2025年最全知识库工具测评！AnythingLLM/Cherry Studio个人首选，RAGflow/Dify企业必选，一篇搞懂AI时代第二大脑！

Python_金钱豹 Python_金钱豹 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 6k累计阅读 6k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5年
关注
原创 最新推荐文章于 2026-03-29 09:36:01 发布 6k 阅读 AI 写同款· GEO 优化 ›
基于deepseek模型知识库，Cherry Studio和AnythingLLM使用效果对比 网上有很多构建本地知识库的文章，我们更应该更深入应用，对比不同的应用效果，才能发挥知识库本身的价值。 阅读详情

一、核心定位和技术特点

工具平台核心定位与技术特点文档处理能力模型支持隐私安全适用场景
AnythingLLM全本地化部署，开箱即用支持 200+ 格式（PDF/Word/图片等）本地模型（Ollama）或云端API（DeepSeek）混合部署✅ 全链路数据不离开本地个人/小团队，高隐私要求场景（如金融、法律）
RAGFlow深度文档解析引擎（表格/扫描件/OCR）✅ 支持复杂结构（表格/影印件/多模态）❌ 依赖内置RAG流程，需外接LLM（Ollama/API）✅ 企业级数据隔离（支持GDPR合规）专业文档分析（医疗/法律合同）
Dify低代码AI工作流平台⚠️ 依赖插件扩展（OCR需额外配置）✅ 支持数百种模型（OpenAI/本地LLM/开源模型）⚠️ 需私有化部署保障安全快速搭建客服/自动化分析系统（初创企业）
FastGPT轻量级中文优化知识库⚠️ 基础文本解析（不支持扫描件）✅ 主流中文模型（ChatGLM/DeepSeek）⚠️ 依赖部署方式（本地>云端）中小企业知识库/快速上线中文客服
Cherry Studio多模型桌面应用（零配置）⚠️ 简单文本分割（无自定义解析）✅ 30+ 开源/闭源模型（Ollama集成）⚠️ 默认依赖在线服务（需手动配置本地化）个人创作/小微团队原型验证

二、核心功能清单对比

功能维度AnythingLLMRAGFlowDifyFastGPTCherry Studio
文档解析能力✅ 200+格式（含OCR/音视频）✅ 深度解析（表格/公式/多栏重组）⚠️ 依赖插件扩展（基础文本）✅ 基础文本+表格（无OCR）⚠️ 简单分块（无结构化解析）
分块策略固定窗口+语义边界✅ 智能布局分析（YAML配置）固定长度分块混合检索+重排优化无自定义分块
检索方案向量检索（ChromaDB）✅ 混合检索（语义+关键词+多路召回）向量检索（需外接API）✅ 混合检索+标签过滤基础语义检索
工作流编排❌ 无❌ 无✅ 低代码节点（LLM/HTTP/分支）✅ 可视化Flow（工具调用/循环）❌ 无
多模型支持✅ 本地+云端混合部署⚠️ 需外接LLM✅ 数百模型自由切换✅ 主流中文模型（DeepSeek/ChatGLM）✅ 30+模型聚合（API+本地）
部署方式Docker/桌面版/云Docker（多容器依赖）Kubernetes/云托管Docker/Sealos云桌面零配置
团队协作✅ 精细化权限管理✅ 企业级审计日志⚠️ 需企业版✅ 免登录分享+对话记录标注❌ 无

