AnythingLLM接入硅基流动的DeepSeek R1大模型API｜实战教程

原创 最新推荐文章于 2026-10-08 16:47:43 发布 2.3k 阅读 AI写同款
Llama-Turbo
Llama-Turbo 博客等级 码龄4年 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 2.3k累计阅读 2.3k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要
9901粉丝2022篇原创
关注
AnythingLLM 对接硅基流动 DeepSeek R1 【代码】AnythingLLM 对接硅基流动 DeepSeek R1。 阅读详情
AI摘要

本文介绍将开源的AnythingLLM接入硅基流动的DeepSeek R1大模型API的方法，包括准备工作、接入步骤和注意事项。还提供了系统学习大模型LLM的教程，涵盖经典书籍、报告合集、视频教程等，以及详细的学习路线，包括基础理解、API应用开发等四个阶段。

在人工智能领域，DeepSeek R1 是一个备受关注的模型，而硅基流动提供了强大的 API 接口来访问该模型。

本文将介绍通过将开源的AnythingLLM接入硅基流动的DeepSeek R1 大模型 API，用户可以充分利用这一模型的能力，实现更高效的知识管理和信息检索。

图片

图片

01.

准备工作

注册硅基流动账号

访问硅基流动官网：https://cloud.siliconflow.cn/i/m9pNseee 进行注册，注册完成后将获得两千万Tokens，可用于API调用/调试。

安装 AnythingLLM

从AnythingLLM官方网站：https://anythingllm.com下载并安装桌面版或 Docker版的AnythingLLM。

02.

接入步骤

第一步：获取硅基流动 API 密钥

  • 登录硅基流动平台 ：使用注册的账号登录硅基流动平台。

  • 创建 API 密钥 ：点击左侧菜单中的 “API 密钥” 选项，然后点击 “新建 API 密钥” 按钮，输入相关信息（如密钥描述），即可生成一个新的 API 密钥 。

    图片

第二步：配置 AnythingLLM

  • 打开 AnythingLLM 并进入设置页面 ：启动 AnythingLLM 应用程序，点击 “Settings”（设置）选项进入设置页面。

    图片

  • 选择 LLM 提供商 ：在 “LLM Provider”（LLM 首选项）选择 “Generic OpenAI”。

    图片

  • 配置 API 详细信息 ：

    • Base URL ：在 “Base URL” 字段中输入硅基流动 API 地址 https://api.siliconflow.cn/v1。

    • API Key ：将从硅基流动平台获取的 API 密钥粘贴到 “API Key” 字段中 。

    • Chat Model Name ：在 “Chat Model Name” 字段中输入 DeepSeek R1 模型的名称，如 “deepseek-ai/DeepSeek-R1” 。

  • 设置其他参数 ：

    • Token Context Window ：设置为 64000，表示模型一次能够处理的最大输入 token 数量（包括问题和上下文） 。

    • Max Tokens ：根据需求设置模型可以生成的最大 token 数量，如 4096 或 8192 。

  • 保存配置 ：输入完所有信息后，点击 “Save”（保存）按钮，使配置生效 。

    图片

第三步：测试集成

  • 创建工作区 ：在 AnythingLLM 中创建一个新的工作区或选择一个已有的工作 。

    图片

  • 开始对话 ：打开工作区中的聊天窗口，开始与 DeepSeek R1 模型进行对话，向模型提问或给出指令，模型应根据硅基流动提供的知识和能力进行回应。

  • 验证 API 调用 ：检查模型的响应，如果模型能够正确回应并提供预期的结果，则说明集成成功。还可以在 AnythingLLM 中查看 API 调用日志，确保请求已正确发送到硅基流动 API 并且收到了正确的响应 。

    图片

注意事项

  • 确保网络连接正常 ：在接入过程中，确保你的设备能够正常访问互联网，以便与硅基流动 API 进行通信 。

  • 正确输入 API 密钥和模型名称 ：在配置过程中，务必准确输入从硅基流动平台获取的 API 密钥和模型名称，任何错误都可能导致集成失败 。

  • 合理设置参数 ：根据你的实际需求和使用场景，合理设置 Token Context Window 和 Max Tokens 等参数，以获得最佳的模型性能和响应效果。

