2025年02月10日
写下这篇构建个人专属知识库的避坑教程，那是因为过去一直趴在坑里。
自从ChatGPT 4发布后，曾想借助AI大模型构建起自己专属的知识库。历经一年多的测试和使用，散落在各处的知识库估计已布满灰尘，究其原因仍然是大模型不够聪明！要么内容训练深度不够导致查询触发率低；要么大模型推理分析能力差，不能领会自己专属物料的思想精华以致一本正经在胡说八道。现在DeepSeek R1横空出世，让个人构建可用的本地知识库迈出实际性的第一步，当然未来随着大模型的迭代升级，必将更实用。
本人喜欢极简，以下一张图概括踩坑和避坑指引：
作为普通人、性能较好的办公电脑构建本地知识库的方案是：
以下为教程步骤：
一.安装部署本地大模型工具：Ollama
1.点击下载安装:ollama https://ollama.com
按默认安装操作即可。安装完，每次启动大模型则在任务栏上有显示，不需进行其他设置。（以macOS为例，Windows在下方任务栏）
2.下载DeepSeek R1大模型。
（1）点击进入DeepSeek R1下载页面https://ollama.com/library/deepseek-r1
（2）选择合适版本的大模型。建议安装7B版本。
不同规模的模型，建议电脑配置的要求如下：
1.5B 模型：最低要求内存8GB以上，CPU、GPU差一点均可。
7B 模型：内存16GB以上，且GPU至少8GB、CPU 8核以上。（普通办公电脑极限安装版本，性能好运行大模型则快）
**8B 、14B、32B模型：**非发烧玩家不可，选择此版本以上的都无需看我教程了。
(3)通过终端或命令行窗口粘贴对应版本的命令即可。如下载1.5B版本命令如：ollama run deepseek-r1:1.5b，粘贴至终端回车即可。
(4)下载安装文本向量化本地模型：BGE-M3或nomic-embed-text（选其一即可）。
通过终端或命令行窗口粘贴相应命令：
BGE-M3：ollama pull bge-m3
nomic-embed-text：ollama pull nomic-embed-text
3.到此Ollama本地大模型运行工具和模型文件均部署完毕。
如果选择接入线上的大模型API，则以上步骤均可略过！
二.安装大模型应用**工具：**Cherry Studio
1.点击下载安装Cherry Studio https://cherry-ai.com/download
2.配置本地大模型
（1）按照以下图示步骤设置添加本地相关模型。
（2）建立本地知识库（按图示步骤）
（3）配置对话模型并开启知识库互动问答
（4）使用效果
**备注：**本地电脑配置不高，无法使用DeepSeek R1满血版，本地大模型信息处理结果和效率是值得商榷的！
三.配置调用在线满血版DeepSeek大模型
本地电脑配置的限制，建议普通玩家还是充值调用满血版的大模型。当然你对知识库保密性有极高要求，那就购置高性能设备即可。
由于DeepSeek官网仍未开发API充值，故选择硅基流动替代使用。
1.点击注册 硅基流动账号 https://cloud.siliconflow.cn/i/EvC62OVg
2.登录账户。可进行实名验证、新建API、充值等。如下所示。
3.配置大模型API
（1）填写在硅基流动上申请的API。
（2）填写API地址：https://api.siliconflow.cn
（3）选择添加相关大模型：deepseek-ai/DeepSeek-R1、Pro/deepseek-ai/DeepSeek-R1、BAAI/bge-m3等。
（4）详情如图示：
