类型：人工智能
简介：一款基于深度学习和自然语言处理技术的产品，人气赶超ChatGPT。
在当今信息爆炸的时代，搭建一个高效的本地知识库能够帮助我们快速准确地获取所需信息。本教程将详细介绍如何利用DeepSeek – R1与RAG（检索增强生成）技术来搭建本地知识库。
一、前期准备
为确保本地知识库的高效构建，我们需要做好以下准备工作：
1、模型与数据：准备好DeepSeek – R1模型以及相关文档或数据集。
2、部署工具：选择合适的部署工具，如Ollama。
二、RAG（搜索增强生成）技术介绍
1、什么是RAG
检索增强生成（Retrieval – Augmented Generation，RAG）是一种创新性的技术，它通过引入来自外部数据源的信息来优化文本生成过程。大型语言模型（LLM）虽然功能强大，但存在一些明显的缺陷，例如可能产生不准确信息（即“幻觉”现象）、知识更新不及时、推理过程不透明等问题。而RAG技术的出现，正是为了应对这些挑战。
RAG通过整合外部数据库的知识，显著提高了信息生成的准确性和可靠性，尤其在需要大量专业知识的任务中表现出色。此外，它还能实现模型知识的持续更新，并将特定领域的信息融入其中，实现了LLM内部知识与外部动态数据库的有机融合。
2、RAG的核心技术
（1）检索（Retrieval）：该组件的主要任务是从知识库中快速、精准地找到与用户输入查询相关的信息。为了提高检索效率，可以采用关键词检索、深度学习等多种方法。
（2）生成（Generation）：根据检索到的信息以及用户的输入内容，生成符合用户期望的输出结果。在生成过程中，可以运用模板、序列到序列模型或大型语言模型等技术，并通过后期处理和参数调整来提升生成质量。
（3）增强（Augmentation）：在生成交互过程中，对信息进行额外的处理或补充。通过知识增强、多样性增强和后处理增强等手段，提高输出内容的质量和多样性。
三、Ollama+RAGFlow搭建知识库步骤
1、利用Ollama本地化部署DeepSeek – R1
Ollama是一款非常实用的本地化开源大模型部署工具，用户可以借助它轻松地完成各种开源大模型（如DeepSeek – R1）的安装、配置和运行。具体操作步骤如下：
（1）下载并安装Ollama：访问Ollama的官方网站（https://ollama.com/download ），根据自己的电脑系统（如macOS、Linux、Windows）选择对应的版本进行下载。下载完成后，运行安装程序，并按照提示完成安装。安装成功后，如果在顶部菜单栏看到Ollama的图标，说明Ollama正在正常运行。
（2）准备DeepSeek – R1模型：打开Ollama的官网，点击“Models”选项。在搜索框中输入“deepseek – r1”，找到并进入DeepSeek – R1的详情页面。根据实际需求，选择合适的模型参数版本（如1.5B、7B、14B等），不同的参数版本对应着不同的模型复杂度和处理能力。
（3）运行DeepSeek – R1模型：在Ollama的模型详情页中，复制运行模型的命令（例如“ollama run deepseek – r1:7b”）。打开电脑的终端（Windows系统为命令提示符），将复制的命令粘贴到窗口中，然后按回车键。等待安装过程完成后，DeepSeek – R1模型即可在本地成功运行。
2、使用RAGFlow搭建个人知识库
（1）RAGFlow是一个基于深度文档理解的开源检索增强生成（RAG）引擎，我们可以利用它来搭建个人知识库，并进行问答、信息搜索等操作。具体步骤如下：
（2）上传文件：在RAGFlow系统中，点击上传按钮，选择本地要上传到知识库的文件。需要注意的是，系统支持的文件格式可能包括常见的文档格式（如PDF、DOCX等）以及文本文件等，上传时要留意文件格式是否被支持。
（3）查看文件信息：上传完成后，系统会显示文件的相关信息，如分块数、上传日期、解析方法和解析状态等。
（4）配置模型：在模型成功配置区域，选择要使用的模型（这里使用DeepSeek模型服务），并将对应的API密钥粘贴到指定位置。如果选择搭建本地大模型（DeepSeek），同样需要在此处进行相应的配置，以确保RAGFlow能够与本地模型进行正常的通信和交互。
（5）进入聊天界面：等待知识库文件解析完成后，即可进入聊天界面，开始使用搭建好的知识库进行问答和信息搜索等操作。