通过以上步骤，你就可以成功地将 AnythingLLM 接入硅基流动的 DeepSeek R1 API，从而利用 DeepSeek R1 模型的强大功能，提升你的工作效率和知识管理水平。

 如何系统的去学习大模型LLM ？

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。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

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！

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。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

  • 目标：了解AI大模型的基本概念、发展历程和核心原理。

  • 内容：

    • L1.1 人工智能简述与大模型起源
    • L1.2 大模型与通用人工智能
    • L1.3 GPT模型的发展历程
    • L1.4 模型工程
    • L1.4.1 知识大模型
    • L1.4.2 生产大模型
    • L1.4.3 模型工程方法论
    • L1.4.4 模型工程实践
    • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

  • 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

  • 内容：

    • L2.1 API接口
    • L2.1.1 OpenAI API接口
    • L2.1.2 Python接口接入
    • L2.1.3 BOT工具类框架
    • L2.1.4 代码示例
    • L2.2 Prompt框架
    • L2.3 流水线工程
    • L2.4 总结与展望

阶段3：AI大模型应用架构实践

  • 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

  • 内容：

    • L3.1 Agent模型框架
    • L3.2 MetaGPT
    • L3.3 ChatGLM
    • L3.4 LLAMA
    • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

  • 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

  • 内容：

    • L4.1 模型私有化部署概述
    • L4.2 模型私有化部署的关键技术
    • L4.3 模型私有化部署的实施步骤
    • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

 

标签
#AI大模型 #LLM #大模型 #langchain #开源大模型
#大语言模型 #大模型应用
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
用硅基流动+cherry studio创建AI助手 2.添加模型（依次添加：deepseek-ai/DeepSeek-R1、deepseek-ai/DeepSeek-V3、Qwen/Qwen2.5-72B-Instruct-128K，自带的都通通删除掉）3.站点地图：支持 xml 格式的站点地图，如https://docs.siliconflow.cn/sitemap.xml；2.网址链接：支持网址 url，如https://docs.siliconflow.cn/introduction；投喂一些资料后回答问题还行。3.记住下面这三个模型。 阅读详情

相关推荐

LangChain --- 如何连接硅基流动(SiliconFlow)

最近刚刚着手学习LangChain，学习了部分原理，参考上一篇文章在刚刚准备上手实践就遇到了问题。由于国内限制，在我的本地调用Google和OpenAI的API一直不通。于是想起了硅基流动平台上的诸多模型，但中途一直提示我的token无效，无奈只能参考其他人的博客，终于找到了对应的方法。

sx_logicflow的博客 4183

一键解锁 DeepSeek-R1 免费使用权限，硅基流动注册 + API 密钥领取超详细教程

成功注册登录后，进入模型广场，选择“DeepSeek - R1”模型，点击“在线体验”，就能开启与模型的对话。在Chatbox中，不仅能自助查看剩余token，还支持自定义Token显示、自动标题等个性化设置，并且手机端和电脑端都能使用，方便随时随地与模型交流。：打开浏览器，输入网址 https://cloud.siliconflow.cn/i/CaXCS6ET ，进入硅基流动官方网站。：不同模型的计费标准各有不同，在调用模型前，务必查看相关说明，做到心中有数。

weixin_50019283的博客 1万+

本地部署DeepSeeek-r1+AnythingLLM+本地化RAG知识库

本地部署Deepseek-R1,不仅解决了访问deepeseek官网的服务器连接超时，还能保证自己的对话隐私；此外还能定制RAG知识库，来优化DeepSeek的相关对话

weixin_44342777的博客 1446

DeepSeek-r1模型接入：如何获取华为硅基流动平台API Key（API密钥）

其它平台如 百度千帆、字节的火山方舟，如果要获取APIKey，基本上是同样的套路。2、百度——千帆平台(免费到 2025-02-18日)如在操作过程中要求实名认证，则按要求认证即可。每个注册用户赠送 50W token/每个模型。注册 ----> 登录常规操作。3、字节——火山方舟平台。

