无需联网！搭建DeepSeek+本地RAG知识库保姆级教程，必备技能！大模型入门到精通，收藏这篇就足够了！

关注

原创最新推荐文章于 2026-05-18 00:09:47 发布 573 阅读 AI 写同款· GEO 优化 ›

基于DeepSeek构建RAG 系统综合指南（含代码）在人工智能飞速发展的当下，从海量文档中高效处理、理解和检索信息，成为众多领域的关键需求。检索增强生成（Retrieval-Augmented Generation，RAG）技术应运而生，它代表了 AI 信息处理方式的重大进步。传统语言模型仅依赖预先训练的数据，而 RAG 系统在生成回复前，会动态检索相关信息，就如同为 AI 配备了一个专属 “图书馆”，在回答问题前可随时查阅参考。RAG 系统主要包含检索和生成两大核心能力。阅读详情

今天我们来聊聊怎么用Deepseek打造一个本地化的RAG知识库，从安装、部署到使用优化，保姆级教程，保证能顺利安装上。

1、为啥要搞RAG?

为什么现在大模型在解决专业问题时，表现并不总是那么靠谱。大模型在通用问题上表现很强，但一旦碰到专业领域的事儿，它有时候就会出现‘幻觉’，也就是回答偏离实际，或者给出的信息根本不准确。这时候，RAG就能帮上大忙了。RAG是“检索增强生成”的结合体，它能够从你本地的数据库里去检索相关知识，然后和大模型的生成结果一起组合，给你更准确、更个性化的回答。简单来说，RAG就是增强大模型能力的一种技术，尤其是在处理一些本地化、私有化的内容时，它特别有优势。

1.1 大模型的痛点

平时用线上大模型问“中午吃啥”贼溜，但一聊专业问题（比如公司内部技术文档），它就开始瞎编！

举个例子：问“公司2025年新发布的XX产品参数”，结果它把2022年的老数据混进来，这就是“幻觉”。

1.2 RAG就是解药

原理超简单：把你的内部文件（PDF/Word/Excel）剁成知识碎片，存进本地“智能小仓库”（向量数据库），每次提问先翻外挂的仓库找答案，再让大模型结合答案回答问题，这样回答有据可查，还能保密公司数据！2、要安装什么软件，有什么用？

需要安装两个软件ollama和anythingllm

Ollama https://ollama.com/

本地跑大模型，各种大模型的管家，本地使用，不用联网。负责提供基础LLM模型和向量模型服务。后面我们要安装至少两个模型。

AnythingLLM https://anythingllm.com

本地的大模型的工具软件，提供管理知识库功能，提供聊天功能。

3、理解一下基础模型和向量模型

3.1 基础LLM模型

就像是各种超级大脑，可以安装很多，本次我们当然要安装正火爆的deepseek。

3.2 向量模型

向量模型是一种提供向量化的功能类模型，要建立私有知识库，就必须有这类的模型负责把信息转为向量化，把文档变成数字密码，简单理解可以想象把文档拆分、分段后各种计算形成很多维度的数字描述。

4、安装Ollama和AnythingLLM

4.1 安装配置Ollama

4.1.1官网下载安装

浏览器输入https://ollama.com/下载软件并安装。下载得到安装exe文件，点击正常安装即可。安装成功后，服务会自动启动。

浏览器输入http://localhost:11434/ 显示如下界面说明服务正常启动。

4.1.2测试是否安装成功

通过以下命令测试以下：

Cmd下输入Ollama 结果如下即表示安装成功！

Ollama

Ollama作为服务同时启动，浏览器输入http://localhost:11434/显示如下

Ollama常用命令参考

4.1.3 选择模型进行下载

安装deepseek直接访问https://ollama.com/library/deepseek-r1，选择合适大小的模型。

Cmd中执行如下命令

ollama run deepseek-r1:1.5b

下载并运行deepseek-r1:1.5b，根据网络情况会下载一段时间，下载成功后进入如下：

可以输入如“我是谁”，可以看到返回结果，说明安装成功能正常使用了。接着我们继续下载向量模型bge-m3，输入

ollama pull bge-m3

备注：也可以安装小一些的向量模型nomic-embed-text，输入

ollama pull nomic-embed-text

提示如下显示安装成功，因为是向量模型下载成功不会进入对话界面。

4.2 安装AnythingLLM

4.2.1 安装并启动

浏览器输入https://anythingllm.com，选择合适的版本下载进行安装。

官网下载安装后进入配置，不清楚的话可以选择默认配置暂时跳过，启动后面进入系统按照下面的进行配置即可。

4.2.2 进入配置

软件启动后左侧底部的小图标如下图，点击进入配置页面

4.2.3 外观－选择语言为chinese

可以设置语言为chinese，注意汉化的不是很好，右侧的不好界面还是英文，不是没有选择对的原因。

4.2.4 设置LLM首选项

使用的基础模型，我们选择刚刚安装的deepseekr1:1.5B，注意切换模型要点击右侧上面的保存后才生效。

4.2.5 Embedder向量模型设置

选择下载的向量模型，选择错误的话，将不能将文档向量化，导致检索结果不生效。

4.2.6 文本切割设置

一个是文本块大小，一个上下文的重叠，也会影响结果。

5、配置私有知识库

5.1 创建工作区

点击新工作区，建立一个新的工作区，可以根据需要建立不同的工作区。

5.2 工作区参数配置

工作区名称鼠标上去后右侧出现两个按钮，左侧是知识库维护，右侧是工作区域参数设置，工作区域的参数我们可以修改一下聊天的设置见下图。

5.3 知识库配置

进入后可以点击上传文档，这里我上传了两个示例文档来测试效果，选中左侧移动到右侧区域，然后点击右侧下面的保存并向量化，如果文件比较大会消耗时间。

5.4 使用知识库检索

测试一下，我们输入“合正云内容管理平台的信创国产化能力介绍一下”，发现界面显示思考过程分析了刚上传的文件，并做出来有效总结输出，我们再输入“合正云融媒体中央厨房系统的功能介绍一下，从文档中找内容总结，不要超出文档的内容，请以表格的方式给出”发现也能比较好地输出内容来自另外一个文档中，效果还不错，其他的一些功能可以自己尝试用一下。