我们实际应用DeepSeek时，模型常因缺乏领域知识导致许多痛点，例如专业术语理解困难、数据分析时效偏差、内容生成关联性弱等。这些现象的本质原因在于通用模型缺乏垂直领域的知识沉淀。目前主流的方法是使用DeepSeek+RAG构建知识库系统改善这些问题。

AI大语言模型如同闭卷考试的学生，仅能调用预训练知识。通过构建领域知识库实现"开卷作答"，实时检索数据进行学习并融合上下文生成解决方案，显著提升任务精准度与场景适配性。

RAG （检索增强生成）：

检索(Retrieval)

当用户提出问题时，系统会从外部的知识库中检索出与用户输入相关的内容。

增强(Augmentation)

系统将检索到的信息与用户的输入结合，扩展模型的上下文。其结果传给生成模型(Deepseek)。

生成(Generation)

生成模型基于增强后的输入生成最终的回答。此回答参考外部知识库中的内容生成，更加准确可读。

DeepSeek+RAG 本地知识库的优点

具有高隐私性，数据本地存储无泄露风险；

离线可用，不受网络限制；

检索精准，针对特定领域文档提供准确结果；

可个性化定制，满足用户特定需求；

长期来说使用成本低，无需支付API调用费用。

前期准备

下载AnythingLLM Desktop

前往官网AnythingLLM Desktop，下载适合自己电脑的版本。安装时，注意安装到其他磁盘，不建议在c盘安装。

https://anythingllm.com/desktop

下载向量模型

Windows系统打开命令行，Mac系统打开Terminal，打开方法见第一期。复制代码，粘贴至图示位置并回车运行。

ollama pull bge-m3

AnythingLLM 配置

第一步： 打开后跳过介绍教程和登录，点击右下角的设置。

第二步：Ollama配置

1. 点击人工智能提供商下拉菜单

2. 点击 LLM首选项

3. 选择Ollama作为模型提供商

4. 选择已安装的deepseek 模型

5. 保存修改

注1： 如果没有所需deepseek模型版本，请重新进行该版本的本地部署，具体操作可查看第一期教程。

注2： 其他选项在本次中无需修改，但建议大家阅读下方备注，了解选项意义。

第三步：向量库模型配置

1. 选择Embedder首选项

2. 选择Ollama作为嵌入引擎提供商

3. 选择bge-m3模型

4. 保存修改

第四步：文本分割配置

1. 选择文本分割

2. 根据自己的文本输入，设置文本块大小，最大值为1000

3. 建议重叠率在10%~25%，设置文本块重叠

文本块重叠=文本块大小×重叠率

4. 保存修改

5. 结束配置，返回工作台

第五步：配置工作区

1. 选择或新建一个工作区

2. 点击默认会话或点击New Thread 新建一个会话

3. 上传知识库文档

如果文件多，或文件较大，此过程需要等待一段时间。待显示成功后可以开始使用。

第六步：使用问答功能并验证

提出问题，如果在回答下方citation发现之前上传的文件，说明这些文件已作为本地知识库参与答案生成。证明基于AnythingLLM的DeepSeek+RAG本地知识库已实现。

恭喜大家搭建成功啦！

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。

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】

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】