三、部署资源要求

工具资源要求

详解

  1. GPU依赖区分

  2. 必须GPU：RAGFlow（复杂解析）、AnythingLLM本地模式（大模型推理）

  3. 无需GPU：Dify（云端推理）、FastGPT（轻量检索）、Cherry Studio（基础对话）

  4. 内存与存储门槛

  5. 低门槛（≤16GB RAM）：FastGPT、Cherry Studio

  6. 高门槛（≥32GB RAM）：RAGFlow（ES数据库缓存）、AnythingLLM（向量库+模型）

  7. 部署复杂度

  8. 简易部署：Cherry Studio（桌面一键安装）、FastGPT（Docker单命令）

  9. 复杂部署：RAGFlow（多容器协调）、Dify（Kubernetes集群）

四、典型场景与选型建议

  1. 个人知识管理（轻量级）
  • 推荐工具：Cherry Studio / FastGPT
  • 理由：
  • Cherry Studio 支持多模型对话（如 DeepSeek + Ollama），适合整合笔记/文献；
  • FastGPT 快速构建问答库，48 小时内可上线。
  1. 企业级文档解析（高精度需求）
  • 推荐工具：RAGFlow / Dify
  • 理由：
  • RAGFlow 处理扫描合同/医疗表格，准确率提升 40%；
  • Dify 串联审核流程 + 多模型路由，适合合规报告生成。
3. 隐私敏感型场景（如法律/金融）
  • 推荐工具：AnythingLLM
  • 理由：
  • 工作区隔离 + 权限管控，确保部门数据独立；
  • 支持本地向量库（ChromaDB），无需 API 外联。

五、使用体验深度分析

1.部署与配置

  • AnythingLLM：桌面版开箱即用，但本地模型需RTX 3060+GPU，混合模式依赖API稳定性（如DeepSeek R1宕机时体验下滑）。
  • RAGFlow：Docker启动需调整系统参数（如vm.max_map_count），16GB内存门槛高，但企业级文档处理效果突出。
  • Dify：云版简单，私有化部署时Hugging Face API限流严重（嵌入处理延迟达1分钟）。
  • FastGPT：2核8GB可运行，Sealos云部署免运维，中文提示词优化佳。
  • Cherry Studio：双击安装即用，但本地模型需搭配Ollama，远程访问依赖内网穿透（如cpolar）。

2.文档处理效率

  • 复杂表格解析：RAGFlow保留表格结构，医疗报告解析准确率提升40%；AnythingLLM的OCR依赖Tesseract，扫描件效果不稳定。
  • 长文本处理：Dify迭代节点拆分文本有效，但API调用成本高；FastGPT支持手动调整分块，避免截断问题。
  • 增量更新：仅AnythingLLM支持文档版本管理，仅重嵌入变更部分

3.问答准确性与可控性

  • 幻觉抑制：RAGFlow引用原文页码，溯源性强；FastGPT显示来源片段，支持手动修正。
  • 复杂查询缺陷：所有工具均无法完美处理“统计文档字数”或“跨全文列人名”类需求，AnythingLLM用户曾误以为功能故障。
  • 干预能力：仅RAGFlow提供可视化分块调整界面，FastGPT支持Debug模式查看中间值。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

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。

在这里插入图片描述

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

在这里插入图片描述

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

在这里插入图片描述

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等
在这里插入图片描述

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

在这里插入图片描述

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】

在这里插入图片描述

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

在这里插入图片描述

适合人群

  • 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
  • IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
  • IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
  • 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
    在这里插入图片描述

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

在这里插入图片描述

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。 在这里插入图片描述

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。
在这里插入图片描述

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。 在这里插入图片描述

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路
在这里插入图片描述

一对一学习规划，职业生涯指导

  • 真实商业项目实训
  • 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

在这里插入图片描述
大厂绿色直通车，冲击行业高薪岗位
在这里插入图片描述

文中涉及到的完整版的大模型 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

标签
#人工智能 #知识图谱 #langchain #oracle #数据库
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。
大模型应用开发六：检索增强生成（RAG）介绍及Cherry Studio知识库使用 RAG简单讲解以及结合Cherry Studio 实战 阅读详情

相关推荐

Ollama+Deepseek+Cherry/Dify构建本地知识库

是一款开源的大语言模型(LLM模型)应用开发平台，为开发者提供了快速搭建生产级生成式AI应用的能力，内置一个直观简洁的强大的Prompt编排工具，具备增强搜索生成功能(RAG)可高化构建提供一个可视化的画布，让开发者可以在画布上快速构建安出一个可执行的自动化任务的AI应用。支持监控和分析应用程序日志和性能，并提出了后端即服务，主要体现在所有产品都附带相应的API，方便开发者将Dify集成到自己的业务中，实现数据的解耦和业务快速扩展。

