[特殊字符]必看！Cherry Studio + DeepSeek 搭建本地私有知识库！

老规矩，我们还是先来看看搭建完的知识库效果。 比如，我想让DeepSeek告诉我“吕毅是谁？”。

那么，吕毅到底是谁呢？

其实，我也不知道，他是我从网上下载的一篇网络小说里面的一个男性角色。

那么，为了让大家更加直观地好理解，我们来做个简单的对比。

首先，我们先去官网直接提问看看，这是官方给出的答案。

看来，官方也不知道吕毅是谁（废话）。

然后，在我们搭建完私有化知识库之后，再来提问试试。

OK，看到了吧，这就是知识库的意义所在。

那么…科普时间到了。

一、什么是知识库？

知识库（Knowledge Base）是一个存储和管理知识的系统，通常包含结构化和非结构化的信息，用于帮助用户或系统快速查找和获取相关知识。

你可以把它想象成一个“知识仓库”，里面存放着各种有用的信息，比如文档、常见问题解答（FAQ）、数据库、规则、案例等。

举个栗子：

假设你是一家公司的客服人员，客户问你一个关于产品的问题。

如果你有一个完善的知识库，你可以直接在知识库中搜索相关产品的使用说明或常见问题解答，快速找到答案并回复客户。

如果没有知识库，你可能需要去问同事或查找一堆文档，效率会低很多。

那说到知识库，这里我们又不得不提到另外一个词——RAG.

然后，问题又来了，那么…

二、什么是RAG？

RAG（Retrieval Augmented Generation，检索增强生成）是一种让大语言模型（LLM）变得更聪明的方法。

简单来说，它通过给模型提供一个外部的“知识库”，让模型在回答问题时可以“查资料”，从而给出更准确、更相关的答案。

举个栗子：

想象一下，大模型就像一个学生，而RAG系统就是一本字典。

当学生遇到不懂的问题时，他可以翻开字典查找相关的解释，然后再根据字典里的内容回答问题。

这样，学生不仅能回答得更准确，还能避免“瞎编”答案。

那么，当大模型遇到不懂的问题时，他也可以查字典，也就是RAG系统。

三、为什么需要RAG？

1. 大模型的知识有限：大模型的知识主要来自它训练时用的数据，而这些数据是有限的，尤其是企业内部的业务知识或产品信息，模型可能完全不了解。
2. 微调成本高：如果想让大模型学习企业特定的知识，通常需要微调模型，但这不仅成本高，而且效果也不一定好。
3. 幻觉问题：大模型在不熟悉的领域可能会“瞎编”答案，这在企业应用中是不可接受的，尤其是那些需要准确信息的场景。

这里，我先贴出一个 RAG 的运作流程图。

大家看看就好。

好了，废话不多说，接下来就带大家具体实操了，

如何用DeepSeek + Cherry Studio在本地搭建私有知识库。

四、具体搭建实操步骤

步骤一：下载Cherry Studio可视化工具

不懂怎么操作的可以先去看看这篇文章

炸裂！CherryStudio&DeepSeek 带来大模型客户端超强体验！

步骤二：部署DeepSeek模型 + Embedding模型

那么，这里又分为两种方式

方式一：下载去官网下载Ollama工具

好处： 可以实现本地部署DeepSeek模型 + Embedding模型，免费

坏处： 需要一定的电脑配置才行，不然模型就很鸡肋

不懂怎么操作的可以先去看看这篇文章

DeepSeek R1，本地部署才是王道！支持WebUI

方式二：注册硅基流动账号

好处： 不用本地部署，直接调用云端API服务

坏处： 调用云端的模型服务需要一定的费用，但是也不贵。

今天我们重点介绍的是第二种方式———硅基流动+Cherry Studio 搭建本地私有知识库。

因为Cherry Studio 0.9.1更新后有一个知识库功能，

我们可以使用Cherry Studio 来实现本地知识库，帮你更好的获取需要的内容，废话不多说直接开始。

大致简要步骤如下：

1. 注册硅基流动（SiliconFlow）账号，因为需要配置 Embedding（嵌入式模型），注册成功后你会获得系统赠送的14R（2000W Token）
2. 登录硅基流动（SiliconFlow）平台，
3. 创建API秘钥并配置AI密钥
4. 添加DeepSeek模型 + Embedding嵌入模型
5. 创建知识库

