Cherry Studio搭建本地知识库，让DeepSeek R1发挥最大实力，彻底告别硬件限制！

今天我们——借助硅基流动的 API 接口，让你轻松接入DeepSeek R1模型，体验满血复活版R1的强大功能。

今天给大家介绍一个新的工具，Cherry Studio，一款聚合主流大语言模型服务的桌面工具。它通过直观的可视化界面和远程API接口，实现了跨平台调用各类模型，既降低了对本地硬件的依赖，又大幅提升了使用效率，为大家搭建高效知识库提供了全新思路。

一 下载安装

打开Cherry官网：https://cherry-ai.com/download

选择适配自己操作系统的版本进行下载。

默认安装就可以，安装完成界面如下：

二 选择DeepSeek R1模型

1、配置模型服务，把硅基流动中申请的 API 密钥添加进去。

没有申请过的可以在API秘钥下方点击这里获取密钥，进入硅基流动官网。

点击创建API密钥即可。

没注册的可以用我这个邀请码注册，双方各获得2000万Tokens。够玩一阵了。

邀请码链接：https://cloud.siliconflow.cn/i/U9FociIz

没注册过的登录首页后，点击界面左侧API 密钥。

选择新建密钥，输入密钥描述后点击新建密钥。

点击自己刚才新建的密钥就可以复制了，保存好。

2、在下方添加DeepSeek R1模型：deepseek-ai/DeepSeek-R1。

也可以点击下方管理按钮找到DeepSeek模型直接添加。

3、测试连通性，点击检查按钮进行测试，看到检查按钮变成对钩就是测试通过了。

看到检查按钮变成绿色对钩。

三 搭建本地知识库

1、添加嵌入模型。点击管理按钮，选择嵌入模型，可以把这几个都添加进去。

确认后可以看到我们之前添加嵌入式模型了。

2、添加本地知识库。点击左侧知识库按钮，添加本地文档。

3、填写知识库名称，选择嵌入模型。

4、上传本地文件，支持多个类型知识，包括文件、目录、网址、网址、笔记等等。

我这里上传了一个三体全集，出现对钩就是处理完了。

四 使用知识库

1、在聊天窗口选择知识库图标，选中之前创建的知识库，如本例为test。

2、可以在聊天区域询问有关知识库的问题了。一定记住要先选中本地知识库呀。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】