傲视苍穹 2973

综合对比分析：AnythingLLM、Cherry Studio、RAGFlow 和 Dify

Cherry Studio：工业领域知识库问答（如iNeuOS操作系统的资料管理），嵌入模型优化后回答精准度提升。核心功能亮点：结合特定嵌入模型（如nomic-embed-text）提升回答全面性，测试表现优于同类工具。核心功能亮点：可视化工作流编排、自定义Agent、快速集成业务系统，生态扩展性强。理由：测试中表现优于AnythingLLM，适合对回答全面性要求较高的场景。场景：企业需要快速开发AI应用（如智能客服、自动化数据分析）场景：处理扫描件、表格等复杂文档的专业领域（如法律、医疗）

2401_83450572的博客 1万+

深度剖析Cherry Studio：对比同类产品的优势与局限 

Cherry Studio在模型支持方面表现卓越，不仅对接了OpenAI、Gemini、Anthropic等主流的LLM云服务，以及Claude等流行的AI Web服务，还支持Ollama本地模型部署，满足了不同用户对于模型使用的多样化需求。官网下载：这是最常规且安全的方式，访问Cherry Studio官网[具体官网链接]，在网站上清晰地展示了针对不同操作系统（Windows、macOS、Linux ）的下载选项，用户只需根据自己的设备系统点击相应的下载按钮，即可获取安装包。

zhz5214的博客 5010

Cherry Studio 、anythingllm扫盲

如果你需要一个功能丰富、支持多种模型和AI助手的工具，Cherry Studio 是一个不错的选择。而如果你更关注文档知识库管理和多用户协作，AnythingLLM 可能更适合你的需求。如果你需要一个功能丰富、回答全面且支持多种模型和文档处理的工具，是一个更好的选择。如果你更关注知识库的管理和文档检索功能，且需要支持多用户和权限管理，可能更适合你的需求。

chunmiao3032的专栏 7551

深度学习-107-RAG技术之基于Cherry Studio和Anything LLM搭建本地私人知识库的效果并不理想

知识库是人工智能RAG(检索增强生成)的领域，如果要做智能很多东西要优化，第一大模型本身足够强，1.5b只能作为简单示例，它还要考虑嵌入模型，重排序模型，向量数据库，文本分割等等，要实际应用还要学好多东西。

qq_20466211的博客 3410

RAG+AI工作流+Agent：LLM框架该如何选择，全面对比MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,以及更多推荐

RAG+AI工作流+Agent：LLM框架该如何选择，全面对比MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,以及更多推荐

丨汀、的博客 3万+

一文详解几种常见本地大模型个人知识库工具部署、微调及对比选型

这里先盘点一下最近比较火爆的几个工具，将从知识库侧和大模型侧分别介绍。这六种。AnythingLLM 是 Mintplex Labs Inc. 开发的一款可以与任何内容聊天的私人 ChatGPT，是高效、可定制、开源的企业级文档聊天机器人解决方案。它能够将任何文档、资源或内容片段转化为大语言模型（LLM）在聊天中可以利用的相关上下文。其采用MIT许可证的开源框架，支持快速在本地部署基于检索增强生成（RAG）的大模型应用。在不调用外部接口、不发送本地数据的情况下，确保用户数据的安全。

youmaob的博客 7741

瑞芯微RK3576开发板实战：6TOPS NPU如何加速你的AIoT项目（附性能测试）

本文以瑞芯微RK3576开发板为核心，深入探讨其6TOPS NPU在AIoT项目中的实战应用。通过详细的性能测试对比，展示了NPU如何将AI模型推理速度提升15倍以上，并大幅降低CPU负载。文章涵盖从环境搭建、模型转换优化到多屏异显与系统级调优的全流程，为开发者提供了将硬件算力转化为实际项目加速效果的完整指南。

