Deepseek R1 模型本地部署(ollama+cherry studio)详细指南! 个人知识库搭建与使用

前言

在这里插入图片描述]

主要用到的工具

主要步骤

  1. 使用Ollama安装DeepSeek-R1模型
  2. 使用Cherry Studio客户端进行模型配置

1. Ollama安装

Ollama 教程 Ollama 是一个开源的本地大语言模型运行框架,专为在本地机器上便捷部署和运行大型语言模型(LLM)而设计。 Ollama 支持多种操作系统,包括 macOS、Windows、Linux 以及通过 Docker 容器运行。

下载ollama

链接: https://ollama.com/download/

在这里插入图片描述

默认为当前电脑的对应的版本,直接下载即可。下载以后,一路点点点即可。
在这里插入图片描述

验证

打开命令行, 输入ollama

在这里插入图片描述

表示安装成功

环境变量设置

在这里插入图片描述

环境变量说明

  • OLLAMA_HOST:这个变量定义了Ollama监听的网络接
内容概要:本文档详细介绍了 DEEP SEEK 的本地部署及其私有知识库整合的具体步骤。主要包括两大部分:Ollama 平台的使用方法和 DeepSeek R1 模型的安装指导。Ollama 是一种能够便捷部署深度学习模型(尤其是大型语言模型)的工具,它支持多种操作系统并在命令行中执行相应操作以完成从下载、配置直至实际使用的全过程。文中针对不同硬件条件给出了具体配置推荐,并逐步讲解了从安装 Ollama 到运行特定大小版本 DeepSeek 模型(如 1.5b 至 70b),再到设置 API 键连接云端服务以及最后利用 Cherry Studio 构建个人专属的知识库的一系列操作指南。同时附上了多个辅助资源如视频教程、在线演示平台链接以便更好地理解和学习整个过程。 适合人群:适合有一定技术背景且想探索本地部署人工智能模型的初学者或是希望通过本地部署提高效率的研发团队。 使用场景及目标:一是帮助用户了解并掌握在本地环境中配置高性能 AI 工具的全流程操作;二是使用户能够根据自己拥有的计算资源情况合理挑选合适的模型大小;三是通过集成私有知识库为企业内部提供定制化的问答或咨询系统,保护敏感数据不受公开访问威胁。 其他说明:考虑到安全性和稳定性因素,作者还提供了应对潜在风险如遭遇网络攻击时选用可靠替代源——硅基流动性 API 来保障服务持续稳定运作,并强调在整个实施过程中应谨慎处理个人信息及企业关键资产以防泄露事件发生。此外,提到对于更高级的功能例如基于 Ollama 实现本地知识库还有待进一步探讨和发展。
### Cherry StudioOllama 的集成使用 #### 关于 Cherry Studio Cherry Studio 是一种基于人工智能的内容创作工具,旨在帮助用户快速生成高质量的文章、博客或其他形式的文字内容。它利用先进的自然语言处理技术来理解用户的输入并提供相应的输出[^1]。 #### 关于 Ollama Ollama 是一款开源的大规模语言模型框架,允许开发者轻松部署和管理多个大语言模型实例。它的设计目标是简化大型模型的应用开发流程,并支持跨平台运行环境下的高效推理能力。 #### 集成可能性分析 当考虑将 Cherry Studio Ollama 进行集成时,主要可以从以下几个方面入手: 1. **API 调用方式** 如果 Cherry Studio 提供了开放式的 API 接口,则可以通过调用这些接口实现数据交换功能。例如,在后台服务端通过 RESTful 或 GraphQL 协议向 Ollama 发送请求以获取预测结果,并将其返回给前端展示层。 2. **本地 SDK 使用** 假设 Ollama 支持导出可嵌入应用程序中的库文件(如动态链接库 DLL),那么可以直接加载该模块到 Cherry Studio 中作为插件的一部分进行操作。 3. **命令行交互模式** 对于某些特定场景下无法直接依赖网络连接的情况,可以采用子进程执行的方式启动独立运行的 Ollama 实例并通过标准 IO 流完成通信过程。 以下是简单的 Python 示例代码片段用于演示如何通过 subprocess 模块控制外部程序: ```python import subprocess def run_ollama_command(input_text): process = subprocess.Popen(['path/to/ollama', '--input'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE) output, error = process.communicate(input_text.encode('utf-8')) if process.returncode != 0: raise Exception(f"Error occurred while running ollama command: {error.decode()}") return output.decode() ``` 上述函数定义了一个名为 `run_ollama_command` 的方法,接受字符串类型的参数表示待处理文本内容;内部创建一个新的 Popen 对象代表即将被执行的目标程序路径及其必要选项列表;随后借助 communicate 方法传递实际的数据流至对应的标准输入设备上等待回应消息直至结束为止。 需要注意的是由于两者之间可能存在版本兼容性差异或者授权许可限制等问题所以在正式实施前务必仔细阅读官方文档说明以及确认相关条款细则[^2]。 ---
评论 5
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