2024年底，DeepSeek发布了新一代大语言模型V3，同时宣布开源。测试结果显示，它的多项评测成绩超越了一些主流开源模型，并且还具有成本优势。

DeepSeek官网地址：https://www.deepseek.com/

大模型学习资料分享：点击领取 《AI大模型&人工智能&入门进阶学习资源包》*

DeepSeek实在是太火了，最近一段时间DeepSeek反应时间巨长，甚至小圆圈转半天最后却提示“服务器繁忙，请稍后再试。”

本文通过在本地部署 DeepSeek+Dify，零成本搭建自己的私有知识库。学会搭建方法后，我们就可以把自己的个人资料，之间输出的文章、日记等所有个人信息上传到本地知识库，打造专属的AI数字助理。

当然，还有其他应用场景，比如搭建企业自有的客服平台，学习可以建立自己的智能题库等等。

一、下载并安装docker

docker网址：https://www.docker.com/

以上图片中docker是已经安装的镜像，刚安装的界面是空白的（特此说明）

二、下载Ollama并安装

Ollama是一个免费的开源工具，网址：https://ollama.com/，允许用户在他们的计算机上本地运行大型语言模型（LLM）。它适用于macOS、Linux和Windows。

下载完成后，直接进行安装，版本查看：

三、安装****deepseek-r1模型

在ollama官网首页的搜索框，点击一下即可看到deepseek-r1在第一个位置，可以看到模型有根据参数分为1.5b，7b，8b，14b，32b，70b，671b等，我们需要根据自己电脑选择下载对应参数的模型。

1、GPU和显存要求

关于显存使用的关键说明：

1. 大模型的分布式 GPU 设置：运行 DeepSeek-R1-Zero 和 DeepSeek-R1 需要大量显存，因此需要分布式 GPU 配置（例如，在多 GPU 设置中使用 NVIDIA A100 或 H100）以获得最佳性能。
2. 精简模型的单 GPU 兼容性：精简模型已经优化，可在显存需求较低的单个 GPU 上运行，最低要求仅为 0.7 GB。
3. 额外的内存使用：激活、缓冲区和批处理任务可能会消耗额外的内存。

**2、**根据自己电脑的配置，选择要安装的版本

先在主页中点击“models”,然后看到一个就是deepseek-r1，直接点击进去，

3、安装deepseek-r1模型

ollama run deepseek-r1:32b

4、测试r1模型

四、安装Dify

Dify.AI 是一个开源的大模型应用开发平台，旨在帮助开发者轻松构建和运营生成式 AI 原生应用。该平台提供从 Agent 构建到 AI workflow 编排、RAG 检索、模型管理等全方位的能力，使开发者能够专注于创造应用的核心价值，而无需在技术细节上耗费过多精力。

1、下载dify项目压缩包

dify中github地址：https://github.com/langgenius/dify

2、下载并解压，然后进入项目根目录找到docker文件夹，找到文件“.env.exmple”重命名“.env”

3、准备dify的docker环境

在该文件夹页面中点击鼠标右键，选择“在终端中打开”

输入命令：

docker compose up -d

此时回到docker桌面客户端可看到，所有dify所需要的环境都已经运行起来了

4、注册dify

在浏览器地址栏输入：

http://127.0.0.1/install

五、将本地大模型与dify关联起来

由于dify是通过docker部署的，ollama也是运行在本地，要想dify能够访问ollama提供的服务，需要获取到本地的内网IP即可。

1、配置docker下的env文件（文件末尾）

# 启用自定义模型
CUSTOM_MODEL_ENABLED=true
# 指定 Ollama 的 API 地址（根据部署环境调整 IP）
OLLAMA_API_BASE_URL=host.docker.internal:11434

2、配置大模型

3、设置系统模型

到此，dify就与前面部署的本地大模型关联起来了

六、创建应用

进行测试：

这表明，dify与本地部署的大模型deepseek-r1连通了，但是，我想让他的回答是基于我的私有知识库作为上下文来和我聊天怎么办？这就需要用到本地知识库了

七、创建本地知识库

1、添加Embedding模型

Embedding模型的作用是将高维数据（如文本、图像）转换为低维向量。

我们上传的资料要通过Embedding模型转换为向量数据存入向量数据库，这样回答问题时，才能根据自然语言，准确获取到原始数据的含义并召回，因此我们需要提前将私有数据向量化入库。

Embedding 模型那么多，个人感觉bge-m3对中文场景支持效果更好,当然还有其他的Embedding可以选择，这里就以bge-m3举例。

下载命令：

ollama pull bge-m3

2、配置 Embedding 模型

3、创建知识库

4、上传资料并设置参数

4、知识库创建完成

八、在对话上下文中添加知识库

回到刚才的聊天页面中，在上下文中添加知识库中文档信息，并发布更新

测试效果：

跟着以上的操作步骤，就可以在本地成功搭建自己的私有知识库了！

DeepSeek无疑是2025开年AI圈的一匹黑马，在一众AI大模型中，DeepSeek以低价高性能的优势脱颖而出。DeepSeek的上线实现了AI界的又一大突破，各大科技巨头都火速出手，争先抢占DeepSeek大模型的流量风口。

DeepSeek的爆火，远不止于此。它是一场属于每个人的科技革命，一次打破界限的机会，一次让普通人也能逆袭契机。

DeepSeek的优点

掌握DeepSeek对于转行大模型领域的人来说是一个很大的优势，目前懂得大模型技术方面的人才很稀缺，而DeepSeek就是一个突破口。现在越来越多的人才都想往大模型方向转行，对于想要转行创业，提升自我的人来说是一个不可多得的机会。

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

零基础入门AI大模型

今天贴心为大家准备好了一系列AI大模型资源，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。

有需要的小伙伴，可以点击下方链接免费领取⬇️⬇️⬇️【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》*

1.学习路线图

如果大家想领取完整的学习路线及大模型学习资料包，可以扫下方二维码获取

👉2.大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。(篇幅有限，仅展示部分）

大模型教程

👉3.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（篇幅有限，仅展示部分，公众号内领取）

电子书

👉4.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（篇幅有限，仅展示部分，公众号内领取）

大模型面试

**因篇幅有限，仅展示部分资料，**有需要的小伙伴，可以点击下方链接免费领取⬇️⬇️⬇️【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》

**或扫描下方二维码领取 **