oauth7security的博客 821

DeepSeek等大模型管理神器：Cherry Studio、Chatbox、AnythingLLM，谁才是你的效率加速器？

DeepSeek等大模型管理神器：Cherry Studio、Chatbox、AnythingLLM，谁才是你的效率加速器？

呱牛 Just do IT 1万+

quartusII简易CPU设计

优点可以实现八种运算，数据的存取及运算都能很好的实现，上板也很成功。缺点首先由于自己知识储备的缺乏，只能实现较为简单的8种运算，也是最简单的直接寻址。其次为了方便操作，没有从外部输入数据，都是直接使用存储在存储器中的数据。后续发展后续会在此简易CPU的基础上增加一些功能对CPU进行完善，如算术运算可以考虑是补码运算，输入、输出采用存储缓冲等等，直至完整的全功能的处理器。收获通过这次实践，更熟悉Quartus软件的操作。能过更加清楚每个器件的操作，比如计数器，运算器，译码器等的实现功能。

Kong08242022的博客 3484

当Flowable遇上AI：智能流程决策的未来探索

本文探讨了Flowable工作流引擎与AI技术的融合，构建智能流程决策系统的前沿实践。通过动态流程控制、机器学习优化表达式、自然语言生成规则等创新方法，显著提升业务流程的自动化水平和决策效率。重点解析了AI如何赋能Flowable核心引擎，实现从静态规则到动态智能的跨越式发展。

weixin_29271053的博客 394

AnythingLLM、Dify 与 Open-WebUI：如何接入 Ollama，它们有何不同？

随着大语言模型（LLM）的浪潮席卷而来，许多开源工具与平台纷纷涌现，帮助开发者快速搭建自己的 AI 助手或应用。对于想要在本地或自托管环境中运行 LLM 的用户而言，Ollama 提供了一个无需 GPU、在 CPU 环境也可高效完成推理的轻量化“本地推理”方案。

pythonhy的博客 5651

MATLAB 2022b 用户专属：保姆级IPOPT求解器安装配置全流程（含OPTI工具箱）

本文为MATLAB 2022b用户提供IPOPT求解器的详细安装与配置指南，涵盖OPTI工具箱的适配安装、环境变量设置及常见问题解决方案。通过实战案例演示非线性优化问题的求解过程，帮助用户高效部署这一强大的优化工具，提升工程计算效率。

weixin_29092031的博客 406

满血版deepseek操作流程: cherry和anything的在线版671B使用

添加模型时,进入模型广场,找到deepseek-r1模型然后点击弹出窗口后点击复制,放入模型添加的界面中的模型ID中,点击添加模型,就好了,理论可以添加多个模型,请在模型广场看到很多模型的介绍后根据自己的需要进行添加。打cherry软件后,点击左下角的小齿轮,点击进入设置,选择硅基流动,将之前生成的api密钥复制放入其中,然后点击检查,下方出现绿色提示框就代表成功,没有成功刷新几次,删除其中的所有模型信息,然后点击下方的添加。网址:https://cherry-ai.com/

qq_45872037的博客 3836

Skyworks SKY85331-11的Wi-Fi 6 (802.11ax)标准 2.4G 高功率WLAN前端模块解决方案

SKY85331-11是高度集成的2 GHz前端模块（FEM）包含2 GHz单刀双掷（SPDT）发送/接收（T / R）开关，2 GHz低噪声放大器（LNA）带旁路和一个2 GHz功率放大器（PA），用于大功率802.11ax应用程序和系统LNA和PA禁用功能可确保低漏电流 关闭模式。 包括一个集成的功率检测器以提供系统内的闭环功率控制。该设备提供Small (24-pin, 3 x 5 mm) （LGA）封装。 图1.引脚配置和封装如图所示 图2.信号引脚分配和功能引脚描述 图...

zhangbao19890622的博客 4508

Win上通过Jconsole查看Java程序资源占用情况（教程总结，一篇就够了）

JConsole 是一个内置 Java 性能分析器，Java 5开始 引入了 JConsole。可以从命令行或在 GUI shell 中运行。您可以轻松地使用 JConsole来监控 Java 应用程序性能和跟踪 Java 中的代码。Jconsole工具查看程序的资源占用请求。安装jdk时bin目录有jconsole.exe工具，或者通过 Win + R，输入jconsole.exe启动jconsole（ 可以从命令行直接输入jconsole。

