基于deepseek模型知识库，Cherry Studio和AnythingLLM使用效果对比

基于deepseek模型知识库，Cherry Studio和AnythingLLM使用效果对比

 网上有很多构建本地知识库的文章，我们更应该更深入应用，对比不同的应用效果，才能发挥知识库本身的价值。 

基于deepseek模型知识库，Cherry Studio和AnythingLLM使用效果对比

目 录

1. 使用效果对比基础

2. Cherry Studio和AnythingLLM使用效果对比

3. Cherry Studio嵌入模型使用对比

4. 结论

 

1. 使用效果对比基础

　　网上有很多构建本地知识库的文章，我们更应该更深入应用，对比不同的应用效果，才能发挥知识库本身的价值。

　　（1）基础模型为deepseek-r1:8b。

　　（2）嵌入模型分别为：deepseek-r1:8b、BAAI/bge-m3和nomic-embed-text。

　　（3）投喂资料为iNeuOS工业互联网操作系统的130个相关资料。

2. Cherry Studio和AnythingLLM使用效果对比

　　这个对比是使用deepseek-r1:8b作为嵌入模型，投喂Word资料后，提问同样的问题后使用的效果对比。

　　AnythingLLM使用效果，显然回答的比较简洁，不够全面。

　　投喂资料，如下图：

　　提出问题：请全面介绍-下iNeuView视图建模功能；回答效果如下图：

　　Cherry Studio使用效果，提问问题的描述相更简单，但是回答的结果显然比AnythingLLM更好。

　　投喂资料，如下图：

　　提出问题：请介绍-下iNeuView；回答效果如下图：

3. Cherry Studio嵌入模型使用对比

　　分别使用deepseek-r1:8b、BAAI/bge-m3和nomic-embed-text，不设置其他调优参数的情况下，投喂同样的资料，知识库提问的使用效果，同样的提问问题：请介绍一下iNeuView。显然使用nomic-embed-text嵌入模型的回答内容最接近投喂的资料。

　　（1）使用deepseek-r1:8b作为嵌入模型的回答效果如下图：

　　（2）使用BAAI/bge-m3作为嵌入模型的回答效果如下图：