【珍藏级教程】DeepSeek+AnythingLLM本地知识库搭建，让AI成为你的第二大脑！

原创 于 2025-12-10 11:24:07 发布 · 623 阅读 · 11 ·
CC 4.0 BY-SA版权
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。
文章标签：

#人工智能 #大模型学习 #AI大模型 #大模型入门 #大模型教程 #DeepSeek #LLM

简介

本文详细介绍了如何使用DeepSeek和AnythingLLM组合搭建本地AI知识库的完整流程。该方案具有高性价比、隐私安全性和操作简单的优势。文章从安装Ollama客户端、下载DeepSeek-R1模型、安装配置AnythingLLM，到上传文档和测试验证，提供了详细步骤指导。这套本地知识库系统可帮助用户高效管理各类文档资料，实现智能检索和问答，是个人和企业知识管理的理想解决方案。

一、 痛点暴击：你的知识管理还在原始时代吗？

你是否每次查找文档翻遍文件夹，会议纪要总在关键时刻“失踪”？

**别慌！**今天揭秘一个“真香”组合——DeepSeek+AnythingLLM，轻松搭建本地知识库，AI秒变你的“第二大脑”！

二、 为什么选DeepSeek+AnythingLLM？三大优势碾压全场

- 性价比逆天！DeepSeek的API调用费用低至“白菜价”，实测一天花费不到1块钱，对比动辄几百的ChatGPT会员，省下的钱能喝一年奶茶！- 隐私安全拉满！

数据全程本地存储，商业机密绝不外泄。无论是企业敏感文件还是个人笔记，通关“物理隔离”模式！

**- 操作简单到离谱！**三步搞定：下载AnythingLLM（免费）→绑定DeepSeek API→拖拽上传文档，连小白都能轻松上手。

三、具体搭建步骤

1、安装 Ollama 客户端

我们先进入Ollama的官网（https://ollama.com），下载对应操作系统的安装包。下载完成后，直接安装即可。

2、下载DeepSeek-R1大模型

在Ollama的官网上可以进入Models页面中查看可以下载的模型，选择deepseek-r1模型

DeepSeek R1 提供7个版本，参数量越大，模型通常越强大，但也需要更多的计算资源，比如 1.5B 代表有 15 亿个参数。具体选择哪一个看你硬件设备了。对于个人电脑话，一般建议选择1.5b或7b就行了，如果你的电脑配置（显卡、内存、CPU）足够的话，可以跑一下14b。（对应所需至少16G或32G以上的内存及显卡配置）

这里以1.5b为例，安装ollama后，打开命令行，输入

ollama run deepseek-r1:1.5b

当界面出现 success 显示安装成功。说明deepseek模型已经安装到了你的本地。

3、安装AnythingLLM

如果你对本地知识库有强烈需求，可以安装以下这款应用：AnythingLLM。

AnythingLLM 能够将文档、网页、音频、视频等各种数据源连接到本地运行的 LLM 模型（如 DeepSeek、Ollama 等），构建一个个性化的知识库问答系统。通过这种方式，用户可以将内部知识、资料整合起来，实现高效的检索和问答。适用于个人和企业用户。

官方网站：https://anythingllm.com/

GitHub 项目地址：https://github.com/Mintplex-Labs/anything-llm/releases

桌面版下载：https://anythingllm.com/desktop

AnythingLLM 适用于 MacOS、Linux 和 Windows 操作系统，也可以使用 Docker 安装。支持几乎所有的主流大模型和多种文档类型，直接下载对应版本，像正常软件一样安装启动即可。

4、AnythingLLM 配置

安装完成后，打开应用程序，创建新工作区，并根据需要配置 LLM 提供商和模型

此处模型提供方我们选择ollama，模型对应为deepseek-r1:1.5b

创建工作区，名称自定义

5、将本地文件上传到知识库中

1、选择对应的工作区，点击上传按钮

2、选择本地文件，支持上传txt、csv等格式文件。

image

添加文档，并将文档 Move to Workspace，然后点击Save and Embed，出现 Workspace updated successfully 就表示文档上传已经完成了。

6、测试验证

到此，利用DeepSeek+AnythingLLM搭建本地AI知识库就搞定了！

四、小结

DeepSeek+AnythingLLM 的出现，为知识库的构建与应用带来了革命性的变革。DeepSeek+AnythingLLM不仅是工具，更是认知升级的革命。

