5 分钟用DeepSeek R1 搭建个人知识库.pdfVIP

5分钟⽤满⾎DeepSeekR1搭建个⼈AI

知识库（含本地部署）

⽼实说，如果你不是为了研究技术，或者确实需要保护涉密数据，我真不建议去折腾本地部

署。

为什么呢？

⽬前Ollama从1.5B到70B都只是把R1的推理能⼒炼到Qwen和Llama的蒸馏版本上。

虽说性能是升了不少，但跟原汁原味的R1模型⽐起来，还是差太多了。

官⽅的满⾎版本可是671B的参数量，说实话，对普通⼈来说想本地部署，这成本确实太⾼

了。

不过我最近发现了⼀个平台，不能⽤上R1本1，还供了不少免费额度。

此外，为了让拥有算⼒的朋友可以本地部署，我也供了相关教程。

看完全⽂，你会收获：

1、满⾎DeepSeekR1模型API搭建⽅式

2、本地部署DeepSeekR1模型搭建⽅式

⼀、个⼈知识库使⽤效果（满⾎版）

来看⼏个使⽤案例：如何借助个⼈知识库⽂件作为外脑，⽤⽅法论指导我们正确做事？

DeepSeek确实很好⽤，但关键还是会不会问。如果不会问，AI再强也帮不上忙。

除了花时间学习⽰词，更快的⽅式是本地备⼀份问指南，让AI指导你该怎么正确问，这

样才能真正发挥它的价值！

AI借助知识库内的DeepSeek指导⼿册，预判了我可能想问的问题，以及建议的正确⽰词格

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。

当然，我们也可以直接问，精准搜索知识库的原始信息，从⽽达到快速查询的效果。

⼆、API搭建知识库

如果本地数据不涉密，还想获得最佳使⽤效果，那肯定得选满⾎的DeepSeekR1模型。

我们来看看怎么利⽤API⽤上满⾎的R1模型（671B）。

1、先下载⼀个叫CherryStudio的软件。

地址：/download

2、登录/注册「硅基流动」，新⽤⼾会赠送2000万Token额度。

地址：/i/TAAOvaXg

3、来到API密钥⽣成界⾯，创建或者复制已有的密钥。

4、来到CherryStudio，配置APIKey。

5、在模型⼴场⾸⻚，排在前两位的就是「硅基流动」和「华为云」合作发布的DeepSeek

R1/V3模型。

如果需要推理能⼒，记得打开并复制R1模型的名称。

6、在模型服务的硅基流动下⽅，添加R1模型。

7、记得点击检查，测试下API是否可以正常访问。

8、现在对话模型有了R1，还缺少⼀个嵌⼊模型。

嵌⼊模型的主要作⽤是将本地⽂件的内容转换成有意义的数字，存储到向量数据库中。

在⽤⼾问时，利⽤RAG技术在数据库中搜索到相似答案，最终回复⽤⼾。

过去我有通俗解释过RAG技术，⼤家如果不了解，可以回头看下：⼀⽂通俗讲透RAG背后的

逻辑，让AI回答更精准！

我们再配置⼀个向量模型：BAAI/bge-m3。如果希望搜索的精准度更⾼，可以选

择Pro/BAAI/bge-m3。

按照同样的⽅式配置到CherryStudio中，这⾥不需要点击检查。

9、在CherryStudio创建知识库，选择刚才配置的嵌⼊模型，这样就会⾃动利⽤对应的模型

来向量化数据。

10、上传本地⽂件进⾏向量化。

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，建议配合过去我介绍的PDF转结构化⽂档的⽅案来使⽤！！！

这样才可以正常回复知识库的内容：免费AI神器！精准解析PDF还能⼀键翻译！

如果追求性价⽐，推荐使⽤Doc2x：inviteCode=4A6KOD

如果希望更加稳定，那么可以考虑Textin：

/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。

11、测试使⽤，这⼀步添加助⼿，并选择刚配置的满⾎R1模型。

如果不想每次在添加助⼿时选择模型，可以将它设置为默认模型。

我们来测试⼀下，发现DeepSeek已开始深度思考了。

AI回复的答案和原⽂⼀致。

原⽂内容：

三、本地部署搭建知识库

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。

1、访问Ollama官⽅地址：/download，下载软件。