上篇分享了 ，今天分享下deepseek +本地知识库的部署。
先画个数据流程流程。
基于Cherry Studio搭建（首选）
基于本地的deepseek搭建个人知识库。 使用本地服务,安装嵌入模型，用于将文本数据转换为向量标识的模型。
#命令行窗口执行拉取下即可。
ollama pull bge-m3
pulling manifest
pulling daec91ffb5dd... 100% ▕████████████████████████████████████████████████████████▏ 1.2 GB
pulling a406579cd136... 100% ▕████████████████████████████████████████████████████████▏ 1.1 KB
pulling 0c4c9c2a325f... 100% ▕████████████████████████████████████████████████████████▏ 337 B
verifying sha256 digest
writing manifest
success
下载cherry studio
根据自己的环境下载cherry studio
本地模型知识库
配置本地ollama
操作步骤：
-
找到左下角设置图标 -
选择模型服务 -
选择ollama -
点击管理 -
点击模型后面的加号（会自动查找到本地安装的模型） -
减号表示已经选择了
知识库配置
-
选择知识库 -
选择添加 -
选择嵌入模型 -
填写知识库名称
添加知识文档
cherry可以添加文档，也可以添加目录（这个极其方便），添加完以后出现绿色的对号，表示向量化完成。
搜索验证
-
点击搜索知识库 -
输入搜索顺序 -
点击搜索 大家可以看下我搜索的内容和并没有完全匹配，不过已经和意境关联上了。
大模型处理
-
点击左上角的聊天图标 -
点击助手 -
点击默认助手（你也可以添加助手） -
选择大模型 -
选择本地deepseek，也可以选择自己已经开通的在线服务 -
设置知识库（不设置不会参考） -
输入提问内容 -
发问 
大家可以看到deepseek已经把结果整理了，并告诉了我们参考了哪些资料。
满血版
差别就是大模型的选择，在模型服务里配置下在线的deepseek服务即可。
如果你的知识库有隐私数据，不要联网！不要联网！不要联网！
方案二 基于AnythingLLM搭建
下载AnythingLLM Desktop
下载以后，安装的时候，注意安装到其他磁盘，不要在c盘安装。
AnythingLLM 配置
配置工作区
-
新建的工作区 -
默认会话 -
上传知识库文档
将文档拖拽到上传框。ps: 只需要拖拽一次就行了，它在聊天框能看到。不知道为什么，我这拖拽以后，没看到上传成功，然后又拖拽了几次。然后聊天框就好多份。
当然你可以配置远程文档，confluence、github都可以。
ps: 需要注意的是文档在工作区间内是共用的。
api功能
AnythingLLM 可以提供api访问的功能，这个可以作为公共知识库使用。
总结
整个操作下来，AnythingLLM 的体验没有cherry好。AnythingLLM就像一个包壳的web应用(后来查了下，确实是)。AnythingLLM 得具备一定的程序思维，给技术人员用的。非技术人员还是使用cherry吧。作为喜欢折腾的开发人员，我们可以结合dify使用。
最后
个人知识库+本地大模型的优点
-
隐私性很好，不用担心自己的资料外泄、离线可用 -
在工作和学习过程中对自己整理的文档，能快速找到，并自动关联 -
在代码开发上，能参考你的开发习惯，快速生成代码
原文始发于微信公众号（5ycode）：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/310265.html
