最近⽕爆的Deepseek，让我们再次把本地知识库的搭建提上了⽇程。

如何使⽤⼤模型⾼效地管理和利⽤知识，同时解决⼤模型专业应⽤⽅向的能⼒，成为了迫切需要解决的问题。

RAG（Retrieval-AugmentedGeneration）增强信息检索和⽣成模型，能够从⼤规模知识库中检索相关信息并⽣成⾼质量的反馈。

本⽂将详细介绍如何使⽤Ollama、DeepseekR1⼤语⾔模型、Nomic-Embed-Text向量模型和CherryStudio共同搭建⼀个本地的私有RAG知识库。

准备⼯作

1、什么是RAG？

RAG是⼀种结合了信息检索和⼤模型（LLM）的技术，在对抗⼤模型幻觉、⾼效管理⽤⼾本地⽂件以及数据安全保护等⽅⾯具有独到的优势。

主要包括：

• 索引：将⽂档库分割成较短的Chunk，并通过编码器构建向量索引。
• 检索：根据问题和chunks的相似度检索相关⽂档⽚段。
• ⽣成：以检索到的上下⽂为条件，⽣成问题的回答。

在开始之前，确保我们需要使⽤的⼯具和库：

• Ollama

• Deepseek R1LLM模型

• Nomic-Embed-Text向量模型

• Cherry Studio

2、安装Ollama

Ollama是⼀个⽤于本地运⾏⼤型语⾔模型的⼯具。可以通过以下步骤安装Ollama：

下载Ollama

• 访问Ollama的 https://ollama.com/官⽅⽹站，下载适合你操作系统的安装包。
  
  安装Ollama

选择对应系统的安装包,本地按照即可。

验证安装

• 打开终端或命令提⽰符，输⼊ollama–version，确保安装成功。
  

Ollama常⽤命令

3、配置DeepSeek R1模型

下载DeepSeekR1模型

• 从Ollama的官⽅⽹站下载DeepSeekR1模型⽂件。

ollama run deepseek-r1:7b

启动模型
•启动和下载模型是同⼀个命令，如果没有下载过的新模型会直接下载，以及下载过的则直接启动。

ollama run deepseek-r1:7b

配置Nomic-Embed-Text模型

下载Nomic-Embed-Text模型
•从Ollama的官⽅⽹站下载nomic-embed-text模型⽂件。

ollama pull nomic-embed-text

模型下载完成

4、安装CherryStudio

CherryStudio⽬前⽀持市⾯上绝⼤多数服务商的集成,并且⽀持多服务商的模型统⼀调度。

它提供了直观的⽤⼾界⾯、丰富的功能以及⾼度的可定制性，即使是没有任何编程经验的⽤⼾也能快速上⼿：

1. https://www.cherry-ai.com/，登录官⽹。
2. 下载对应的版本
   
3. 打开cherrystudio。
   

5、搭建RAG本地知识库

现在已经安装并配置好了 Ollama、Deepseek R1、Nomic-Embed-Text和cherry studio，接下来我们将它们结合起来搭建⼀个本地的私有RAG知识库。

数据准备

⾸先，你需要准备⼀个知识库数据集。这个数据集可以是⼀个包含⼤量⽂档的⽬录，也可以是⼀个预处理的JSON⽂件。确保每个⽂档都有⼀个唯⼀的ID和⽂本内容。

我们准备⼀个凡⼈修仙传的⼩说⽂档。

构建索引

使⽤Nomic-Embed-Text将知识库中的⽂档转换为向量表⽰，并构建⼀个索引：

检索相关信息

使⽤DeepseekR1和检索本地向量数据库：

总结

通过本⽂的介绍，你已经学会了如何搭建⼀个本地的私有RAG知识库。
这个知识库可以帮助你⾼效地管理和利⽤知识，同时增强⼤模型专业应⽤⽅向的能⼒。

希望这篇⽂章对你有所帮助，有问题欢迎留⾔！

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】