随着技术的不断进步，我们可以预见，未来的知识库将更加智能化、个性化。它将能够更好地理解用户的需求，提供更加精准的知识推荐；它将能够与人工智能助手深度融合，实现知识的自动问答与交互；它还将能够支持多模态知识的融合，让知识的呈现形式更加丰富多样。无论对于个人还是企业，知识库都将成为不可或缺的智能助手。

效率时代，智能先行。你的知识库，今天建好了吗？

五、如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到优快云的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

在这里插入图片描述

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

在这里插入图片描述

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么？
  • 大模型是怎样获得「智能」的？
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例：向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示（Embeddings）
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2：手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身：基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例：如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

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】

在这里插入图片描述

Deepseek结合AnythingLLM搭建个人本地智能知识库
曲幽
03-11 844
之前通过Ollama搭建了本地Deepseek大模型对话机制，但知识点仅限于Deepseek内部的数据，且目前数据截止时间为2024年7月，如果我们询问一些专业性比较强的内容，则Deepseek也显得无能为力，这就需要再给这个大脑外接一些文档数据了，通过AnythingLLM来Embedding外部文档。
Ollama+Deepseek+AnythingLLM搭建本地知识库
hartyu的博客
02-22 258
Ollama+Deepseek的配置可以参考。我的成都知识库内容如下。二，AnythingLLM 配置。基础版的本地知识库就算搭建完毕。一，AnythingLLM安装。AnythingLLM官网地址。回到主界面选中工作区，输入问题。保存并嵌入，等待工作区更新。把知识文档移动到工作区。测试了2个问题回答如下。
DeepSeek+AnythingLLM：私有知识库搭建的保姆级教程！非常详细收藏我这一篇就够了
2401_84494441的博客
02-20 2405
私有知识库是利用RAG（检索增强生成）技术，与大模型相结合，通过输入外部知识，来增强模型的效果和质量。来个简单的例子。比如说，你问DeepSeek你公司的规章制度、奖惩机制，它肯定回答不出来，因为这是非公开资料。怎么解决呢？你可以在公司内部部署离线DeepSeek模型，然后将公司文档和数据库喂给它训练，这样它就能检索并回答你公司相关的内容，还不妨碍大模型本身的性能，这就构成了私有知识库。私有知识库的好处有三点：1、结合大模型能力，相比传统搜索更加精准、灵活、可靠。
【保姆级教程】DeepSeek R1+RAG，基于开源三件套10分钟构建本地AI知识库
2401_82469710的博客
07-29 1114
这里给大家提供了 DeepSeek R1 +RAG 的本地部署方案。最后实现的效果是，结合本地部署的三个开源工具，包括 1Panel、Ollama、MaxKB，可以快速搭建一个本地知识库。
个人AI赋能：DeepSeek+AnythingLLM本地化部署，打造个人专属AI
weixin_59191169的博客
02-15 1033
Ollama 是一个本地大模型运行框架，支持一键下载和部署 Llama、Mistral、DeepSeek 等模型，简单高效，适用于 Mac、Linux 和 Windows，开发者只需运行 ollama run model_name 即可调用模型，无需复杂配置。打开cmd控制台界面，输入模型安装命令，我这里安装的是1.5b参数的模型，执行命令：ollama run deepseek-r1:1.5b，等待模型安装完成后，输入"你是？首先，我会回忆一下提供的上下文，这里提供了产品说明书的内容。
DeepSeek + AnythingLLM 简单三步搭建个人知识库，现在的我强的可怕！
AAI666666的博客
02-17 1711
DeepSeek + AnythingLLM 简单三步搭建个人知识库，现在的我强的可怕！
零成本搭建企业级本地私有化知识库：DeepSeek + Dify 保姆级喂饭教程！
2401_85390073的博客
04-21 1182
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！
DeepSeek+RAGFlow的企业级知识库搭建指南
