10分钟搞定,DeepSeek+Ollama+AnythingLLM 本地部署完全指南,打造专属知识库。

打开浏览器→下载 Ollama→输入 1 条命令→搞定!这不是魔法,而是本地部署大语言模型的全新方式。Ollama 简化了大型语言模型的运行,让每个人都能在本地轻松体验 AI 的强大。

但是,仅仅运行一个大语言模型还不够。如何让它真正理解你的数据,回答你的问题?这时,AnythingLLM 就派上用场了。

它能将你的文档、笔记、网页等各种数据源连接到本地 Ollama 运行的 DeepSeek 模型,构建一个真正属于你的、个性化的知识库问答系统。告别在海量信息中苦苦搜索,让 AI 成为你高效的知识助手!

关于引入 AnythingLLM 的理由,可以考虑以下几点:

1、数据连接: AnythingLLM 可以连接各种数据源,例如本地文件、网站链接等。

2、**多模型选择:**AnythingLLM支持各种主流模型的API接入方式,DeepSeek、OpenAI、Gemini等等。

3、易用性: 它通常提供友好的用户界面,方便用户进行配置和管理。

1 Ollama 本地化部署DeepSeek R1

Ollama 是一个用于本地运行大语言模型(LLMs)的开源工具,提供简单的界面和优化的推理引擎,使用户能够在个人设备上高效地加载、管理和运行 AI 模型,而无需依赖云端。

官网地址:https://ollama.com/

官网下载对应版本,然后根据自己本地配置运行命令。

其中,deepseek-r1:1.5b 换成适配你本地的模型。

运行命令:ollama run deepseek-r1:1.5b

介绍几个Ollama常用的命令:

1、列出本地可用的模型列表:ollama list

2、启动模型:ollama run model_name

3、查看模型信息:ollama show model_name

4、删除指定模型:ollama rm model_name

2 部署AnythingLLM

2.1 下载安装

打开官网地址:https://anythingllm.com/desktop,根据自己的系统选择下载的版本。

默认路径安装,或者修改默认安装路径都可以。

安装完成界面:

点击完成自动跳转到AnythingLLM界面。

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

模型配置

1、LLM Selection(大语言模型选择):

这里选择了名为 Ollama 的模型。

说明用户的模型和聊天记录仅在运行 Ollama 模型的机器上可访问,这意味着数据不会在其他地方被存储或访问,从而增强了数据的安全性和隐私性。

2、Embedding Preference(嵌入偏好):

使用了名为 AnythingLLM Embedder 的嵌入工具。

说明用户的文档文本是在 AnythingLLM 的实例上私密嵌入的,这意味着文本数据的处理和转换是在本地进行的,不会泄露给第三方。

3、Vector Database(向量数据库):

使用了 LanceDB 作为向量数据库。

说明用户的向量和文档文本都是存储在这个 AnythingLLM 实例上的,这再次强调了数据的私密性和安全性。

收集用户对 AnythingLLM 服务的反馈,可选的调查问卷,可直接跳过。

创建工作区,填写工作区名称。

可以在聊天窗口与之对话了。

2.2 搭建本地知识库

在左侧工作区找到上传按钮。

我上传了一个表格文件。

选中上传的文本,点击移动到工作区。

点击Save and Embed。对文档进行切分和词向量化。

完成后,点击图钉按钮,将这篇文档设置为当前对话的背景文档。

测试效果:

我上传的知识库是虚拟了5本书及价格。随便选中其中一本问下价格。

可以考到模型思考的过程及最终答案,还是非常准确的。

2.3 DeepSeek R1 API 接入LLM

也许有的小伙伴会说,我本地硬件条件有限,就想使用DeepSeek官网服务怎么办?

