无需联网！搭建DeepSeek+本地RAG知识库保姆级教程，必备技能！！

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。

Python老猿

1442人浏览 · 2025-02-24 10:12:16

Python老猿 · 2025-02-24 10:12:16 发布

内容提要：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。

 6、调优知识库的输出结果

=================

注意文档格式

注意上传文档的格式是否支持，有些文档格式可能不支持，转为支持的文档类型再上传。

更换DeepSeek模型

建议允许的情况下切换到ollama run deepseek-r1 7b，7b的效果明显好于1.5B模型上。

更换向量模型

还有安装更换其他大一些的向量模型，比如安装bge-m3模型。

文本切割参数

还有就是调整左侧菜单中的“文本切割”，把文档切得更碎一些方便检索命中，可以设置文本块大小200，文本块重叠设置40。

这就是今天分享的内容，如果对你有帮助别忘了点赞、关注！！

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🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

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