在 AI 大模型蓬勃发展的当下，将模型进行本地部署，打造属于自己的专属知识库，既能保证数据隐私，又能灵活定制使用场景，已经成为众多技术爱好者和开发者的热门选择。今天，我们就来详细介绍如何在 10 分钟内完成 DeepSeek、Ollama 和 maxkb 的本地部署，搭建属于你的智能知识问答系统。

模型规模与性能权衡

小型模型（如1B-7B参数）

优势：推理速度快、部署成本低（CPU/低配GPU即可运行），适合高并发实时查询。

适用场景：简单QA检索、标准化问题解答、资源受限的中小企业。

中型模型（如13B-30B参数）

优势：在准确性和速度间取得平衡，支持多轮对话和中等复杂度推理。

适用场景：需处理行业术语、多条件查询的中型企业，适合云服务器或中端GPU部署。

大型模型（如70B+参数）

优势：理解深度强，支持复杂逻辑推理、长文档生成和专业领域适配。

适用场景：金融、医疗等专业领域的大型企业，需本地化部署（高端GPU集群）。

Ollama 本地部署 deepseek-r1

Ollama 是一个开源的大型语言模型服务工具，主要用于帮助用户快速在本地运行大模型。根据你使用的操作系统进行下载并安装。

安装完成后，我们就可以通过一条命令来运行Deepseek-r1模型，本次我们使用的7b模型来做演示。

ollama run deepseek-r1

Ollama 常用命令

列出本地可用的模型列表：

ollama list

启动模型：

ollama run deepseek-r1:7b

查看模型信息：

ollama show _model_name

删除指定模型

ollama rm deepseek-r1:7b

（鉴于很多朋友无法下载ollama，这里给大家整理好了ollama的安装包，扫描领取即可↓↓↓↓）

​
MaxKB 本地快速部署

MaxKB 即 Max Knowledge Base，是基于大语言模型与 RAG 的开源知识库问答系统，用于智能客服、企业内部知识库、学术研究与教育等场景。它专注知识库问答，为企业智能化 “提质增效”：能自动化知识采集、入库与知识库构建；解析问题、检索匹配知识库；用 LLM + RAG 技术减少大模型幻觉，提升业务数据分类召回能力；支持本地部署与本地大模型调用，管控安全风险。企业借助它可快速上线业务 AI 助手，赋能业务数据管理、资料查询、客户服务等，优化流程、提升体验。

通过Docker快速部署MaxKB

# Linux 操作系统    docker run -d --name=maxkb --restart=always -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data -v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages cr2.fit2cloud.com/1panel/maxkb       # Windows 操作系统    docker run -d --name=maxkb --restart=always -p 8080:8080 -v C:/maxkb:/var/lib/postgresql/data -v C:/python-packages:/opt/maxkb/app/sandbox/python-packages cr2.fit2cloud.com/1panel/maxkb

待容器状态显示为healthy后，可通过浏览器访问 MaxKB：

http://目标服务器 IP 地址:8080

默认登录信息
✅ 用户名：admin
✅ 默认密码：MaxKB@123…

登录MaxKB，输入用户名、密码

点击 知识库 ➡️ 创建知识库

输入知识库名称 、知识库描述 ➡️ 选择默认的 向量模型 ➡️ 知识库类型 默认选择 通用型 点击 创建

点击 上传文档 ，虽然MaxKB支持多种类型的文档，但还是建议使用Markdown格式的文档进行上传。

此处，我们选择文本文件，进行相关文档的上传。点击下一步

此处需要根据你上传的文档进行选择分段规则，如果默认智能分段比较清晰，可以使用默认智能分段。 点击 开始导入

等待向量化完成

向量化完成✅

点击 应用 ➡️ 点击 创建应用

输入应用名称 、应用描述 、应用类型选择简单配置 即可。点击创建

创建完成后，点击AI模型 ，选择添加模型

添加Deepseek模型相关信息。

✅ 模型名称：DeepSeek-r1
✅权限：根据你的应用场景选择权限类型
✅模型类型：大语言模型
✅基础模型：此处需要手动输入deepseek-r1:7b
✅API域名：
输入http://host.docker.internal:11434
✅**API Key：**随意输入即可

AI模型选择刚刚创建的deepseek-r1模型，对于角色设定进行简单的描述，给AI设定一个合理的角色，通过给模型指定一个特定的角色或身份，来指导模型的输出更加符合特定的场景或任务需求。

找到 关联知识库 ，点击添加

选择刚刚创建的知识库进行关联，点击确认，对于开场白可以根据自己的实际场景进行设置。对于提示词可以暂时保持默认设置，后续根据需求场景进行有针对性调整。其中{data} 是引用知识库中已知信息，{question}是用户提出的问题。

当我们关联完知识库后，需要对点击 参数设置 对知识库做一些基础配置工作，当然这些配置大家要根据自己的实际情况去做调整，不要直接抄作业哈。

当完成配置后，我们就可以在右侧窗口进行测试啦，当我们输入新员工入职都需要准备哪些材料？后AI会检索知识库并输出结果。确认调试没有问题后，点击右上角保存并发布

点击 概览 我们可以看到刚刚创建的 应用，点击演示可以直接跳转到我们应用助手的对话页面。

可以通过链接访问对话窗口页面，开始对话。

知识探索的征程才刚刚起步，咱们后会有期！

至此，DeepSeek + Ollama + MaxKB 的本地部署已然大功告成，属于你的专属知识库也已搭建完毕。大家依着这份指南一步步实操下来，是不是发现原来打造一个智能知识宝库也并非难事？倘若在操作过程中碰到了诸如模型下载卡顿、配置参数不匹配，又或是 MaxKB 应用交互异常之类的问题，千万别着急，只管在评论区畅所欲言，咱们一同攻坚克难。而且，如果各位还渴望深挖这些工具的更多奇妙用途，像是怎样利用它们进行多领域知识融合、如何进一步优化知识库的检索精准度，不妨动动手指点个赞，再留下你的期待，后续我们定会准备更多前沿、实用的干货分享，帮你在知识管理、智能应用的道路上一路飞驰，记得一定要持续关注我们哟！

---

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。

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)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

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

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 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）👈

​