作为程序员，时常有需求想要在本地建立一个快速响应、智能化的知识库系统。今天，就让我带你一块儿实现这个目标，搭建一个属于你的本地知识库。

我们将使用DeepSeeK和AnythingLLM这两个工具，它们的结合可以帮助你快速搭建一个便捷的本地知识库系统。

前提条件：
首先，确保你已经在本地部署了DeepSeeK。做好这些基础准备后，我们可以开始接下来的步骤了。

1. 下载和安装 AnythingLLM

现在，我们开始着手安装AnythingLLM，安装过程其实挺简单的，无论是Windows还是Mac系统，都可以顺利完成。

为了避免大家到处找资源，我已经把所有需要的软件和工具打包好了，下载链接在这里：

点击下方公众号卡片，回复关键字：deepseek，获取网盘链接。

Windows用户

1. 下载完安装包后，直接运行安装程序，按照系统的提示一步步完成安装。

2. 安装过程中可能会需要联网下载一些依赖库，别忘了确保你的网络是通畅的哦。

Mac用户

1. 下载完安装包后，打开它，并根据提示完成安装。如果你是第一次运行，系统可能会弹出授权提示，按照提示操作就可以了。

安装完毕后，打开软件，界面非常简洁，你会看到一个非常简单的操作页面。

接着，我们就开始创建一个工作区了。

2. 创建工作区

一旦启动了AnythingLLM，首先需要创建一个工作区。这个工作区就是你管理知识库的核心，所有的文档、设置和对话都在这里进行。

1. 为你的工作区命名，比如“本地知识库”。

2. 点击确认，工作区就完成创建了。

创建过程非常简单，连设置都不需要太复杂的操作，几步就能搞定。

3. 配置模型

工作区创建好后，下一步是将DeepSeeK与AnythingLLM连接起来，这样我们才能利用本地的DeepSeeK模型来回答问题。

• 在AnythingLLM的界面左下角，点击“扳手”图标，进入设置页面。

• 在“LLM首选项”中，选择Ollama作为对话模型。因为前面提到的DeepSeeK是基于Ollama的。

• 配置DeepSeeK的IP地址。通常情况下，本地部署的DeepSeeK地址是 http://127.0.0.1:11434，别忘了加上http://。

• 保存设置后，返回工作区页面，接下来，你需要调整一下模型配置。

• 配置好之后，你就能看到本地部署的所有模型，点击确认就能开始对话了。

4. 上传知识库文档

上传文档是创建知识库中最关键的一步了，因为文档的质量直接影响到DeepSeeK回答问题的准确性。别急，按照以下步骤来，保证一切顺利。

• 在工作区界面找到上传按钮，点击进入文件管理页面。

• 将你本地的文档拖拽到上传区域，或者直接输入网页链接，把网页的内容也同步到临时交换区。

• 上传完成后，选择需要的文档，点击“Move to Workspace”，将文档移到工作区。

• 然后，点击“Save and Embed”，系统会解析并存储文档内容。这个过程可能需要点时间，耐心等待一下。

• 文档解析完成后，你会在右侧的工作区文件面板中看到已经上传的文档。

如果你上传了多篇文档，系统会自动处理并分割长文档，确保每一部分都能被顺利读取和理解。

5. 关联文档到会话

接下来，为了让DeepSeeK能够根据你上传的文档回答问题，我们需要将这些文档关联到当前的对话中。

1. 在工作区文件面板中找到你想要关联的文档。

2. 点击文档右侧的图钉按钮，将文档与当前会话关联。

3. 关联好后，返回对话页面，你就可以开始根据上传的文档内容提问了。

如果后续不再需要某个文档参与对话，只要取消文档的关联，DeepSeeK会恢复到默认的对话模式。

6. 开始对话

一切准备好之后，你可以开始提问了！在对话页面输入你的问题，DeepSeeK会基于已经上传并关联的文档内容进行回答。如果你上传的是专业领域的知识库文档，回答会更加精准。

每次上传新的文档时，记得在对话框输入/reset指令，清空当前的对话上下文，这样才能避免影响到新的对话内容。

7. 相关资源获取

为了方便大家，所有教程中用到的资源我已经整理到了网盘里。大家只需要根据自己需要的版本进行下载，就能轻松开始搭建自己的知识库。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】