本地安装cherry studio运行ollama模型，搭建个人知识库

已于 2025-03-10 22:13:29 修改
阅读量437 收藏 1
点赞数 1
分类专栏： deepseek本地安装使用 文章标签： deepseek
于 2025-03-03 21:17:07 首次发布
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。
本文链接：https://blog.youkuaiyun.com/u012269637/article/details/145999116
版权

上次使用anything llm搭建知识库发现不灵敏，这次换了cherry studio来搭建知识库

下载地址：Cherry Studio 官方网站 - 全能的AI助手

1、设置模型平台

2、选择ollama模型和词嵌入模型dmeta-embedding-zh-下载地址shaw/dmeta-embedding-zh

3、建立知识库

选择文件上传

使用模型选择我们的知识库，搜索答案就可以将文档的内容搜索出来了，网页版的其实也可以做到，我本地跑这个cpu立马就上去了，

文档内容

提问

接下来可以继续完善你的知识库搜索

同样的问题问anything llm的知识库，感觉根本没啥用，没读取到

目前个人感觉知识库检索这个是最好用的

『AI大模型』Ollama、DeepSeek 和 Cherry Studio 本地知识库搭建实战指南
老陈聊架构
03-09 1196
深入探讨如何利用 Ollama、DeepSeek 和 Cherry Studio 搭建本地知识库，从技术原理到实践步骤，再到优化策略，全方位呈现知识库构建的精髓，助你在本地数据管理与检索领域实现技术突破，打造高效、智能的企业级知识管理解决方案。
大模型产品Deepseek（七）、可视化本地知识库搭建详细教程（Cherry Studio）
xiaoqi270620903的专栏
02-14 995
Cherry Studio 为智能体的开发提供了一个强大的可视化平台，结合大模型和嵌入式知识库，它可以在多个应用场景中提供智能化的支持。如果你有进一步的需求或问题，可以继续在 Cherry Studio 中进行更多自定义配置，或者通过 API 调用集成到你的应用中。现在，知识库已经搭建并与 DeepSeek 模型连接好，接下来，我们将使用 Cherry Studio 提供的可视化界面进行智能提问。为了让智能体能够通过大模型查询到知识库中的信息，你需要为知识库配置索引和匹配模型。
Ollama 创建知识库的模型推荐
加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。
02-23 1774
通过 Ollama 和推荐的模型（如 DeepSeek-R1、BGE-M3 和 Mixtral），可以高效地搭建本地知识库。随着大语言模型（LLM）的快速发展，本地知识库的构建变得越来越重要，尤其是在数据隐私和安全性要求较高的场景中。Ollama 作为一个强大的本地化模型管理工具，结合合适的模型和平台，可以高效地搭建个人或企业级知识库。BGE-M3 是由北京智源人工智能研究院开发的多语言长文本向量检索模型，适合需要多语言支持和高效检索的场景。使用 BGE-M3 模型进行文档嵌入，以实现高效的语义检索。
DeepSeek 结合 Cherry Studio 搭建本地模型教程
dwh19992018的博客
02-13 1926
在信息爆炸的当下，搭建个人本地模型意义重大。Cherry Studio 作为支持多模型服务的桌面客户端，能为用户提供便捷解决方案。本教程将详细介绍如何借助 Cherry Studio 搭建本地模型。
【Ollama+Cherry Studio】大模型本地化模型训练
sunyong8860的博客
02-26 1135
本地化模型训练，训练资料包括文件上传，文件夹选择。加入知识库，加入智能体。
使用Cherry Studio 进行本地文件训练DeepSeek
Stestack的博客
02-24 1873
*
本地化部署：Ollama+Deepseek+CherryStudio
FallenQu的博客
02-19 3351
介绍Ollama+Deepseek+CherryStudio的私有化部署，同时解决部署过程中遇到的关于访问调用问题等
第一步：安装ollama并运行大模型
qq_41749069的博客
10-02 3112
其中 gpus 是使用gpu运行ollama，-e OLLAMA_KEEP_ALIVE=-1 是为了让大模型始终保持在内存中，不会用着用着 模型就得重新加载。这里会报错：Error: "shaw/dmeta-embedding-zh" does not support generate。将下方文档保存到 dockerYml文件夹下，名称为：docker-compose.yml。本文档所使用的FastGPT为本地开源版，没有使用docker安装。5.安装mongoDB、pg等docker命令在下面。
【AI大模型】Cherry Studio和Deepseek模型搭建本地知识库+硅基流动API调用+本地ollama模型调用
LeonJin的博客
02-08 3201
构建知识库的技术路径并不难理解，cherry studio给出了很完整的解决方案和工程实现demo从结果完整度来看，deepseek-r1 > deepseek-v3 > deepseek-r1:14b从耗时情况来看，deepseek-r1:14b < deepseek-v3 < deepseek-r1 (不排除云端资源紧张导致耗时增加)基本上可以确认基于推理模型和嵌入模型以及一系列的知识前处理和后处理工具可以搭建出一个本地知识库。
在Ollama的基础上，安装Cherry Studio搭建本地知识库
风迦叶的部落格
02-19 1160
安装Cherry Studio搭建本地知识库
Deepseek R1 模型本地部署(ollama+cherry studio)详细指南！ 个人知识库搭建与使用
代码时光
02-14 5976
对于想要在本地或自托管环境中运行 LLM 的用户而言，Ollama 提供了一个无需 GPU、在 CPU 环境也可高效完成推理的轻量化 “本地推理” 方案，接下来跟着笔者学习怎么一步步搭建自己的本地知识库吧
人工智能 ｜ Embedding
weixin_46228563的博客
05-02 3066