硅基流动官网地址：

https://cloud.siliconflow.cn/i/kNMFyaxB

注册账号和登录平台的步骤这里我就直接省略过了。

这里也没啥好说的。

4.1、新建API密钥，名字随便。

然后点击 API 秘钥会自动进行复制，

拿到API秘钥后到Cherry Studio客户端内，

点击左下角【设置】——》将复制的API秘钥填写进去即可。

4.2、检查API密钥是否有效

点击右边的检查，会提示成功还是失败，当提示成功表示可以使用

如果密钥有效，会提示连接成功。

接下来就可以添加模型了。

4.3、添加DeepSeek推理模型

1. 点击底部的 【管理按钮】，在模型管理服务中查找模型，点击【全部】默认就能看到；
2. 找到需要的模型，点击右侧【+】添加到我的模型。

4.4、添加Embeding嵌入模型

我们需要添加嵌入式模型，否者无法使用知识库功能。

1. 点击底部的 【管理按钮】，在模型管理服务中查找模型，也可以点击“嵌入模型”快速筛选；
2. 找到需要的模型，点击右侧【+】添加到我的模型。

这里需要注意下，

BAAI/bge-m3模型是免费的，

Pro/BAAI/bge-m3模型是收费的，

区别的话官网有介绍，可以去看看，

我这里用 Pro/BAAI/bge-m3 进行演示。

4.5、 创建知识库

1. 知识库入口：在 CherryStudio 左侧工具栏，点击知识库图标，即可进入管理页面；
2. 添加知识库：点击添加，开始创建知识库；
3. 命名：输入知识库的名称并添加嵌入模型，以 Pro/BAAI/bge-m3 为例，即可完成创建。

4.6、添加文件并向量化

1. 添加文件： 点击添加文件的按钮，打开文件选择；
2. 选择文件： 选择支持的文件格式，如 pdf，docx，pptx，xlsx，txt，md，mdx 等，并打开；
3. 向量化： 系统会自动进行向量化处理，当显示完成时（绿色 ✓），代表向量化已完成

4.7、添加多种来源的数据

Cherry Studio 支持多种添加数据的方式：

1. 文件夹目录： 可以添加整个文件夹目录，该目录下支持格式的文件会被自动向量化；
2. 网址链接： 支持网址url，如：https://www.xiaoerpro.com/；
3. 站点地图： 支持xml格式的站点地图，如：https://www.xiaoerpro.com/sitemap.xml；
4. 纯文本笔记： 支持输入纯文本的自定义内容。
5. 向量化： 当显示绿色 “√” 表示向量化完成，点击 探索知识库按钮即可开始查询

4.8、 搜索知识库

当文件等资料向量化完成后，即可进行查询：

1. 点击页面下方的搜索知识库按钮；
2. 输入查询的内容；
3. 呈现搜索的结果；
4. 并显示该条结果的匹配分数。

这里我随便上传一个txt来做测试，

为了做这个知识库的测试，

我还专门跑到一个小说网站下载了一篇txt格式的网络小说。

4.9、 输入关键词搜索知识库

比如，这里我输入：”吕毅“

4.10、 对话中引用知识库生成回复

1. 创建一个新的话题，在对话工具栏中，点击知识库，会展开已经创建的知识库列表，选择需要引用的知识库；
2. 输入并发送问题，模型即返回通过检索结果生成的答案 ；
3. 同时，引用的数据来源会附在答案下方，可快捷查看源文件。

OK，其实到这里其实已经差不多就完成了，

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！