Deepseek 的 API 只能用于文本生成，无法将文本转换为向量。

weixin_46044901的博客 2114

Dify+DeepSeek-R1: 我的超强AI工作流,详细的部署与使用实录

上面演示的只是Dify最简单的聊天应用知识库和工作流的使用,还有更多的功能和工作流值得您挖掘，更多高级的用法玩Dify的工作流本身就像搭积木一样，用它来搭建各种有趣的 AI 应用。比如做一个智能客服，帮你自动回答客户的问题；或者做个私人助理，帮你整理文档、写邮件、做会议记录；甚至可以做个创意助手，帮你写文案、做营销策划、设计广告语。你不需要写复杂的代码，只要像拖拽积木一样，把不同的功能模块组合在一起，就能做出你想要的应用。它就像是给你一套 AI 魔法工具，让你能轻松地把脑子里的想法变成现实。

2401_85375186的博客 8万+

「自然语言驱动生产力」1. 告别手动拖拽！DeepSeek+Figma实现自然语言秒出原型

摘要：本文详细介绍如何通过DeepSeek大模型与Figma的深度集成，构建自然语言驱动的UI设计工作流。该方案实现从文本/语音需求描述到高保真原型的自动化生成，将传统设计流程效率提升5倍以上。文中系统阐述技术原理，包括语义解析引擎、Figma插件架构、组件匹配算法和设计规范校验机制，并提供完整的实现代码与操作指南。实际案例显示，采用该方案后，电商APP首页设计时间从24小时缩短至1小时，交互原型修改响应速度提升80%，同时保证设计输出符合WCAG accessibility标准和企业设计系统规范。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！ 4257

DeepSeek大模型与Dify AI应用平台整合入门

边看边用边学将Dify LLM应用开发平台在NAS端部署，再结合DeepSeek-R1大模型对接构建私有的AI平台服务。构建属于自己的AI平台聊天助手，工作流，知识库和智能体。

liu_xp2003的博客 1万+

ESP32-CAM与TFT屏幕实时图像传输：Arduino环境下的OV2640驱动实践

本文详细介绍了在Arduino环境下实现ESP32-CAM与TFT屏幕实时图像传输的完整实践方案。重点解析了OV2640摄像头的驱动配置、硬件引脚连接、TFT屏幕初始化及图像显示优化技巧，帮助开发者快速构建稳定的实时图像显示系统，适用于物联网监控、门禁系统等场景。

cuda7parallel的博客 115

别再死磕AUTOSAR文档了！手把手教你用ISOLAR-A配置BswM模块（附实战流程图）

本文通过Vector ISOLAR-A工具实战演示AUTOSAR BswM模块的配置流程，帮助工程师快速掌握基础软件模式管理。从环境准备到模式仲裁规则配置，再到动作列表实现，详细讲解每个步骤，并提供常见问题排查和高级优化技巧，大幅提升开发效率。

weixin_42542669的博客 250

超实用！用 Ollama + DeepSeek + Dify 搭建本地知识库，提升企业效率

为啥要搭建本地知识库？现在企业内部信息管理太难了，数据到处都是，检索效率低得可怜，还缺乏智能化支持。尤其是面对海量非结构化数据，企业很难快速提取有价值的信息，决策效率低得不行。要是能有个工具解决这些问题，那可太棒了！一、工具介绍1. Dify：AI 应用开发平台Dify 是一个开源的 LLM（大语言模型）应用开发平台，功能超强大。它支持自定义 AI 工作流，能实现复杂任务自动化；还有 RAG 管道，通过检索增强生成技术，让文档检索和问答超准；

m0_59235245的博客 1万+

Tesla V100 Windows 部署实战：从驱动安装到模式切换的避坑指南

本文是一份详细的Tesla V100在Windows系统下的部署实战指南。文章从硬件组装、系统选择讲起，重点阐述了驱动安装的正确方法，并深入剖析了将计算卡从TCC模式切换至WDDM模式的诱惑与潜在陷阱。最终，作者推荐保持默认TCC模式，并提供了使用nvidia-smi命令行等稳定可靠的显卡监控方案，旨在帮助用户避开常见坑点，高效利用这张专业计算卡进行AI计算等任务。