通过使用Embedding，我们可以将每个单词或句子表示为一个固定长度的向量，其中每个维度代表了某种语义特征。通过将文本转换为向量表示，我们可以在机器学习和深度学习模型中使用这些向量进行文本分类、情感分析、机器翻译等任务。近日，北京数元灵科技有限公司开源了语义向量（Embedding）模型：DMeta-Embedding，目前位列 MTEB 中文场景开源模型第一（总榜第一名百川只提供 API 服务，暂未开源模型），并在 Pair Classification Average 单项…
大模型 [Ollama/DeepSeek/Cherry Studio]三步骤搭建本地化训练模型
sunyong8860的博客
02-12 4181
DeepSeek大模型本地化部署方案：Ollama DeepSeek Cherry Studio。图形化操作来训练本地化模型。
大模型（deepseek）之LLM+RAG构建本地化知识库应用（Ollama+Deepseek+RAGFlow）
qq_31400983的博客
10-07 9551
应用RAG（Retrieval Augmented Generation，检索增强生成）构建本地知识库，并与LLM（大模型）相结合，可有效解决LLM知识更新难问题，已成为专业领域智能问答的首选，下面就以Ollama+Deepseek+RAGFlow为例构建本地知识库应用。
Ollama+CherryStudio本地部署拯救deepseek官方不可用
轻口味的专栏
02-08 8439
这里检查失败了，因为本地安装模型是1.5b，这里输入模型的时候有写全：deepseek-r1:1.5b，这时候点击确定后显示连接成功。好在deepseek将模型开源，并且有已经量化到可以在我们本地电脑部署，本文我们介绍从PC端到手机端一站式部署deepseek。首先需要安装ollama，从官网https://ollama.com/下载对应系统的安装包安装即可。接下来下载cherry studio，官网下载地址：https://cherry-ai.com/。接下来可以在手机使用本地离线模型聊天了。
deepseek本地部署—搭建个人AI知识库
m0_38082271的博客
02-10 2098
deepseek本地部署—搭建个人AI知识库
Win+安装Ollama+本地Deepseek-R1+Cherrystudio使用
qq_41946216的博客
02-07 5757
本文主要介绍 win 本地安装 Ollama ，本地部署 Ollama 的 deepseek-r1:7b 大模型，使用具有界面画操作的工具 Cherrystudio进行操作。文章内容仅供参考。‌ ‌Ollama 是一个开源的框架，旨在本地运行大型语言模型（LLM）。它提供了一个简洁且用户友好的命令行界面，使得用户可以轻松部署和管理各种开源的大型语言模型‌。
使用CherryStudio、Ollama、腾讯云搭建本地个人知识库、智能体
chunmiao3032的专栏
02-13 2605
需要部署大模型和嵌入模型（太要求电脑配置了，配置差的最好不要尝试，我i5,16G内存，固态硬盘，集成显卡，deepseek根本跑不起来，llama3勉强能跑起来，但是超级慢，嵌入模型nomic-embed-text:latest跑起来后，向量化个几k的文本文件用了几分钟）安装ollama启动ollama启动后，Ollama会在默认端口11434上运行。你可以通过浏览器访问拉取llama3模型运行模型查看模型再拉取嵌入模型然后运行查看拉取的模型。
Cherry Studio嵌入式ollama
最新发布
03-20
<think>好的，用户想了解Cherry Studio与嵌入式Ollama的集成和使用方法。首先，我需要回忆一下之前提供的引用内容，确保信息准确。引用[1]提到Cherry Studio配置Ollama API和嵌入模型bge-m3，用于知识库搭建和智能问答。引用[2]比较了AnythingLLM和Cherry Studio，用户因为安装问题选择了后者。引用[3]是Ollama的GitHub链接，里面有社区集成的信息。 用户的问题集中在集成和使用教程上，可能需要分步骤说明。首先，安装Cherry Studio，然后配置Ollama作为嵌入式模型，接着安装嵌入模型，创建知识库，最后进行问答测试。需要确保每个步骤清晰，并且使用正确的命令和配置示例。比如，安装Cherry Studio可能需要Docker，配置Ollama的API地址，安装模型的具体命令如ollama run bge-m3等。同时，要提醒用户注意端口设置和模型加载的常见问题。此外，用户可能遇到模型加载失败或API连接问题，需要给出解决建议。最后，生成相关问题时，要考虑用户可能的后续需求，比如优化配置、模型选择或高级功能。整个过程需要保持逻辑连贯，语言简洁，符合用户的实际操作流程。</think>### Cherry Studio与嵌入式Ollama集成使用教程 #### 一、环境准备 1. **安装Ollama**（需先完成基础环境配置） ```bash curl -fsSL https://ollama.ai/install.sh | sh ``` 建议选择支持本地部署的模型如$DeepSeek-R1$或$Llama3$[^3] 2. **部署Cherry Studio** 通过Docker快速部署： ```bash docker run -d -p 8000:8000 --name cherry-studio cherrylabs/cherry-studio:latest ``` #### 二、关键配置步骤 1. **API对接配置** 在Cherry Studio的`config.yml`中添加： ```yaml ollama: endpoint: "http://localhost:11434" models: - name: "deepseek-r1" embedding_model: "bge-m3" ``` 2. **嵌入模型安装** ```bash ollama run bge-m3 ``` 该模型支持中英文128K上下文窗口[^1] #### 三、知识库搭建流程 1. 在Cherry Studio控制台创建新知识库 2. 上传PDF/Word/TXT格式文档 3. 选择`bge-m3`作为嵌入模型 4. 设置Ollama为推理引擎 #### 四、智能问答测试 ```python from cherry_studio import Client client = Client(api_key="YOUR_KEY") response = client.ask("如何配置Ollama的API端口？", knowledge_base="tech_docs") print(response) ```
评论
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