2401_84494441的博客
05-15 878
本实践指南旨在利用Ollama、DeepSeek、Docker 和 RAGFlow 在本地搭建一个私有知识问答库，通过结合强大的语言模型、高效的语义理解和灵活的检索增强生成技术，实现安全、可靠的企业级私有知识库系统。本文基于DeepSeek的语义理解、RAGFlow的智能文档处理、Ollama的本地部署。：数据全程本地处理，杜绝敏感信息外泄：内置OCR引擎，支持Word/PPT/Excel/TXT/图片/扫描件等多格式深度解析：结合RAG和LLM技术，提供快速、准确的问答服务。
收藏必备！DeepSeek+本地知识库搭建全攻略，小白也能轻松上手
bugyinyin的博客
11-12 1145
文章详细介绍了如何搭建DeepSeek + 本地知识库，提供了基于Cherry Studio和AnythingLLM两种主流方案。通过本地部署，用户可实现离线知识管理、保护隐私，提高工作效率。两种方案各有优势：Cherry Studio界面友好，适合非技术人员；AnythingLLM具备API功能，适合开发者。文章还解释了DeepSeek与BGE-M3嵌入模型的互补性，在隐私保护、专业性和抗幻觉方面具有优势，帮助读者构建属于自己的智能知识库。
五分钟搭建属于你的AI助手：Ollama+DeepSeek+AnythingLLM深度整合教程
kfashfasf的博客
06-17 1093
本文将手把手教你用 Ollama、DeepSeek 与 AnythingLLM 搭建超强大本地知识库通过使用Ollama、DeepSeek和AnythingLLM搭建本地知识库，我们不仅能够享受大模型带来的便利，还能够确保数据的安全性和隐私性。这种方法特别适合那些对数据保密有严格要求的企业和个人用户，同时也解决了在线DeepSeek不稳定的问题。展望未来，随着技术的进步，本地部署的AI解决方案将会变得越来越普及，为用户提供更多的灵活性和控制权。warm3snow。
DeepSeek+Ollama+AnythingLLM 本地部署完全指南，打造专属知识库
hugejiletuhugejiltu的博客
02-24 953
它提供了一种方法来将文本内容转化为高层次的向量表示，这些向量可以被用来进行各种 downstream的任务，例如文本分类、信息检索、机器翻译等。在集成到类似的系统中，nomic-embed-text 可以帮助将自然语言处理的内容嵌入到知识库或模型中，从而增强对文本数据的理解和处理能力。第一步：LLM 首选项（大语言模型选择）：选择Ollama，AnythingLLM会自动检测本地部署的模型，所以前提确保Ollama本地部署的模型正常运行。结果是参考刚才上传的知识库内容去回答了问题，内容准确度还是不错的。
精选资源
DeepSeek+Dify极速集成：3小时搭建企业级AI知识库.pdf
02-19
在日常的工作和学习中，你...该文档【DeepSeek+Dify极速集成：3小时搭建企业级AI知识库】共计 20 页，文档内容完整、条理清晰。文档内所有文字、图表、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。
精选资源
DeepSeek本地部署-教你5分钟用DeepSeek+R1+搭建个人知识库.pdf
04-27
内容概要：本文介绍了如何使用满血版DeepSeek R1和本地部署方式搭建个人AI知识库。文中首先对比了本地部署与官方API的优劣，指出对于大多数人而言，使用官方API是更佳选择，而对于有充足算力和技术储备的人，本地...
精选资源
【大语言模型应用】Ollama+AnythingLLM搭建本地私有知识库：实现AI专家系统与文档智能处理
05-08
内容概要：本文详细介绍了如何使用Ollama + Qwen（通义千问大语言模型）+ AnythingLLM搭建本地知识库，实现AI+专家系统。首先，文章讲解了Ollama的安装与使用，包括支持的操作系统、硬件要求及模型下载方法。接着，...
深度学习下载包时可能会遇到的问题及解决方案
最新发布
m0_50481455的博客
12-09 288
若确实下载安装了CUDA ，但是此时输出的CUDA是否可用为否，应该是torch的版本为cpu版本导致，刚刚的下载包的语句如果总是下载的是cpu版本，我们考虑直接去网站下指定包，再进行安装。CUDA Version表示的是驱动支持的最高 CUDA 版本，去官网下载 CUDA ，我这里是12.2，表示下载的版本最大只能是12.2。然后下载包时，比如本地环境是Python3.9，找包下载时候，3.9要下对应cp39的包。下载好后，执行语句安装。
人工智能的基石之三：硬件
最简单的方法，解决最实际的问题。
12-05 705
高性能硬件是人工智能的基石，尤其是在机器学习和深度学习领域，海量数据是常态。从充当计算机大脑的中央处理器 (CPU) 到加速计算的图形处理器 (GPU)，硬件的作用是提供处理和运行复杂数据算法所需的原始能力。
【论文速递】2025年第34周(Aug-17-23)(Robotics/Embodied AI/LLM)
淋曦的进击手记
12-07 1431
自我监督的学习有望消除对手动数据注释的需求，从而使模型能够毫不费力地扩展到大规模的数据集和较大的体系结构。通过不针对特定的任务或领域量身定制，这种训练范式有可能使用单个算法从不同的来源学习视觉表示形式，从自然到航空图像。该技术报告介绍了Dinov3，这是通过利用简单而有效的策略来实现这一愿景的主要里程碑。首先，我们利用仔细的数据准备，设计和优化来扩展数据集和模型大小的好处。其次，我们介绍了一种称为GRAM锚定的新方法，该方法有效地解决了长期训练时间表中已知但未解决的密集特征映射降解的问题。
