超详细!使用 DeepSeek+Docker+Dify 搭建个人知识库

一文看懂如何进行DeepSeek本地部署及搭建个人知识库 DeepSeek本地部署及搭建个人知识库教程 阅读详情
AI摘要

本文介绍了使用DeepSeek、Docker和Dify搭建个人私域知识库的详细流程。先完成模型层搭建,安装Docker和Dify,再将DeepSeek集成到Dify中,部署TEXT_EMBEDDING模型,创建ChatBot,最后配置知识库,完成搭建,还分享了AI大模型学习资料。

随着 DeepSeek 不断爆火,越来越多的个人和企业都在搭建属于自己行业或自己的私域知识库,那么我们应该怎么使用 DeepSeek 来搭建只属于自己的私域知识库呢,其实不难,就让我们来一探究竟。

基于 DeepSeek 搭建个人私域知识库的流程图如下所示:

在这里插入图片描述

图 1 DeepSeek 模型搭建层流程拆解

在这里插入图片描述

图 2 知识库应用层流程拆解

首先,我们来完成私域知识库需要的模型层的搭建工作。

然后就是安装 Docker,我以 Windows 系统为例,安装 Docker 的话,需要访问 Docker 的官网(https://www.docker.com/),选择对应操作系统的 Docker 进行下载和安装,如下图 3 所示。值得注意的是,Windows 系统安装的是 Docker Desktop Manager 版本,Mac OS 和 Linux 系统推荐安装费图形化界面版本,这是出于不同操作系统的优势来考虑的。

img

图 3 Docker 下载

点击上图 3 中的红框部分,即可自动开始下载 Docker ,我们需要等待 Docker 下载完毕之后,双击打开 exe 安装包,然后一路 next 安装结束即可。

安装完 Docker 之后,双击打开,我们会看到如下图 4 所示的 Docker 界面:

img

图 4 Docker-Widows 主页

如果在 Docker 时,提醒登录,我们可以直接跳过,不需要登录也能使用。

打开 Docker 之后,我们需要安装 Dify ,因为 Dify 是依赖于 Docker 的,如果没有 Docker ,我们是无法使用 Dify 的。

接着,我们需要创建一个空的文件夹,随便找一个剩余空间比较大的硬盘就行,要给 Dify 留出充足的空间,大概 10GB 左右吧。

然后打开命令行,Windows 系统推荐使用 Git Bash,然后依次执行下述命令:

git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d # 如果版本是 Docker Compose V1,使用以下命令:docker-compose up -d

执行完上述命令之后,如果控制台没有报错,且能看到下图 5 中显示的 Container 信息,说明 Dify 已经安装成功了。

img

图 5 Dify 在 Docker 中的运行详情

最后,我们来完成使用 DeepSeek 在 Dify 中搭建自己的私域知识库的工作。

Win + R 快捷键,打开 Windows 命令行,然后输入 ipconfig -all 命令,查看自己本机的 ip 地址,复制该地址,然后粘贴到浏览器地址栏中,即可访问到 Dify 的登录首页页面,首次访问需要我们先注册,注册完成之后,即可登录,如下图 6 所示:

在这里插入图片描述

图 6 Dify 登录首页

登录进去之后,在 Dify 首页的右上角用户头像位置,选择设置,进入到设置界面,如下图 7 所示:

img

img

图 7 模型供应商选择

进入到设置界面之后,选择左侧的模型供应商,并且在右侧的添加更多模型提供商列表中,选择 Ollama ,注意选择的是 Ollama 不是 DeepSeek,这里要注意一下。然后点击添加模型按钮,填入必要的信息,如下图 8 所示:

img

图 8 添加 Ollama 模型

模型名称对应的是我们 Ollama 中已经下载部署好的模型名称,不区分大小写;基础 URL 是 Ollama 映射出的模型后台服务地址,默认端口号是 11434;模型类型选择对话。剩下的其余参数可使用默认配置, 但是 IT 小同学建议将下图 9 红框中的配置打开,以获取更好的性能:

img

图 9 修改 Dify-Ollama 模型的默认配置项

全部配置完以后,点击保存,即可完成 DIfy 与 DeepSeek 模型的嵌入工作,也就是 Dify 已经集成了 DeepSeek 模型。

我们还需要部署一种模型,就是 TEXT_EMBEDDING 模型,这种模型可将我们上传的知识库文件转换成纯文本大语言模型可识别的向量词,然后传递给我们的大模型进行分析,所以,这个模型是必须要安装的,否则,我们就无法使用我们的知识库。

