在信息爆炸的时代，如何有效地管理和利用海量的数据，成为了企业和开发者面临的一大挑战。幸运的是，随着AI技术的不断进步，我们可以通过构建智能知识库来帮助解决这一问题。本文将带你一步步了解如何在Windows环境下，使用Ollama、Ragflow和Deepseek-R1搭建自己的自定义知识库。

一、 Ollama：强大的AI聊天平台

Ollama是一个开源的聊天AI平台，它可以帮助开发者将自定义知识库与自然语言处理模型结合，进行交互式查询。Ollama可以支持与多种数据源的集成，非常适合搭建智能知识库。

安装Ollama

1.访问Ollama官网，下载Windows版本的安装包。

下载后点击安装就可以了，但是Ollama的安装程序并没有提供设置安装路径的选项，默认安装路径在C:\Users\<用户名>\AppData\Local\Programs\Ollama, Ollama的程序大概会占4.5G的空间

2.指定ollama程序的安装位置

如果需要指定Ollama安装到其它的位置，参考下面的步骤：先找到

OllamaSetup.exe所在的目录下,然后通过命令

3.指定Ollama的大模型文件存储的位置

Ollama的默认数据存储位置在C:\Users\<用户名>\.ollama\models，而每个大模型的文件都是以G为单位的。如果需要改变大模型文件位置，参考如下操作。

退出Ollama，在Windows的右下角的Ollama图标上点击右键，选择"Quit Ollama"

4.更改大模型文件存放位置

配置环境变量   “变量名”输入“OLLAMA_MODELS”（注意要大写），“变量值”输入“<要保存大模型文件的位置>”（提前创建好相应目录），点击“确定”

5.验证是否成功，可以在“命令提示符”里执行“set”，可以在下面的变量列表里找到刚才的设置

然后重启下电脑

二、 Ragflow：自动化文档处理与知识库构建

Ragflow是一个强大的自动化文档处理工具，能够将各种文档（如PDF、Word、Excel等）转化为结构化的数据，进一步整理成可用于知识库的信息。它能够自动识别文档中的关键内容，创建有效的索引，并将信息结构化存储。

1.从https://github.com/infiniflow/ragflow 克隆仓库

$ git clone https://github.com/infiniflow/ragflow.git

2.找到.env配置文件，将默认为 v0.16.0-slim 版本，即未嵌入模型的 RAGFlow Docker 镜像，改成嵌入模型镜像，具体如下操作方式

3.使用预先构建的 Docker 镜像启动服务器：

$ cd ragflow/docker
$ docker compose -f docker-compose.yml up -d

4.服务器启动并运行后检查服务器状态：

$ docker logs -f ragflow-server

以下输出确认系统启动成功：

三、 Deepseek-R1：智能搜索与检索引擎

安装Deepseek-R1

ollama run deepseek-r1:8b

可以发一条消息来验收是否成功

四、在RAGflow中构建个人知识库并实现基于个人知识库的对话问答

在浏览器中输入http://localhost

模型名称可以通过命令查看

本地部署deepseek  成功

然后就可以在聊天中发消息进行测试了