山顶听风的博客 7974

【Deepseek】手把手教你在本地通过anything llm使用满血版deepseek R1

Chat Model Name：如果是 DeepSeek R1 的话，则为 deepseek-ai/DeepSeek-R1。Token context window：DeepSeek R1 上下文长度最大为 64k，所以这里直接写 65536，更多也是没有问题的。硅基流动提供全部的deepseek模型的API。Max Tokens：查看自己的RPM值和TPM值后填写，一般来讲随便写就行。✨ 更重要的是，还能体验图像生成、视频生成等酷炫功能哦！🚀 硅基流动，同样的性能，更快的响应速度！进入软件界面后，选择。

Science prince的博客 1502

DeepSeek R1 七条使用路径：从在线API到本地部署的实战指南

大语言模型推理能力正成为AI应用的核心竞争力，而模型部署方式直接影响推理效率与稳定性。DeepSeek R1作为中文推理第一梯队的开源模型，其完整版与蒸馏版在推理深度上存在显著差异，量化精度选择则决定了本地部署的可行性。通过API调用、云服务托管或本地Ollama部署，开发者可将R1集成到自动化脚本、知识库问答和批量任务中，实现从提示词工程到工作流嵌入的技术闭环。本文覆盖七条实操路径，包括硅基流动API接入、Ollama量化部署、AnythingLLM知识库搭建等，帮助技术团队在服务器繁忙与超时重试之间找到

weixin_29043895的博客 263

基于DeepSeek-R1实现本地/API知识库，并接入微信BOT

在上一篇，我们一起实现了本地部署DeepSeek-R1并接入了微信机器人，让它能跟我们聊天，今天，我要跟大家分享个更有意思的玩法：如何给咱们的 AI 助手喂点干货，让它变身成一个真正懂行的专业顾问！接下来我会手把手带大家完成整个知识库搭建过程，包括环境配置、知识库部署、上传资料，还有一些细节调优的小技巧。最后我们再把这个"充满知识"的AI接入微信机器人，打造一个真正懂你、懂行业的智能小助手！

嘟嘟的博客 4346

Unity3D 集成 SQLite 数据库实战：从零搭建到数据可视化

本文详细介绍了在Unity3D项目中集成SQLite数据库的完整实战流程。从SQLite的轻量、稳定、易用特性讲起，逐步指导开发者完成环境配置、驱动集成、C#脚本编写（涵盖连接、建表、增删改查），并进阶演示了数据模型封装与在Unity UI中实现数据可视化的方法。最后提供了多线程访问、路径差异、性能优化等关键避坑指南，帮助开发者构建可靠高效的本地数据管理方案。

weixin_29291069的博客 91

【三步打造AI知识库】硅基流动+DeepSeek+anythingLLM=你的智能外脑

最近正在尝试自己做一批手工啤酒，翻阅了不少的资料，正值DeepSeek最近比较火，所以在网上找了一些解决方案，尝试将资料整理并入库；本文将介绍如何使用硅基流动和AnythingLLM搭建个人知识库系统，实现知识的高效管理和检索。🔧 落地场景：🍺 啤酒酿造：分析配方库→预测风味走向→优化酿造组合。

changsiheng的专栏 2954

大模型蒸馏实战：让小模型获得大模型的知识

本文为初学者提供了一份大模型蒸馏实战指南，通过情感分析任务演示如何将 BERT 的知识迁移到轻量级 TextCNN。文章结合原理图解与 PyTorch 代码，详解软标签生成、温度调节和双损失设计等核心概念，并对比蒸馏前后的性能差异（准确率提升 4.6%，推理速度达 1200 句 / 秒）。内含可直接运行的代码片段、训练技巧及常见问题解答，助力开发者快速掌握模型压缩核心技术，实现工业级部署效率。适合 NLP 入门者学习实践。

