极客栈

前面几篇文章，我们介绍了DeepSeek，Ollama，Chatbox，CherryStudio，AnythingLLM，Gemma3，千问QWen，Dify，Docker的安装与使用，虽然我们已经可以在本地使用deepseek了，但是你是否还是有些迷糊，这一堆的名称，是不是很多的功能是重复的了，既然都是用来本地部署大模型的，使用一个行不行，为什么需要介绍这么多的安装，感觉安装完ollama就可以使用大模型了。首先讲解几个大模型在使用阶段的几个概念：底层模型、安装工具、应用、应用开发平台、容器化部署工具。

上一篇讲了支持deepseek的模型应用的本地安装和部署以及使用。再上一篇讲解了deepseek提供的开放api，便于开发者基于deepseek提供的接口来编写属于自己的业务应用程序。但是前面几篇我们都是在用模型，我们知道deepseek是开源的，那么deepseek的源码在哪里，具体源码是什么样的呢，是否和我们编写的Java程序一样，是一行行的代码呢，还是什么样的项目结构呢？本文带您解开deepseek源码的面纱。

本章在介绍deepseek模型源码和原理之前，先介绍一下deepseek的应用程序的本地安装和部署，以及如何通过应用连接模型，来实现具体的模型能力调用。前言：第一篇详细讲解了本地化部署deepseek的方式，我们讲解了使用ollama，Chatbox两种方式，但是实际上deepseek的部署还有很多种方式，有单模型部署的方式，其中大模型应用就是可以以各种页面的方式或者流程或者自主设计应用的方式来访问模型。

通过上面的介绍，我们就基本掌握了deepseek提供的基础的开发api功能，我们可以通过学习掌握这些api接口，来在自己的项目中调用所需接口，完成我们自己的业务功能，实现和我们的项目的嵌入。当然这是程序员的工作，并不是没有编程基础的人做的事情，希望我们能够尽快掌握并进入大模型的业务开发中，实现工作效率和业务效率的双重提升通过本章我们已经可以完成deepseek的应用开发了。

本文介绍了从0到1，完成一个agent项目。我们可以在此基础上，添加业务能力，这样就可以实现deepseek+业务了。下一篇，结合编剧的场景，实现一个编剧的智能体。

目前虽然流程都能跑通，可以正常使用，但是还有很多功能欠稳定，且需要我们花时间精力进行数据库训练， 在下周我讲重点整理Cherry Studio 和 anything LLM在本地知识库训练方面的优劣势，以及在使用过程中常见问题的解决方法。第一篇讲解了如何本地部署安装deepseek并使用，但是我们可能会需要有自己的特殊的数据支持，有自己特色的回答，那就需要训练知识库。不过切换到7B就会好很多。3).点击页面下方的“搜索知识库”按钮，在搜索框中填写想要搜索的信息，点击搜索按钮，即可展示知识库中对应的内容；

自从22年年底开始，人工智能开始从实验室一下子走入了普通人的视野中，chatgtp像一颗石子投入水中，溅起了一波又一波的涟漪。我们都通过各种方式试用大预言模型和机器进行对话或者提问。随着大语言模型的出现，各个类型的大模型也开始出现，文字生成图片，文字生成视频，文字生成音乐，文字生成3d模型等等。但当我们深入了解后会发现，很多网站的模型使用要会员，或者会受网络影响，我们很难自己直接使用自己的模型，加之受制于电脑的配置，更难训练自己的模型。