基于Cherry Studio + DeepSeek 搭建本地私有知识库！ -CSDN博客

本文链接：https://blog.csdn.net/2401_82469710/article/details/148001753

在当今数字化时代，知识管理变得越来越重要。无论是个人还是企业，都希望能够高效地存储、管理和检索知识。而借助 AI 技术，我们可以实现更加智能的知识库系统。本文将详细介绍如何使用 Cherry Studio 和 DeepSeek 搭建本地私有知识库，让你的知识管理更加高效和安全。

一、为什么选择 Cherry Studio + DeepSeek

（一）Cherry Studio 的优势

Cherry Studio 是一款集多模型对话、知识库管理、AI 绘画、翻译等功能于一体的全能 AI 助手平台。它具有以下优势：

高度自定义：支持多种文件格式和数据源，用户可以根据自己的需求进行个性化设置。
强大的扩展能力：支持超过 300 个大语言模型，并且能够灵活切换云端和本地模型。
友好的用户体验：界面简洁友好，操作直观，适合初学者快速上手。
数据安全：数据存储在本地，确保数据隐私和安全。

（二）DeepSeek 的优势

DeepSeek 是一系列由深度求索公司开发的大规模语言模型，具有以下特点：

高效的计算架构：采用混合专家（MoE）架构和多头潜在注意力（MLA）机制，显著提升了模型的计算效率和推理能力。
多模态支持：支持文本、图像、音频等多种数据形式，适用于多种应用场景。
强大的推理能力：在数学、代码、自然语言处理等任务上表现出色。

二、搭建本地私有知识库的步骤

（一）安装 Cherry Studio

下载安装包：访问 Cherry Studio 官方网站，选择适合你操作系统的版本进行下载。
安装软件：下载完成后，双击安装包，按照安装向导的提示完成安装。

（二）部署 DeepSeek 模型

安装 Ollama：Ollama 是一个开源的本地化工具，可以帮助我们轻松部署 DeepSeek 模型。访问 Ollama 官网，下载并安装 Ollama。
部署推理模型：在终端中输入命令 ollama run deepseek-r1:8b，根据自己的硬件配置选择合适的模型版本。
部署嵌入模型：嵌入模型用于将文本转换为高维向量，便于检索和相似度计算。在终端中输入命令 ollama pull bge-m3，下载并安装嵌入模型。

（三）配置 Cherry Studio

添加模型：打开 Cherry Studio，点击左下角的“设置”按钮，进入模型服务配置页面。选择“Ollama”作为模型服务类型，点击“管理”按钮，添加刚刚部署的 DeepSeek 模型和嵌入模型。
配置 API 密钥：如果你使用的是硅基流动提供的 DeepSeek 模型，需要注册硅基流动账号，获取 API 密钥。在 Cherry Studio 的设置页面中，输入 API 地址和 API 密钥。

（四）创建知识库

新建知识库：点击 Cherry Studio 左侧的“知识库”图标，进入知识库管理页面。点击“添加”按钮，新建一个知识库，输入知识库的名称，并选择嵌入模型。
添加数据：你可以通过多种方式添加数据到知识库中，包括上传本地文件、添加文件夹目录、输入网址链接、添加站点地图或输入纯文本笔记。Cherry Studio 会自动对添加的数据进行向量化处理。
搜索知识库：在知识库管理页面，点击“搜索知识库”按钮，输入关键词进行搜索，查看搜索结果及其匹配分数。

（五）使用知识库进行对话

选择知识库：在 Cherry Studio 的聊天窗口中，选择你刚刚创建的知识库。
提问：输入问题，DeepSeek 模型会基于知识库中的内容生成智能回答。你可以通过这种方式获取更加准确和相关的信息。

三、总结

通过上述步骤，我们成功地使用 Cherry Studio 和 DeepSeek 搭建了一个本地私有知识库。这个知识库不仅可以存储和管理你的知识，还能通过 AI 技术实现智能搜索和内容生成。它具有以下优点：

数据安全：所有数据存储在本地，无需担心隐私泄露。
高效管理：支持多种文件格式和数据源，方便你快速添加和管理知识。
智能检索：结合 DeepSeek 的强大推理能力，能够提供更加准确和相关的信息。

希望本文能帮助你更好地管理和利用你的知识资源。如果你在搭建过程中遇到任何问题，可以参考 Cherry Studio 和 DeepSeek 的官方文档，或者在相关社区寻求帮助。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望