5分钟用满血DeepSeekR1搭建个人AI知识库含本地部署

我们除了花时间学习提示词之外，如果可以在本地备份一份提示词指南，让 AI 指导我们该怎么正确提问，这样才能真正发挥它的价值！

可以看出 AI 借助知识库内的 DeepSeek 提示词手册，预判了我可能想问的问题，以及建议的正确提示词格式。

从回答中可以发现，AI 不是依据自身语料库回复，而是基于知识库内容回复，这样的回复，会更加贴合用户自身的需求。

搭建个人知识库

如果个人信息没有涉密内容，那么我们一定是选择满血的DeepSeek R1模型，这个效果是最好的，xi我来看两个基于API的个人知识库搭建方法

1、下载Cherry Studio

先下载一个叫 Cherry Studio 的软件，并且安装。

地址： https://cherry-ai.com/download

2、注册硅基流动

新用户注册就会赠送2000万Token，一般就够用了。

https://cloud.siliconflow.cn/i/D1TsLVHr

注册之后我们创建 API。

3、配置API

来到 Cherry Studio，配置 API Key。

进入Cherry Studio 首页是这样的

按照步骤，找到API秘钥的地方，这个API秘钥，需要填写第二步在轨迹流动网上创建的API

一定要注意，模型列表里是否有R1模型，如果没有需要自己手工添加一下

这里的模型ID/名称都是从轨迹流动的模型广场复制的

4、检测API是否正常以及是否有嵌入式模型

我们检测下API是否可以正常工作

最后再检查一下是否默认有嵌入式模型，这个嵌入式模型是我们用来创建知识库的，如果没有需要手工创建

5、创建知识库

接下来就可以创建知识库啦

点击侧边栏的知识库按钮

添加一个新的知识库

6、上传本地文件

如果本地 PDF 文件是 扫描件、手写件，或者带有复杂的表格 和 数学公式，解析效果会很差，甚至无法解析。

遇到这种情况，建议先把文档结构化一下，这样才可以正常回复知识库的内容，推荐几个工具

如果追求性价比，推荐使用 Doc2x：https://doc2x.noedgeai.com?inviteCode=JKMEF2

如果希望更加稳定，那么可以考虑 Textin ：https://www.textin.com/market/detail/pdf_to_markdown

当我们上传文件后，箭头指向的图标如图所示，则代表向量化成功。

7、测试使用

这个时候我们就可以测试使用一下了，注意选择R1模型哦

也可以选择设置R1为默认模型，这样就不用每次都手工选择了

先不引用知识库，来看看效果

接下来引用知识库

可以看到DeepSeek已经开始使用我们的知识库内容进行分析了

本地部署

如果只是想简单体验，或者本地算力充足、希望保护数据安全，那么可以考虑本地部署的方案。

注意本地部署对于本地算力要求较高，具体可以参考如下表格

其中最强悍的 671B 版本部署需要极高的硬件配置：64 核以上的服务器集群、512GB 以上的内存、300GB 以上的硬盘以及多节点分布式训练（如 8x A100/H100），还需高功率电源（1000W+）和散热系统。

1、下载最新版本Ollama

访问 Ollama 官方地址：https://ollama.com/download，下载软件。

可能有的时候网络不好，页面打不开，大家可以公众号后天回复“ollama”获取我下载好的版本哈

这里简单介绍下Ollama

Ollama 是一个轻量级的本地AI模型运行框架：

可在本地运行各种开源大语言模型（如Llama、Mistral等）

简单易用，一行命令即可部署

完全本地运行，保护数据隐私

支持自定义模型和参数调整

适合个人开发者和小型团队使用

2、安装Ollama

下载好之后，直接安装包即可开始安装，安装过程不需要进行人工介入、一键即可完成安装，默认情况下会直接安装到C盘。

安装完成后，打开命令行（终端）（可以快捷键Win+R输入cmd或wt快速打开），输入ollama -v即可快速验证Ollama是否安装成功，示例如下：

3、下载DeepSeek模型

Ollama的官网有专门的Models模型页面 https://ollama.com/models，目前页面的第1个模型就是DeepSeek，也可以搜索DeepSeek：

进入详情页面，选择要下载多大的模型，肯定是模型越大效果越好，但是对于配置要求也越高

比如选择一个8B，下载并且安装

如果出现success的标志，则说明模型下载并启动成功。此时就可以在命令行与DeepSeek大模型对话了！

4、接入图形化界面

但是这种命令行的方式，肯定不符合我们的诉求，我们还可以把Ollama接入到上面提到的两个工具当中，这里以Cherry为例子

进行Ollama模型配置，API秘钥可以不填

接下来在助手选择那里就可以选择本地的DeepSeek R1模型啦

如果你能看到这里，那么恭喜你，你已经对于DeepSeek有了很深入的理解了，并且可以很好的用自己的本地内容搭建知识库了。

当然对于普通人来说，选择官方API就是最好的选择，因为你不用为任何本地硬件资源发愁，只不过目前官方的资源也比较紧张，服务很不稳定。

今天我写下这段文字，是无比自豪的，因为国产大模型真正的走出了国门，让世界震惊，这是一个世界级的大模型，一个需要 +86 才能注册的大模型。

很开心和庆幸，我们能作为中国 AI 技术进步的见证人。

当然当前的领先不是重点，更不是我们可以躺在功劳簿上庆祝的时候，DeepSeek带给我们的不仅仅是惊喜，更是一份信心，一份中国人也能做成大模型的信心，让我们共同努力，为中国AI添砖加瓦！