DeepSeek部署本地知识库

DeepSeek部署本地知识库

本文将介绍如何在本地部署DeepSeek知识库，包括AnythingLLM的下载安装、本地工作区配置、模型配置以及工作区上传知识库文档等步骤。通过这些步骤，用户可以构建一个属于自己的专业领域知识库，让DeepSeek模型学习特定领域的知识，实现大模型+专业领域知识库的构建。

技术背景

在前面的两篇文章中，分别介绍过Ubuntu上关于DeepSeek的部署以及Windows平台关于DeepSeek的部署。其中内容包含了Ollama的下载安装和基本使用、DeepSeek模型文件的下载，以及使用ChatBox导入Ollama本地模型进行本地对话的方法。这里再介绍一个使用AnythingLLM构建本地知识库的方法，本地知识库跟ChatBox两种对话模式的主要不同点在于，ChatBox对话中输入给大模型的其实是上下N条对话的内容，而本地知识库是先给大模型输入本地一系列的文件内容，然后再进行对话，这就是大模型领域专业化的一个重要应用。

下载安装AnythingLLM

这里我们仅介绍Windows平台的方案，首先访问AnythingLLM官网，找到一个适合自己本地环境的版本下载，Windows系统就直接安装就可以了：

由于安装过程中有可能要联网下载一些库，所以不能离线安装，而且要耗费一些时间。

AnythingLLM本地工作区配置

安装完成后打开界面是这样的：

选择第一个，点击

中间可能还要填一些邮箱用途之类的，没什么影响，按情况填写然后继续点击

输入工作区名称，就创建完成了：

我感觉这个对话框还是比ChatBox简洁很多，看个人吧，喜欢哪个就用哪个。

AnythingLLM模型配置

点击左下角的扳手图标，先配置一些基本参数：

模型配置在

LLM首选项

里边：

选择Ollama，然后剩下的按照自己的本地情况进行配置：

这里稍有点不同的是，ChatBox里面配置远程IP的时候，可以直接用

xxx.xxx.xxx.xxx:11434

这样的形式。但是在AnythingLLM里面配置远程ip的话，需要加上http，也就是

http://xxx.xxx.xxx.xxx:11434

这样的形式。然后就可以进入到聊天窗口，这里再修改一下工作区的模型配置：

这里就可以看到对应IP下的所有本地模型，配置完成后就可以开始对话了：

工作区上传知识库文档

在工作区那里有两个按钮，一个是上面一个章节用到的模型配置按钮，还有一个就是上传知识库文档的按钮了，点击可以进入这样的一个界面：

可以本地打开一个文件夹，把相应的文件拖到左下角那朵云上面，就上传到临时交换区了。这里还可以把网页链接输进去，也是直接同步到交换区。在传完文件之后，在交换区选择需要传输到工作区里面的文件，点击

Move To Workspace

就可以把所有选中的文件传到工作区里面了。这里还没结束，需要再点击一个

Save and Embed

同步到工作区中，这需要一点点解析的时间。传输完成后，可以在右侧工作区的文件面板上看到传输过来的文件，包含网页内容：

这样就可以构建属于自己专业领域的本地知识库了，相当于让DeepSeek的模型学习一遍这些传进去的文档。

应用场景

这里只是做一个简单的演示。我先在一个空白的工作区里面提问：“什么是mindsponge”。这个问题对于模型来说可能会有点陌生，因为它学习到的数据里面可能没有这个工具，所以它的回答也是不知所云：

但是当我把之前写过的一些关于mindsponge的博客传上去之后，再问一遍“什么是mindsponge”，它的回答是这样的：

相对来说信息就准确了很多，可以认为大模型从本地的知识库里面学习到了行业相关内容，这就完成了一个大模型+专业领域知识库的构建。

提示

这里提供2条可能有用的提示：

2. 载入新的知识库文件之后，最好reset一下对话，发送一个

/reset

即可。

4. 如果用户仅需要回复定制化的内容，可以在聊天设置中把

聊天

模式改为

查询

模式。

总结概要

大模型之大，可以训练我们所有人日常生活学习工作可能使用到的所有知识。但是完整的大模型，要实现一个本地化的部署，可能是有点困难，因此才有了大模型的蒸馏技术。蒸馏之后大模型可能会损失大多数的行业知识，而我们可以通过本地知识库构建的方法，在本地构建一个私有的专业大模型。