java5的博客 1711

DeepSeek+dify 本地知识库：真的太香了

哪里我们说了，我们可以通过提示词临时注入知识，给大模型，但是大模型的上下文是有长度限制的，我们通过各种技术把最合适的内容挑选出来，然后给大模型。由于我的dify安装的比较早，是0.7.x版本，为了给大家演示，就把原来的铲了。点击工作室，我们可以看到有很多丰富的应用，包括聊天助手、agent、工作流等 我们选择最简单的应用，聊天助手，点击5，创建空白应用。默认占用的是80和443端口，如果你本机已经部署了其他的应用，占了该端口，修改.env文件中的下面两个变量。需要注意的是dify，上传文件是有大小限制的。

大华的程序人生 6240

2019年数学建模美赛经验总结

北京时间2019年1月29号上午9时，数模美赛结束。美赛结束已经10多天了，我在这次竞赛中负责建模和编程，趁现在记忆还比较清晰，写下这篇博客记录第一次参加数学建模美赛的经历。 补更：2019年4月20日公布成绩，笔者最终获得了美赛一等奖 目录 1、基本情况 2、选题 3、分工合作 4、论文写作 5、建模 6、编程 7、入门资源 ...

Smallactive 7万+

ADS与MATLAB数据互通全指南：从Snp文件导入到TXT导出完整流程

本文详细介绍了在射频与微波工程中，实现ADS与MATLAB高效数据互通的完整流程。核心内容包括利用SPOutput控件、数据显示窗口及测量方程等多种方法，将ADS仿真数据（如S参数）导出为Touchstone或TXT格式，并导入MATLAB进行深度分析与可视化；同时指导如何将MATLAB处理后的数据回灌至ADS，用于模型验证与协同仿真，旨在构建自动化、无损的数据交换工作流，提升工程师的工作效率。

pluto的博客 393

使用Dify搭建DeepSeek本地知识库

在当今的信息时代，构建一个高效的知识管理系统对于企业和个人来说都至关重要。DeepSeek作为一个强大的深度学习模型，能够帮助我们理解和处理大量的文本信息。而Dify则是一个新兴的平台，旨在简化AI应用的开发和部署过程。本文将详细介绍如何使用Dify来搭建基于DeepSeek的本地知识库系统。

wanganui的博客 2万+

winget安装提示：执行此命令时发生意外错误： InternetOpenUrl() failed. 0x80072efd

当我们使用Winget包管理器安装应用，提示错误：执行此命令时发生意外错误： InternetOpenUrl() failed. 0x80072efd 该怎么处理呢？请听我娓娓道来。

Linux I Tell U 8138

保姆级教程！6个步骤讲清楚用DeepSeek搭建本地知识库

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。

m0_59235699的博客 3万+

Android11原生设置屏幕亮由Gamma变化改为线性变化

从Android9 开始屏幕亮度调解变成非线性变化，这样的话就会出现 之前亮度变化很小，到后面时变化亮度很快； 修改为线性变化，只需要修改 ./frameworks/base/packages/SettingsLib/src/com/android/settingslib/display/BrightnessUtils.java /* * Copyright (C) 2018 The Android Open Source Project * * Licensed under the Apache L

Android 4926

基于 STM32 的乒乓球发球机控制系统设计与实现

乒乓球发球机是一种能够按照预设参数自动、连续发出乒乓球的训练设备。本系统以 STM32F103C8T6 为主控核心，通过控制实现球速调节、实现落点与旋转方向控制、实现出球节奏控制，并配合 OLED 显示与按键人机交互，实现速度、频率、落点、旋转四大参数的可调发球训练。

weixin_42300449的博客 210

【AI大模型】DeepSeek+dify 本地知识库：真的太香了，手把手教你搭建部署！！

我们之前说的知识库都是广义知识库。 在关于模型哪里我们说了，我们可以通过提示词临时注入知识，给大模型，但是大模型的上下文是有长度限制的，我们通过各种技术把最合适的内容挑选出来，然后给大模型。

