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

Llama-Turbo

于 2025-04-10 15:50:44 发布

阅读量1.2k

点赞数 27

文章标签： AI大模型 LLM 大模型 langchain 开源大模型大语言模型大模型应用

本文链接：https://blog.youkuaiyun.com/pythonhy/article/details/147120708

版权

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。

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。

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

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。
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。

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