做一个专属于自己的deepseek知识库问答AI

最新推荐文章于 2025-10-25 20:25:37 发布
原创 最新推荐文章于 2025-10-25 20:25:37 发布 · 242 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#deepseek #人工智能

###看的数字游牧人一步步做的

所用工具

第一步腾讯云的产品

第二步创建应用

第三步选择模型（速度选v3）

第四步导入知识库

第五步工作流

第六步连线就行

第七步工具节点（自己制定的API）

第八发布就行就可以分享了

DeepSeek模型构建与训练
Programming Talk
02-05 5160
对于一些复杂的任务，我们可能需要自定义训练循环。DeepSeek提供了灵活的低级API，允许我们完全控制训练过程。# 自定义训练循环# 自定义训练循环 optimizer = ds . optimizers . Adam() loss_fn = ds . losses . CategoricalCrossentropy() for epoch in range(10) : print(f"Epoch {
【实战篇】手把手教你用 DeepSeek 大模型搭建个性 AI 助手
商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
02-04 1586
通过以上一系列步骤，我们便可以借助 DeepSeek 大模型搭建出专属于自己的个性 AI 助手。尽管整个过程涉及一定的技术知识和技能，具有一定的复杂性，但只要我们按部就班，逐步推进，不断尝试和优化，就一定能够成功。搭建个性 AI 助手是一个持续发展和完善的过程。随着技术的不断进步以及我们需求的日益多样化，我们的 AI 助手也需要持续升级和改进。展望未来，我们有理由期待 AI 助手在更多领域发挥更大的作用，为我们的生活和工作带来更多的便利与惊喜。
4步从零制作专属于自己的deepseek小程序助手！
un_fired的博客
02-25 1625
4步从零制作专属于自己的deepseek小程序助手！
从零到一！如何在本地搭建属于自己的深度求索（DeepSeek）人工智能环境？
qq_18943707的博客
02-07 1767
通过本文的一步步指导，相信你已经成功地将 DeepSeek 环境搭建在了自己的电脑上。本地部署不仅为你提供了一个高效、安全的实验平台，还能够帮助你在人工智能领域进行深入探索和创新。如果你有任何问题或建议，请随时访问 DeepSeek 官网或加入开发者社区，与全球的技术爱好者一起交流与成长！参考文献为什么选择本地部署↩︎DeepSeek 安装指南↩︎。
教你1分钟给DeepSeek接入你的知识库
公众号（猴子数据分析）
02-27 1444
朋友们，平时学习、工作的时候，你们有没有遇到过像这样的头疼事？你马上要考试了，各科的笔记记了好几大本，复习的时候根本不知道从哪儿开始，哪个知识点在哪本笔记里都得想半天。如果能让AI学习这些考试资料，变成专属于自己的AI知识库就好了？这样，以后不管你问什么问题，它都瞬间给出又快又准的答案。再比如，你要准备一个重要项目汇报，电脑里存着海量的资料，像产品文档、市场调研报告、项目案例，还有之前的各种合同，...
人工智能DeepSeek本地部署与WebUI可视化教程：构建专属AI知识库及优化数据安全和性能
04-28
内容概要：本文详细介绍如何通过 Ollama 工具实现 DeepSeek 的本地部署，并借助 WebUI 可视化工具和数据投喂构建专属的 AI 知识库。DeepSeek 是一款高效、稳定的语言模型，本地部署能解决云端服务响应慢、数据安全...
DeepSeek+知识库：私有化部署打造行业专属GPT.pdf
02-09
在日常的工作和学习中，你是否...该文档【DeepSeek+知识库：私有化部署打造行业专属GPT】共计 14 页，文档内容完整、条理清晰。文档内所有文字、图表、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。
【大模型实战】0代码搭建DeepSeek本地知识库，打造专属智能助手
知识靠谱的博客
02-05 2363
0代码基于DeepSeek-R1搭建本地知识库，打造个人专属智能助手
这是自己开发的专属的一个 deepseek
04-24
标题中提到的“deepseek”很可能是指一个深度搜索工具或者算法的名称，这表明文件所有者在开发一个独特的深度搜索技术或程序。由于描述内容与标题相同，没有提供额外信息，我们可以推断这是一个个人或小团队的项目，...
本地 AI 知识库秒搭！DeepSeek + Dify 打造你的智能问答助手
a543768773的博客
04-02 1366
想让 AI 记住你的知识库，能秒回精准答案？本教程教你 零成本 在本地部署 DeepSeek + Dify，打造 专属 AI 知识库！💡 你将学会： ✅ DeepSeek 本地大模型部署，让 AI 随时在线 🖥️ ✅ Dify 知识库集成，支持 PDF / Markdown / 网页数据 📚 ✅ 无缝连接 AI 与知识库，打造超强 检索增强生成（RAG）系统 🔍 ✅ API 接口调用，让你的 AI 轻松接入各类应用 🚀 🚀 完全离线运行！无隐私泄露风险！ 快来试试，打造你的智能 AI 知识管
零基础也能DIY你的“DeepSeek”！
Happy0970的博客
03-18 634