1368

PrimeTime生成.lib竟暗藏PG添加Bug

1. 确认原始库中是否包含PG引脚的定义。2. 查阅PrimeTime的write_lib命令文档，寻找相关选项。3. 在生成库时使用正确的选项，例如-include_pg_pins或类似参数。4. 验证生成的.lib文件是否包含pg_pin部分。

limanjihe的专栏 1920

【AnythingLLM接入硅基流动的DeepSeek R1大模型API】

AnythingLLM接入硅基流动的DeepSeek R1大模型API

xiaoyuchidayuma的博客 401

kettle从入门到精通 第九十二课 ETL之kettle 使用Kettle的Carte对外发布读写接口

场景：使用kettle实现将查询结果返回给客户端，也就是说kettle暴露查询接口供外围系统调用。前提必须是使用carte服务才可以提供接口供外部系统调用。具体实操方法如下：1、设计转换根据具体需求设计转换，主要用到的步骤有获取变量（从请求参数中获取变量）、json输入（解析入参），json 输出将结果转换为json格式输出到客户端。如下图所示：2、接收参数使用获取变量步骤来接收接口请求参数，变量通过${}方法进行获取，如下图${PARAM}则是获取PARAM参数，将参数赋值为req字段。

zhangjin1222的博客 954

anythingLLM 如何使用 硅基流动API 使用DEEPSEEK R1

anythingLLM(简称aLLM) 选择DeepSeek(简称DS)作为LLM提供商，无法自定义链接。通过VScode文本搜索功能搜索aLLM文件夹，发现这些地方使用了DS API网址。后面选择要用的模型，硅基流动地址有很多模型，这里只能选择DEEPSEEK的。保存之后就可以通过aLLM 为 远程API挂载分量化数据库(知识库)而且也解决了三方DS网页版没法保存很长的上下文和上传文件的问题。我这里提供一个换源的方式，让aLLM可以使用其他三方公司DS。没有邀请码可以用我的：iRGM1LuH。

coolray123的专栏 754

Ubuntu零基础入门到精通【3.10讲】：旧版本 Ubuntu 升级与迁移路线：从 20.04 到 24.04 的完整实战指南

🏆 本文收录于 《滚雪球学 Ubuntu》 专栏。 本专栏面向有一定计算机基础，但尚未系统学习 Linux / Ubuntu 的读者，采用“滚雪球式学习法”：先装好、再会用、再理解、再优化、再实战，带你从第一次进入 Ubuntu 桌面 / 终端开始，逐步掌握 Ubuntu 的日常使用、命令操作、软件安装、系统配置、开发环境搭建与服务器部署能力。

**My Coding Family** 1247

39、低功耗处理器性能评估与Cortex - M23/M33低功耗特性解析

本文深入解析了Cortex-M23和Cortex-M33处理器的低功耗特性及其性能评估方法。介绍了ULPMark、CoreMark、IoTMark-BLE和SecureMark-TLS等基准测试在能效评估中的应用，并详细阐述了处理器的睡眠模式、系统控制寄存器（SCR）配置、WFI/WFE指令、退出时睡眠、挂起时发送事件（SEVONPEND）以及唤醒中断控制器（WIC）等关键低功耗机制。结合状态保留技术，展示了如何通过芯片级设计大幅降低泄漏电流，实现高效能低功耗的物联网与嵌入式系统设计。

Pepper的专栏 130

如何使用硅基流动去使用DeepseekR1模型

使用Chatbox对DeepseekR1模型进行调用，不用因为电脑配置不够部署不了高性能模型而烦恼，这篇文章直接教你打破这个烦恼

m0_63171742的博客 841

[Dify] 如何构建一个带评分功能的 Dify AI 教练系统

本文介绍如何利用Dify开源平台构建具备自动评分功能的AI教练系统。系统通过Prompt设计AI教练角色，使用OpenAPI定义评分工具接口，结合工作流编排实现提问、回答收集、评分和反馈的全流程。文章详细讲解了从AI教练身份设定、多维度评分标准设计到前端可视化展示的实现方法，并提供了可扩展建议，适用于语言训练、面试模拟等多种场景。该系统展示了Dify平台在构建智能化评估应用方面的优势，实现零代码开发专业AI教练解决方案。