运行以下命令,以安装 TEXT_EMBEDDING 大模型 bge-m3:

ollama pull bge-m3

安装好 TEXT_EMBEDDING 模型之后,接下来就可以创建我们的 ChatBot 了。

回到 DIfy 工作室,点击创建空白应用,会弹出应用创建对话框,随便填写个名字即可,如下图 10 所示:

img

图 10 Dify 创建空白应用

点击创建按钮,会进入到应用的调试界面,如下图 11 所示:

img

图 11 Dify 应用调试界面

在应用调试界面的右上角,需要选择我们刚刚集成好的 DeepSeek 模型,参数配置不需要额外配置,使用默认的即可。 然后我们可以随便问个问题,来测试我们集成的 DeepSeek 模型是否可用,如下图 12 所示:

img

图 12 测试 Dify-DeepSeek 模型是否可用

只要 Dify 给了我们回复,就表示我们集成到 Dify 的 DeepSeek 模型是可用的。

接着,我们来配置我们的知识库,选择 Dify 顶部栏的知识库选项,并点击创建知识库,如下图 13 所示:

img

图 13 创建知识库

创建知识库之后,我们就可以来配置我们的知识库了,如下图 14 所示:

img

图 14 配置知识库

我们可以选择导入已有文本、同步自 Notion 内容、同步自 Web 站点三个选项。以导入已有文本为例,将需要投喂到 DeepSeek 大模型中的文档进行上传,在选择了文件之后,点击下一步按钮,可进行后续的配置,如下图 15 所示:

img

图 15 知识库调试

这里面,通用配置不用额外配置,索引方式选择高质量模式,以便更好地对我们上传的文档进行向量化转化。

img

图 16 TEXT_EMBEDDING 模型选择

而 Embedding 模型,则选择我们安装好的 bge-m3 模型即可。下面的检索设置不需要额外的配置。之后,保存并处理,等待文档被解析完毕,如下图 17 所示:

img

图 17 知识库解析文件

接着,我们回到我们创建的应用中,在上下文配置面板,点击添加按钮,选择刚才解析好的文档进行使用,选择之后点击添加即可将该文档添加到 DeepSeek 中,我们再次询问 DeepSeek 有关问题时,DeepSeek 就会自动引入我们添加的文档,并结合文档内容进行回复,如下图 18 所示:

img

图 18 选择引用知识库

DeepSeek 结合知识库的回答效果如下图 19 所示:

img

图 19 DeepSeek 结合知识库回复

经过上述步骤的操作,我们就完成了使用DeepSeek+Docker+Dify 搭建个人私域知识库的全部流程,可以将 DeepSeek 训练成特定业务领域的智能助手了。

如何零基础入门 / 学习AI大模型?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

想正式转到一些新兴的 AI 行业,不仅需要系统的学习AI大模型。同时也要跟已有的技能结合,辅助编程提效,或上手实操应用,增加自己的职场竞争力。

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高

那么我作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,希望可以帮助到更多学习大模型的人!至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。

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】

👉 福利来袭优快云大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈

全套AGI大模型学习大纲+路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

read-normal-img

640套AI大模型报告合集

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。

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
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、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

👉 福利来袭优快云大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈

img

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】

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

Ollama 可以在 Windows 上运行了 阅读详情

相关推荐

DeepSeek本地部署详细指南

通过上述步骤,你可以在本地成功部署DeepSeek模型,并通过Ollama或Open Web UI与模型进行交互。本地部署不仅能够保护数据隐私,还能根据需求灵活调整模型参数,满足不同场景下的使用需求。如果你在部署过程中遇到任何问题,可以在评论区留言,我们将一起解决。希望这篇教程能帮助你顺利部署DeepSeek模型,开启高效开发的新旅程!

m0_56896669的博客 14万+

一文彻底整明白,基于Ollama工具的LLM大语言模型Web可视化对话机器人部署指南

在上一篇博文中,我们在本地部署了**Llama 3 8B**参数大模型,并用 Python 写了一个控制台对话客户端,基本能愉快的与 Llama 大模型对话聊天了。但控制台总归太技术化,体验不是很友好,我们希望能有个类似 ChatGPT 那样的 Web 聊天对话界面,本博文就安排起来……