2401_85325557的博客 2412

SAP B1中文培訓教材_SDK

公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说

DeepSeek + Dify + Docker 零代码！一键搭建本地私有AI知识库

DeepSeek + Dify + Docker 零代码！一键搭建本地私有AI知识库

Gblfy_Blog 8076

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

当下热点：DeepSeek+Dify 本地知识库，用了都说太香了！

之前我做了个AnythingLLM+DeepSeek去搭建本地知识库的教程，我发现阅读数挺高的，说明大家挺喜欢这个系列。但是我最近又发现 Dify+DeepSeek 去搭建本地知识库才是最牛的，，比德芙还要丝滑~今天这篇文章，纯小白也可以跟着做，不需要有计算机技术基础哦，一起来动手搭建本地最强知识库吧！

优快云_224022的博客 2998

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

DeepSeek+Dify 构建本地知识库，真香！建议收藏起来慢慢学！！

之前讲过 DeepSeek + Cherry 搭建本地知识库，这样的知识库比较初级，上传的文件限制较多。无法满足更多个性化需求。今天我们来看看 DeepSeek + Dify 如何搭建自己的知识库。 Dify 作为同样开源的 AI 应用开发平台，提供完整的私有化部署方案。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。

嘴巴吃糖了 1836

DeepSeek+本地知识库：真的太香了

整个操作下来，AnythingLLM 的体验没有cherry好。AnythingLLM就像一个包壳的web应用(后来查了下，确实是)。AnythingLLM 得具备一定的程序思维，给技术人员用的。非技术人员还是使用cherry吧。作为喜欢折腾的开发人员，我们可以结合dify使用。个人知识库+本地大模型的优点隐私性很好，不用担心自己的资料外泄、离线可用在工作和学习过程中对自己整理的文档，能快速找到，并自动关联在代码开发上，能参考你的开发习惯，快速生成代码。

2401_85373691的博客 3708

DeepSeek + Dify部署本地大模型和知识库

DeepSeek + Dify部署本地大模型和知识库

huang9604的博客 7686

DeepSeek+dify 本地知识库：真的太香了，大模型入门到精通，收藏这篇就足够了！

群友一直希望我做一个dify的教程，我把去年的dify铲了，重新安装了一遍。 同时基于以前的文章提问，以及群友的问题，我先做一个知识科普，不感兴趣的可以绕过这块。

瓦罗兰特顶级C位的博客 1119

DeepSeek + Dify ：零成本搭建企业级本地私有化知识库保姆级教程

DeepSeek作为可以私有化本地部署的大模型，加上Dify这个组合，我们还可以有很多其他应用场景，比如：智能客服，智能题库。也可以把自己的个人资料，过往输出文章，日记等所有个人信息上传到本地知识库，打造自己的私人助理。Dify还有很多其他功能，有了deepseek这样的优秀国产AI大模型加持，我们可以做更多智能体应用。当然，Dify也可以像coze一样，发布为对外服务的api，这样，它就可以结合cursor快速做出更多的AI应用。何以破局，唯有行动！

python1222_的博客 6475

保姆级教程！6个步骤讲清楚用DeepSeek搭建本地知识库，收藏这一篇就够了！！

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。

bugyinyin的博客 3984
上一篇： 玩转 DeepSeek-R1 本地部署+知识库搭建+多轮RAG，保姆级教程！
下一篇： 3种通过DeepSeek免费搭建个人知识库的方法及保姆级操作攻略，建议收藏！！
点赞 7
评论 0
书签 书签 18
Agent学习路线
Agent学习路线
博客等级 码龄6年 1万+粉丝 1904原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值