技术小甜甜：传播可落地技术，帮助个人和企业降低解决真实场景问题的成本 333

DeepSeek+Anythingllm | 为什么本地知识库让大模型更好用

前面我们介绍了通过Chatbox调用大模型，通过提供角色设定让每个模型各司其职。然而大模型容易产生幻觉，导致答非所问，甚至完全背离用户的真实需求。简单来说，是因为我们平时使用的GPT、千问、Deepseek是通用大模型，在一些详细的场景缺少相关的知识。这次通过AnythingLLM，我们可以通过上传文件构建本地知识库，通过RAG增强获取知识的能力，缓解幻觉问题。大模型的幻觉问题指其生成内容看似合理却包含错误、虚构或矛盾信息的现象，严重影响可靠性和应用落地。

youmaob的博客 2291

【读代码】从claude skills到superpowers项目

最近claude skills成了大热门，今天一起看下GitHub 上的开源技能框架，他将“工作流”封装为“技能” (Skills)。本文尝试剖析该项目的技能粒度定义、多技能关联架构、应用逻辑等。与传统的 Function Calling 不同，Superpowers 中的 Skill 定义粒度并非“原子操作”，而是**“认知模式” (Cognitive Mode) 或“工作阶段”**。

kakaZhui的博客 1921

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

利用anythingLLM轻松搭建AI本地知识库

它是一种结合了信息检索（retrieval）和文本生成（generation）的混合方法，旨在通过利用大规模文本数据库中的相关信息来增强生成模型的表现。这种方法特别适用于需要高精度、上下文丰富回答的任务，如问答系统、对话系统等。

瓦罗兰特顶级C位的博客 1849

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

利用硅基流动 + AnythingLLM 组合建立个人知识库

Chat Model Name: 要调用官方的模型名称，deepseek-ai/DeepSeek-R1，（要调用其他的模型可以参考https://cloud.siliconflow.cn/i/rMtDx1p4）访问 AnythingLLM官网 (https://anythingllm.com/) 点击下载 选择对应系统版本进入安装界面,默认安装, 下一步即可。Base URL: https://api.siliconflow.cn/v1 这个地址用于访问硅基流动API的地址。聊天设置进行同样的设置。

EEDLJW的博客 369

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

计算机性能不够？deepseek服务器崩溃？不用担心，api+anythingLLM一招解决99%以上计算机本地化运行deepseek。

计算机性能不够？deepseek服务器崩溃？不用担心，api+anythingLLM一招解决99%以上计算机本地化运行deepseek。

Fengfeng__y的博客 1008

打造DeepSeek最强外挂！一篇文章教会你搭建「个人知识库」（喂饭版）

如果把DeepSeek比作我们的脑子，跟它对话就是考试，那么DeepSeek做出的回答就是基于它学过的知识，也就是用于训练的数据做出回答。而个人知识库的存在，就可以让这场考试变成开卷的形式。

qq_46094651的博客 1663

打造DeepSeek最强外挂，一篇文章教会你搭建「个人知识库」（喂饭版）

今天我将会给大家分享如何用DeepSeek搭建个人知识库的三种方法，手把手教大家怎么让DeepSeek读懂你的需求。

pythonhy的博客 933
上一篇： 40K Star——开源RAG引擎+Agent应用平台，适用于搭建个人或企业级私有知识库
下一篇： LLaMA-Factory：一键微调你的专属大模型（附教程）
点赞 27
评论 0
书签 书签 23
Llama-Turbo
Llama-Turbo
博客等级 码龄4年 9901粉丝 2022原创
+ 关注
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
 
表情包 插入表情
表情包 代码片
 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