不要着急,AnythingLLM支持直接调用DeepSeek官方提供的API接口。

在工作区右侧点击设置,选择聊天设置,可以更改LLM模型。

选择DeepSeek,输入API Key,选择DeepSeek R1模型。

输入DeepSeek API Key,选择DeepSeek R1模型就可以了。

点击最后更新工作区后就可以享受官方提供的大模型服务了。

知识库部署和2.2章节一致,只是调用的模型变为官方API接口。

看到这里,你是否发现AI私有化部署并没有想象中复杂?其实技术平权化的浪潮早已到来,重要的是勇敢迈出第一步。

毕竟,当技术门槛不复存在,唯一限制我们的,就只剩下想象力。

记住,每个科技达人都是从点击『安装』按钮开始的!

希望本文能帮助你迈出第一步,探索本地 AI 的无限可能。如果你在部署过程中遇到任何问题,欢迎在评论区留言交流!

如何学习AI大模型 ?

“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,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。【保证100%免费】🆓

优快云粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传优快云,朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】

读者福利: 👉👉优快云大礼包:《最新AI大模型学习资源包》免费分享 👈👈

(👆👆👆安全链接,放心点击)

对于0基础小白入门:

如果你是零基础小白,想快速入门大模型是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。

对于从来没有接触过AI大模型的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。(全套教程文末领取哈)
在这里插入图片描述

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,每个章节都是当前板块的精华浓缩。

在这里插入图片描述
在这里插入图片描述

👉3.大模型实际应用报告合集👈

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。(全套教程文末领取哈)

在这里插入图片描述

👉4.大模型落地应用案例PPT👈

光学理论是没用的,要学会跟着一起做,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。(全套教程文末领取哈)

在这里插入图片描述

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。(全套教程文末领取哈)
img

在这里插入图片描述

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个,在大模型纵横的时代,不仅大模型技术越来越卷,就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道,我总结了大模型常考的面试题。(全套教程文末领取哈)

在这里插入图片描述
👉学会后的收获:👈
基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习

优快云粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传优快云,朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】

读者福利: 👉👉优快云大礼包:《最新AI大模型学习资源包》免费分享 👈👈

(👆👆👆安全链接,放心点击)
### 部署 DeepSeek 及使用自定义数据集训练 #### 一、DeepSeek本地部署流程 为了在本地环境中成功部署 DeepSeek,需遵循特定步骤来确保整个过程顺利进行。首先,需要准备合适的硬件环境和支持软件。 对于 DeepSeek 的安装,推荐按照官方指南操作,即通过 Ollama 平台来进行模型的获取与初始化设置: ```bash ollama run deepseek-r1:1.5b [^1] ``` 这条命令用于启动指定版本的 DeepSeek 模型实例。完成这一步骤之后,便可以在本地机器上拥有一个可以工作的 AI 工具框架。 #### 二、利用 Python 编程接口向 DeepSeek 投喂文档素材 为了让 DeepSeek 能够有效地处理并理解输入的数据,必须对其进行适当的知识灌输。这里提到的“投喂”,实际上是指将预先整理好的文本资料导入至该系统内部的过程。此过程中涉及到的关键技术之一是对这些材料做嵌入(embedding)转换,以便于后续的信息检索和语义分析工作能够高效执行。 针对较长篇幅的内容,建议采用专门设计用来增强长文本表示能力的 `nomic-embed-text` 模型[^3]。具体做法是在预处理阶段应用这一算法对原始文件实施编码变换,从而获得更适合被神经网络理解和记忆的形式。 #### 三、基于 Anything 数据源开展个性化定制化培训 当谈及所谓的 "Anything" 训练方式时,实际上是强调了一种灵活多变的学习模式——允许用户根据自己特有的需求选取任意类型的资源作为教材,无论是结构化的数据库记录还是非正式交流中的对话片段皆可纳入考量范围之内。这种开放性的设计理念赋予了使用者极大的自由度去塑造独一无二的人工智能助手形象。 在此背景下,要实现这一点,则依赖于精心构建的一套自动化流水线机制:从收集目标领域内的代表性样本开始,经过清洗过滤等一系列前期准备工作后,再借助上述提及的方法论将其转化为可供吸收的知识单元;最后经由反复迭代优化直至达到预期效果为止。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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