手把手实战！基于DeepSeek与CherryStudio的RAG本地知识库搭建指南

RAG（Retrieval-Augmented Generation）是一种结合了检索（Retrieval）和生成（Generation）的技术，旨在通过引入外部知识库来增强模型的生成能力。简单来说，RAG 让模型在回答问题时，能够像“查百科全书”一样，从外部知识库中检索相关信息，并生成更准确、更丰富的答案。

本篇提供两种方式实战RAG。

1、使用硅基流动提供的DeepSeek API+CherryStudio搭建本地知识库。

2、使用OLlama私有化部署DeepSeek大模型+CherryStudio搭建本地知识库。

硅基流动

硅基流动（SiliconFlow）是一家专注于AI基础设施（AI Infra）的科技公司，成立于2023年8月，总部位于北京海淀区。公司以降低大模型应用开发门槛和成本为核心使命，致力于通过技术创新推动生成式人工智能（GenAI）的普及与发展。

点击官网：https://siliconflow.cn/

模型广场

点击模型广场，可以看到有DeepSeek的各个版本，可以根据情况选择合适的大模型。

API密钥

点击API密钥，新建API密钥，将创建好的密钥复制，后面