如何给本地化部署的DeepSeek投喂数据

如果想让 DeepSeek 了解你的公司业务，就把相关的文档上传给它。

1、RAG

为了投喂数据，我们要用到RAG。首先，我们先来了解下什么是RAG？

根据百度百科的解释，检索增强生成（Retrieval-augmented Generation），简称RAG，是当下热门的大模型前沿技术之一。检索增强生成模型结合了语言模型和信息检索技术。具体来说，当模型需要生成文本或者回答问题时，它会先从一个庞大的文档集合中检索出相关的信息，然后利用这些检索到的信息来指导文本的生成，从而提高预测的质量和准确性。

翻译下：我们把知识放到知识库里，然后把它投喂给人工智能。我们需要用一个量化的工具，把各种格式的数据量化给人工智能，让它能看得懂。人工智能通过对这些知识的学习后，以后你再问它的时候，他就能将知识提取出来，加工处理后回答你的问题。

2、拉取nomic-embed-text

各种开源免费的RAG工具挺多，我选择ollama 提供的nomic-embed-text。

nomic-embed-text

3、配置Page Assist

之前在电脑上安装了Chatbox，没有找到在哪设置RAG，在网上查找资料，发现了Page Assist，这是一个浏览器插件，我使用的是Microsoft Edge，直接在扩展中搜索Page Assist。

点击安装就可以了。安装完选择下大模型，修改下语言，设置成中文。

接下来就可以在浏览器中与大模型进行对话了。

4、在Page Assist中配置RAG

在Page Assist配置页面有一个RAG设置文本嵌入模型。文本嵌入模型就是把我们投喂的各种文档数据量化成DeepSeek认识的数据。配置下我们下载的nomic-embed-text.

接下来就是开始向deepseek投喂数据。直接问内容，是没有相关回答的。

在设置-知识管理里面上传相关文档，目前支持pdf、csv、txt、md格式的文件。

然后在输入框右下角选择引用知识后再提问。

可以对上传的内容进行总结分析。