明生的博客 6242

三大开源大模型应用框架深度对比：AnythingLLM、Dify 与 Open-WebUI

团队规模：小团队优先Open-WebUI，大企业选AnythingLLM技术能力：开发能力强选Dify，重应用选Others业务需求：知识管理、应用开发还是模型实验建议从Open-WebUI开始体验，逐步过渡到更专业的解决方案。所有系统都支持Docker部署，可快速验证概念可行性。

qq_34295179的博客 4607

UNext：基于 MLP 的快速医学图像分割网络

有代码，可深入学习轻量级分割模型的论文切入点 UNet 及其最新扩展（如 TransUNet）近年来一直是领先的医学图像分割方法。然而，这些网络无法有效地用于应用中的快速图像分割，因为它们参数繁重、计算复杂且使用缓慢。为此，我们提出了 UNeXt，它是一种基于卷积多层感知器（MLP）的图像分割网络。我们以有效的方式设计了 UNeXt，其中包括早期卷积阶段和潜在阶段的 MLP 阶段。我们提出了一个标记化的 MLP 块，我们可以在其中有效地标记和投影卷积特征，并使用 MLP 来对表示进行建模。

Philo的博客 3942

AI本地部署工具哪家强？7款热门工具横向对比

那本文将对七款热门 AI 工具 OpenWebUI、AnythingLLM、Ollama、Cherry Studio、LM Studio、Dify 和 FastGPT 进行多维度对比，以便您根据自身需求选择合适的工具。

ainnle的专栏 3万+

基于Simulink建模仿真的滑模控制的磁悬浮轴承稳定控制仿真

磁悬浮轴承（Magnetic Bearing）利用电磁力来支撑和定位转子，无需机械接触，因此在高速旋转设备中具有广泛应用。滑模控制（Sliding Mode Control, SMC）是一种鲁棒性强的非线性控制方法，适用于磁悬浮轴承的精确控制。以下是基于Simulink的磁悬浮轴承滑模控制系统的详细设计与仿真步骤。通过上述步骤，设计并实现了基于 Simulink 和 Control System Toolbox 的磁悬浮轴承滑模控制系统。

MHD0815的博客 780

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

大模型：2024开源项目汇总

当大模型成本逐渐降低，可靠性提升后，这意味着越来越多的业务应用将会与 LLM 结合，为了让这种结合更加顺畅，需要有与现有来支撑 LLM 应用开发的快速开发应用构建工具: 插件中心, 流程编排, Prompt工程, RAG, Agent模型开发工具: 训练数据管理, 模型调优, 模型评测, 模型部署对比说明可参考：**2.1 Dify：**开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。

z099164的博客 3359

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

企业AI知识库工具对比Cherrystudio, Dify, Ragflow

本文对比了三款支持Deepseek的开源知识库软件：Cherrystudio个人版适合个人使用但知识库功能有限；Dify功能强大但国内使用受限；Ragflow虽起步较晚，但服务器架构设计使其最适合企业级AI知识库应用。作者建议根据实际需求选择工具，并承诺后续将提供企业级应用改造建议。

weixin_44091123的博客 849

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

这6款产品,是AI产品经理的“精髓”

做AI产品经理，一定要学会产品拆解。我发起的每天体验1款App，就是基于自己做产品工作所衍生的。到现在已经有1300人加入这个拆解兴趣小组。拆解产品的本质是为了让产品经理知道如何做新的功能设计，以及了解新行业下的产品框架与业务知识。很多产品是为了业务支撑而做的，了解业务最快的方式就是去拆解其系统功能模块。利用周末时间，我独自部署了Deepseek，但由于电脑配置，我只有16GB的内存，选择了8B模型。当然现在有清华大学的Ktransformer，24GB显存也可以完成R1的全量模型。

2401_85373396的博客 1722
上一篇： 收藏级GraphRAG宝典：手把手拆解微软开源黑科技，知识图谱增强生成一篇通！
下一篇： 大厂都在用的RAG救命指南！企业开发6大死局+破解代码，这篇能省下百万试错成本！
点赞 25
评论 0
书签 书签 31
Python_金钱豹
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2839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