老牛啊 1万+

AI入门7:基于Ollama+DeepSeek+Dify搭建本地知识库

本节介绍用Dify接入deepseek,搭建本地知识库。Dify则是一个基于大语言模型(LLM)的应用开发平台,和Ragflow相比较,它提供了丰富的功能和灵活的工作流编排,虽然Ragflow没有工作流编排,但Ragflow专注于深度文档理解和检索增强生成(RAG),它特别适合处理复杂格式的文档,并能够进行无幻觉生成,确保生成结果的准确性和可靠性。所以,两者各有利弊,可以选择使用,也可以联合使用,后面其他文章介绍联合的使用方式,本文介绍Dify接入deepseek的部分。

正经教主是个热衷于正经学习分享的教主。 2691

使用ollama在本地部署llama3-8b大模型

使用ollama在本地部署llama3-8b大模型

weixin_39945822的博客 1万+

mac下dify+deepseek部署,实现私人知识库

mac种,使用Dify+deepseek实现私有知识库

猿分已尽的博客 4973

【Deepseek+Dify】wsl2+docker+Deepseek+Dify部署本地大模型知识库问题总结

基于ollama部署本地文本模型和嵌入模型部署教程DeepSeek+dify 本地知识库:真的太香了问题贴:启动wsl中docker中的dify相关的容器发现postgre服务和daemon服务一直在重启,导致前端加载一直在转圈Windows Docker部署Dify,容器db-1总是重启,导致http://localhost:80刷新不出来Deepseek 的 API 只能用于文本生成,无法将文本转换为向量。

weixin_46044901的博客 2114

DeepSeek + Dify + Docker 零代码!一键搭建本地私有AI知识库

DeepSeek + Dify + Docker 零代码!一键搭建本地私有AI知识库

Gblfy_Blog 8074

Docker+Dify部署DeepSeek-r1本地知识库

Docker+Dify部署DeepSeek-r1本地知识库详细完整攻略

欲买桂花同载酒的博客 1720

保姆级教程!6个步骤讲清楚用DeepSeek搭建本地知识库

本地部署的最大意义在于利用DeepSeek大模型的能力加上自己的知识库,可以训练出一个符合自己需求的大模型。想象下如果你是一个医生,有一堆科研资料。你想拥有一个大模型机器人,学习了你所有的资料。每当你想查科研资料找到答案的时候,自己问这个机器人就好了。省去了自己很多查找资料的时间这就是本地部署+知识库的作用。是DeepSeek官网不具备的。因为这是训练的你的私有资料。今天就来分享下这个搭建过程。用到的工具组合是Docker+Dify+DeepSeek。

m0_59235699的博客 3万+

本地 AI 知识库秒搭!DeepSeek + Dify 打造你的智能问答助手

想让 AI 记住你的知识库,能秒回精准答案?本教程教你 零成本 在本地部署 DeepSeek + Dify,打造 专属 AI 知识库!💡 你将学会: ✅ DeepSeek 本地大模型部署,让 AI 随时在线 🖥️ ✅ Dify 知识库集成,支持 PDF / Markdown / 网页数据 📚 ✅ 无缝连接 AI 与知识库,打造超强 检索增强生成(RAG)系统 🔍 ✅ API 接口调用,让你的 AI 轻松接入各类应用 🚀 🚀 完全离线运行!无隐私泄露风险! 快来试试,打造你的智能 AI 知识管

a543768773的博客 1864

LLM的MCP协议:初识MCP,搭建第一个MCP Server

MCP(Model Context Protocol),是一个开发的协议,标准化了应用程序如何为大模型提供上下文。MCP提供了一个标准的为LLM提供数据、工具的方式,使用MCP会更容易的构建Agent或者是基于LLM的复杂工作流。

Criss@陈磊 2万+

【在 Windows 系统下,用 DeepSeek R3 + Dify搭建私有知识库的超详细教程】

嘿,大家好!我最近对 AI 技术特别感兴趣,尤其是想搭建一个属于自己的企业级本地私有知识库。我的电脑是 Windows 系统,还有一块超厉害的 NVIDIA GeForce RTX 3090 24G 显卡。经过一番摸索,我终于成功搭建好了,现在就来给大家分享一下这个过程,希望能帮到和我一样对 AI 充满好奇的小伙伴们。