你是否曾经想过拥有一个属于自己的AI助手，能够理解你的需求，并为你提供个性化的服务？DeepSeek的出现让我们看到了这种可能性，但其实，你也可以DIY一个属于自己的“DeepSeek”！只要你明确需求，选择合适的工具和平台，并付出足够的努力，你就可以打造一个个性化的AI助手，让它成为你生活和工作的得力助手！AI助手的开发是一个持续迭代和改进的过程，你需要不断收集用户反馈，优化模型性能，并添加新的功能。在开始之前，你需要明确你想要构建的AI助手的具体功能和用途。例如BERT、GPT等，用于理解和生成文本。
DeepSeek模型+知识库应用方法
m0_57547088的博客
02-08 740
DataSky人工智能开放平台（opendatasky.com）是由成都数据天空科技有限公司（DataSky）研发的一站式AI服务与开发平台，致力于为开发者、企业及合作伙伴提供高效、灵活的人工智能技术能力，助力各行业实现智能化升级。直接点击“开始对话”，选择知识库功能-添加知识库建立属于自己的知识库。然后进行对话，选择DeepSeek模型，以及选择知识库文档。这种方式的好处就是无需本地搭建知识库，只需上传文档。首先先注册一个账号，登录。
【AI】DeepSeek+Dify构建知识库、Agent（智能体）、工作流、聊天助手
xx_nm98的博客
02-19 2575
今天的这篇文章之所以说这么多，是为了交代背景，个人如何深度利用包括DeepSeek在内的AI工具，如何使用构建自己的聊天助手、智能体、工作流来提升工作效率。接下来我将会用系列文章教会你深度利用AI。
如何使用 DeepSeek 搭建本地知识库
测试工程师成长之路
02-06 5935
通过以上步骤，可以快速搭建一个功能完善的本地知识库，并利用 DeepSeek 实现高效的数据管理和检索！使用 Matplotlib 或 Plotly 可视化知识库的统计信息（如词频分布、文档数量等）。搭建本地知识库可以帮助您高效管理和检索本地文档、数据或知识资源。
标签噪声学习：理论与方法详解
最新发布
weixin_48846514的博客
10-25 476
摘要：标签噪声学习指南 本文系统介绍了标签噪声学习的关键问题与方法。主要内容包括： 标签噪声的成因：大数据时代下众包标注不可避免产生噪声，即使ImageNet等标准数据集也存在20%左右的错误标签。 噪声类型分类： 随机分类噪声（RCN）：均匀错误 类别依赖噪声（CCN）：类间混淆概率不同 实例依赖噪声（ILN）：与具体样本相关 解决方案：重点分析了对称损失函数对抗RCN的数学原理，证明其能保持噪声数据与干净数据的最优模型一致性。 研究表明，传统方法在噪声数据上性能可能退化至随机猜测水平，而专门的抗噪方法能
Deepseek-ocr论文精读
wanzhong2333的博客
10-21 1760
给出了几个重要信息这是一篇探究视觉二维映射（optical 2D mapping）实现长上下文压缩的可行性的文章。这个模型不怕高分辨率的输入。当视觉图像压缩比很高的情况下，识别的精度依然很高。模型推理速度快，单张 A100-40G 显卡搭载的 DeepSeek-OCR 每日可生成 20 万页以上的数据。下图其他模型的在基准测试中对比，出手就是王炸，deepseek-ocr系列包揽了整个外围，类似机器学习的AUC图像，面积越大，模型性能越好。
番外篇 基于Dify的AI应用开发：从入门到实战全解析
IT深耕十余载，大道之简
10-25 445
摘要 Dify是一款开源AI应用开发平台，通过可视化界面大幅降低AI应用开发门槛。文章系统介绍了Dify的核心功能，包括工作流设计器、提示词工程、知识库管理等，并通过构建智能客服系统的实战案例，展示了从环境搭建到生产部署的全流程。平台支持多模型接入、全链路管理，具备企业级扩展性，使开发者能快速实现包含智能问答、情感分析等功能的AI应用。文章还提供了提示词优化、性能调优等最佳实践，为不同技术背景的用户提供全面的开发指南。
密集向量，稀疏向量，二进制向量 之间有什么区别和联系
陈开心的博客
10-21 1450
摘要： 密集向量（Dense Vector）、稀疏向量（Sparse Vector）和二进制向量（Binary Vector）是机器学习中常用的三种向量表示方法。密集向量由连续浮点数组成，通常由神经网络生成，用于捕获语义信息（如BERT嵌入）。稀疏向量大部分维度为0，适用于词袋模型或TF-IDF，高效存储非零特征。二进制向量仅用0/1表示特征存在性，适合布尔场景（如图片哈希）。三者区别在于数值类型、维度和应用场景：密集向量适合语义匹配，稀疏向量用于关键词检索，二进制向量用于快速特征比对。现代系统（如Milv
合合信息亮相PRCV：多模态文本智能与内容安全双擎驱动的技术突破与实践解析
2501_92808811的博客
10-22 810
合合信息的方案首先通过CV模型定位图片中的文字区域（如用户发布的广告图中的宣传语），再通过OCR提取文字后，利用多模态模型判断图文关联性（如图片为儿童玩具，但文字包含“成人用品促销”这类矛盾内容），最后结合内容安全模型的敏感实体识别（如违禁药品名称）与情感分析（如煽动性词汇密度）输出拦截建议。例如，一张包含文字的发票图片（图像模态），需要先通过OCR（光学字符识别）提取文字（文本模态），再结合发票模板规则（结构化知识）与业务上下文（如报销政策）进行语义分析（文本推理）。合合信息的技术突破在于：通过。
deepseek&知识库&AI问答
09-24
将DeepSeek与知识库结合实现AI问答有多种技术、应用和解决方案。 ### 技术 - **语义理解与精准匹配**：系统借助语义理解技术精准匹配问题与知识库内容，这有助于在回答问题时更准确地从知识库中提取相关信息，提升...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

白熊code

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值