AI泡沫什么时候破？
脑极体
12-04 837
而AI企业面对的短期形势，可能更为严峻。而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。
LLM交互工具汇总：Open WebUI、ChatBot-UI、浏览器插件、Studio
lonelymanontheway的博客
12-05 806
Open WebUI、实战、mcpo、ChatBot-UI、实战、轻量级、浏览器插件、Page Assist、ollama-ui、Studio类工具、Cherry Studio、LM Studio、Msty Studio、参考、
在windows系统中，本地化部署deepseek + anythingLLM 构建本地化知识库
03-18
<think>嗯，用户想在Windows系统上部署DeepSeek和AnythingLLM来搭建本地化的知识库。首先，我需要回忆一下之前看到的引用内容，里面提到过相关的步骤。引用[2]和[3]都提到了使用Ollama、AnythingLLM和DeepSeek的组合。用户需要的是具体的安装和配置步骤，所以我应该按照这些引用来组织步骤。 首先，安装Ollama。根据引用[2]，用户需要下载Ollama的Windows版本并安装。安装完成后，通过命令行启动服务，并下载DeepSeek模型，比如deepseek-7b。这里可能需要确认模型的具体名称是否正确，因为不同文档可能有不同的命名方式。然后，测试模型是否正常运行，比如发送curl请求，确保接口可用。 接下来是安装AnythingLLM。引用[3]提到要下载桌面版的AnythingLLM，安装后启动。在配置时，需要选择本地模型，并输入Ollama的API地址，比如http://localhost:11434。这里要确保端口号正确，Ollama默认使用11434端口。然后创建知识库，上传文档，测试问答功能。 用户可能需要验证每个步骤是否成功，比如在安装Ollama后是否能正常访问API，AnythingLLM能否正确连接到Ollama的服务。此外，还要注意模型文件的路径和权限问题，确保没有防火墙阻挡端口。常见问题可能包括模型下载失败、API连接错误或者知识库文档解析问题，需要给出相应的解决方法。 最后，生成相关问题，帮助用户深入理解部署过程和相关技术。比如，如何优化性能，如何处理多语言文档，或者如何扩展知识库功能。这些问题应该基于用户可能的后续需求来设计，确保覆盖他们可能遇到的挑战。</think>### 分步指南：Windows系统部署DeepSeek+AnythingLLM本地知识库 #### 一、安装Ollama（模型服务框架） 1. **下载安装包** 访问Ollama官网（https://ollama.ai/）下载Windows版本安装程序[^2]。 2. **部署服务** ```bash ollama serve # 启动本地模型服务（默认端口11434） ``` 3. **下载DeepSeek模型** 根据引用[3]的DeepSeek本地部署教程，执行命令： ```bash ollama pull deepseek-7b # 下载指定模型文件（需确认模型名称与版本） ``` #### 二、配置AnythingLLM（知识库界面） 1. **软件安装** 从AnythingLLM官网（https://useanything.com/）下载Windows桌面版安装包[^3]。 2. **连接本地模型** - 打开AnythingLLM设置 > Workspace Settings - 选择**Local Model**类型 - 输入Ollama API地址：`http://localhost:11434` 3. **创建知识库** ```markdown 1. 新建Workspace > 命名"DeepSeek知识库" 2. 上传PDF/TXT/DOCX等格式文档 3. 启用"Auto-chunking"自动分块处理文本 ``` #### 三、验证与测试 1. **模型响应测试** 在Ollama中运行： ```bash curl http://localhost:11434/api/generate -d '{ "model": "deepseek-7b", "prompt": "什么是机器学习？" }' ``` 2. **知识库问答测试** 在AnythingLLM界面输入： ```text 根据上传的《产品手册》，请说明设备维护周期 ``` #### 四、常见问题解决 | 问题现象 | 解决方案 | |---------|---------| | Ollama服务未启动 | 检查防火墙是否开放11434端口 | | 模型加载失败 | 确认模型名称匹配，可用`ollama list`查看已安装模型[^3] | | 知识库解析错误 | 检查文档编码格式，建议使用UTF-8文本[^1] |
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
 
红包 添加红包
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