零代码部署DeepSeek+OpenWebUI本地知识库

以下是基于 Windows 原生环境 和 WSL Linux 子系统 的零代码部署 DeepSeek + OpenWebUI 本地知识库的详细步骤对比指南，整合了多篇教程的核心流程：

---

一、环境准备

配置项	WSL Linux 子系统	原生 Windows 系统
操作系统	Ubuntu 22.04 LTS（需启用 WSL2）	Windows 11 21H2 或更高版本
Python 版本	Python 3.11+（推荐使用 apt install python3.11）	Python 3.11+（通过官网安装并配置 PATH）
GPU 支持	需安装 NVIDIA CUDA on WSL	直接安装 NVIDIA 驱动 和 CUDA Toolkit 12.3+
代理配置	在 WSL 终端执行： export http_proxy=http://<Windows_IP>:7890（替换实际 IP 和端口）	通过系统设置 → 网络 → 代理配置

---

二、部署 Ollama 服务

1. 安装 Ollama

• WSL Linux

  curl -fsSL https://ollama.com/install.sh | sh  # 自动安装
  ollama serve &  # 后台运行服务
  

• Windows

  • 下载 Ollama Windows 安装包
  • 双击安装后，以管理员权限运行 PowerShell：

    ollama serve
    

2. 加载 DeepSeek 模型

ollama run deepseek-r1:8b  # 根据显存选择模型（8B 需约 12GB 显存）

• 验证模型：

  ollama run deepseek-r1:8b "生成快速排序代码"  # 测试模型响应
  

---

三、部署 OpenWebUI

1. 安装依赖

• WSL Linux

  sudo apt install nodejs npm python3-venv  # 安装 Node.js 和 Python 虚拟环境
  

• Windows

  • 安装 Node.js 20.x 并配置 PATH
  • 安装 Python 虚拟环境：

    python -m venv openwebui-env
    

2. 安装 OpenWebUI

pip install open-webui  # 全局安装（推荐 WSL）或虚拟环境安装（Windows）

3. 启动服务

• WSL Linux

  open-webui serve --host 0.0.0.0 --port 3000  # 允许外部访问
  

• Windows

  open-webui serve --port 3000  # 默认绑定 127.0.0.1
  

• 访问地址： http://localhost:3000（首次需注册管理员账号）

---

四、配置知识库

1. 关联 Ollama 模型

1. 登录 OpenWebUI → Settings → Model
2. 选择 Ollama 后端，输入地址：

   • WSL： http://localhost:11434
   • Windows： http://127.0.0.1:11434
3. 保存后选择 deepseek-r1:8b 模型

2. 创建知识库

1. 进入 Workspaces → Knowledge Base → + New
2. 上传文档（支持 PDF/TXT/Markdown）

   • WSL 路径示例： /mnt/c/Users/Admin/Documents（挂载 Windows 目录）
   • Windows 路径示例： C:\Users\Admin\Documents
3. 系统自动解析并向量化存储

3. 配置问答助手

1. 返回 Workspaces → + New Assistant
2. 设置参数：

   • Model： deepseek-r1:8b
   • Knowledge Base：勾选已创建的知识库
   • Retrieval Top K：5（控制引用片段数量）

---

五、验证与优化

1. 测试问答

提问示例：  
"根据知识库文档，公司产品的核心技术是什么？"  
病毒繁殖功能：支持病毒繁殖检测功能，帮助用户快速检测空气中的细菌、病毒等污染物。
超静音设计：支持超静音模式，降低房间噪音水平，适合长期使用环境。

2. 性能优化

优化项	WSL Linux	Windows
嵌入模型	在 Settings → Documents 切换为 BGE-M3（提升中文检索精度）	同左
混合搜索	启用 BM25 + CrossEncoder 算法（提升相关性）	同左
模型量化	加载 deepseek-r1:8b-q4 4-bit 量化版本（显存不足时使用）	同左

---

六、跨系统差异处理

问题场景	WSL 解决方案	Windows 解决方案
端口冲突	修改启动命令端口：open-webui serve --port 4000	同左
GPU 未识别	验证 CUDA on WSL：nvidia-smi，更新 WSL 内核	通过 NVIDIA 控制面板检查驱动
中文文档乱码	安装中文字体：sudo apt install fonts-wqy-zenhei	修改系统区域设置为中文（控制面板 → 区域）

---

通过以上步骤，可在 零代码 条件下完成跨平台部署。推荐 WSL 环境获得更好的 Linux 工具链支持，而 Windows 原生部署更适合快速验证场景。

本文由 mdnice 多平台发布