基于 DeepSeek R1 和 Ollama 开发 RAG 系统（含代码）

今天我们一起聊一下如何借助当下最热的开源推理工具 DeepSeek R1 和轻量级本地 AI 模型运行框架 Ollama，构建功能强大的 RAG 系统。

DeepSeek R1：RAG 系统的卓越之选

DeepSeek R1 在 RAG 系统构建领域脱颖而出，有着诸多令人瞩目的优势，堪称开发者的得力助手。与 OpenAI 的 o1 模型相比，DeepSeek R1 在性能表现上毫不逊色，但其成本却大幅降低，仅为 o1 的 5%，这使得更多开发者和企业能够轻松负担，加速了 RAG 技术的广泛应用。

在检索环节，DeepSeek R1 展现出了极高的专注度。它在生成答案时，仅需使用 3 个文档块，就能精准地提取关键信息，避免了无关信息的干扰，显著提升了检索效率和回答的针对性。这一特性使得系统在处理大规模文档时，依然能够快速定位核心内容，为用户提供简洁而有效的答案。

在应对复杂问题或缺乏明确答案的情况时，DeepSeek R1 的严格提示机制发挥了重要作用。它不会像一些模型那样随意 “编造” 答案，而是在不确定时诚实地回复 “我不知道”，这种严谨的态度有效避免了幻觉现象，确保了回答的可靠性和真实性，让用户能够获得可信的信息。

对于许多开发者来说，数据安全和响应速度是至关重要的因素。DeepSeek R1 支持本地执行，无需依赖云端 API，这不仅消除了因网络延迟带来的困扰，还能让用户在本地环境中更加安全地处理敏感数据，无需担忧数据泄露风险，为特定行业和场景的应用提供了坚实的保障。

Ollama：本地模型运行的理想框架

Ollama 作为一款轻量级框架，为在本地运行 AI 模型提供了便捷高效的解决方案，是构建本地 RAG 系统的关键一环。它的出现，让开发者能够摆脱对云端计算资源的过度依赖，在本地设备上轻松部署和运行模型，大大降低了开发和部署成本，同时提升了系统的自主性和隐私性。

使用 Ollama 下载和安装模型非常简单。以运行 DeepSeek R1 模型为例，开发者只需在终端中执行简单的命令即可完成操作。如果希望使用默认的 7B 模型，运行 “ollama run deepseek-r1” 命令即可；若想尝试 1.5B 模型以适配轻量级 RAG 应用场景，运行 “ollama run deepseek-r1:1.5b” 命令就能轻松实现。这种便捷的操作方式，使得即使是技术经验相对较少的开发者&