4618

拆解特斯拉Optimus的关节技术:谐波减速器在仿人机器人中的5个精妙设计

本文深度解析特斯拉Optimus仿人机器人关节中的谐波减速器技术,揭示其五大工程突破:微型化材料革命、两万分之一圈精度实现、碳纤维柔轮轻量化、智能运维系统及国产替代方案。重点探讨谐波减速器如何通过创新设计和先进材料实现精准传动,为仿人机器人提供高效可靠的关节动力解决方案。

omega的博客 1075

docker搭建DeepSeek+Dify构建个人知识库

docker搭建本地知识库Dify

susu1083018911的博客 1273

ArcGIS数据处理必备技能:从地理坐标到UTM投影的面转栅格完整流程

本文详细介绍了在ArcGIS中从地理坐标到UTM投影的面转栅格完整流程,包括坐标系转换、像元大小设置及质量控制等关键步骤。通过实战案例和Python脚本示例,帮助用户解决常见问题并优化数据处理效率,特别适合需要精确GIS数据分析的专业人士。

weixin_42628688的博客 180

Aloudata 荣登“数智技术系列榜单”和“数据智能服务商 TOP30”

持续助力各行业数智化先进企业突破数据管理技术瓶颈,以更加敏捷、精准和可靠的数据交付驱动企业业务创新与经营提效

Aloudata的博客 666

DeepSeek + Dify :零成本搭建企业级本地私有化知识库保姆级教程

DeepSeek作为可以私有化本地部署的大模型,加上Dify这个组合,我们还可以有很多其他应用场景,比如:智能客服,智能题库。也可以把自己的个人资料,过往输出文章,日记等所有个人信息上传到本地知识库,打造自己的私人助理。Dify还有很多其他功能,有了deepseek这样的优秀国产AI大模型加持,我们可以做更多智能体应用。当然,Dify也可以像coze一样,发布为对外服务的api,这样,它就可以结合cursor快速做出更多的AI应用。何以破局,唯有行动!

python1222_的博客 6474

STM32解析航模遥控器的PPM信号

使用STM32对航模遥控器的PPM信号进行解析

qq_44343584的博客 9733

超详细!DeepSeek+Docker+Dify 知识库搭建教程!

随着 DeepSeek 不断爆火,越来越多的个人和企业都在搭建属于自己行业或自己的私域知识库,那么我们应该怎么使用 DeepSeek 来搭建只属于自己的私域知识库呢,其实不难,就让我们来一探究竟。 基于 DeepSeek 搭建个人私域知识库的流程图如下所示:

2301_82275412的博客 844

【教程4>第10章>第13节】基于FPGA的图像双边滤波开发——单通道双边滤波Verilog实现

本文介绍了基于Vivado 2022.2的单通道高斯滤波FPGA实现方案。主要内容包括:1)采用3×3窗口像素提取、高斯权值计算、exp指数运算等模块构建双边滤波系统;2)详细分析了Verilog HDL实现的顶层设计文件,包含窗口数据生成、指数计算、混合权重、归一化处理等关键模块;3)展示了图像双边滤波器的RTL结构图。该设计为后续实现RGB三通道图像高斯滤波及MATLAB联合仿真奠定了基础。

FPGA/MATLAB学习教程/源码/项目合作开发 262

uniapp - 实现手机端H5网页直播功能效果,拿到后端推流地址或播放资源后进行前端的流畅播放和画面展示功能,uniapp实时推流/拉流直播系统详细教程(提供完整示例代码,一键复制开箱即用!)

uniapp,h5网页,手机端H5网页,uniapp h5直播功能页面,uniapp直播实时推送显示,uniapp h5直播怎么做,怎么使用uniapp去实现移动端手机H5直播,h5 vue+uniapp怎么做直播,uniapp中使用videojs构建H5直播播放器,uniappH5端怎么实现直播推流,uniapp如何实现直播,直播聊天功能,h5平台端直播用什么插件,uniapp手机网页直播用什么组件插件播放器,uniapp手机H5直播播放器详细教程,直播项目,怎么使用vue+uniapp怎么做H5实时直播

✅ 精选推荐文章 8792
上一篇: 使用Dify + DeepSeek在本地电脑搭建工作流,太香了
下一篇: 重磅!首本大模型中文新书发布,复旦最新《大规模语言模型·从理论到实践》,理论+代码
我爱学大模型
博客等级 码龄3年 7883粉丝 687原创
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
 
 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