随着人工智能的发展，大模型的应用越来越广泛，它们不仅能够理解自然语言，还能在特定领域内提供专业化的知识服务。为了满足个人或小型团队对于数据隐私保护的需求，本地部署大模型并搭建私有知识库成为了一种趋势。本文将介绍如何使用Ollama、DeepSeek和AnythingLLM来构建这样一个系统，使您能够在自己的计算机上运行强大的AI模型，并利用其进行高效的知识管理和智能问答。
本地部署大模型并搭建私有知识库的好处：
- 数据隐私和安全性：本地部署可以确保敏感数据不被上传到云端，降低数据泄露的风险，特别适合对数据保密有严格要求的企业和个人。控制权：用户对自己的数据和模型有更大的控制权，可以根据需要进行定制和优化，而不依赖于第三方服务。低延迟：本地运行模型可以减少网络延迟，提高响应速度，尤其在需要实时处理的应用场景中尤为重要。离线访问：本地部署允许在没有互联网连接的情况下使用模型和数据，适合在网络不稳定或无法访问的环境中工作。成本效益：长期来看，尤其是对于大规模使用，避免了云服务的持续费用，可能会降低总体拥有成本。定制化：用户可以根据特定需求调整和优化模型，进行更深入的定制，满足特定行业或应用的需求。合规性：某些行业（如医疗、金融等）对数据存储和处理有严格的法律法规要求，本地部署可以帮助企业更好地遵守这些规定。
通过本地部署，用户能够享受更高的灵活性和安全性，同时也能更好地满足特定的业务需求。
简介
本文将手把手教你用 Ollama、DeepSeek 与 AnythingLLM 搭建超强大本地知识库
DeepSeek：AI 领域的实力新星
DeepSeek专注于人工智能技术的研发，尤其在大语言模型方面成果显著。开源发布的DeepSeek R1模型，具备优秀的逻辑推理能力，能够处理复杂多样的自然语言任务。
Ollama：本地运行 AI 模型的利器
Ollama 是一款致力于让用户在本地轻松运行 AI 模型的工具。它提供了简洁易用的命令行界面，极大降低了本地部署模型的门槛。通过 Ollama，用户可以快速拉取并运行各种主流的大语言模型，无需复杂的配置和高昂的云计算成本。其高效的模型管理系统，能帮助用户方便地切换和使用不同模型，满足多样化的需求。
AnythingLLM：知识整合的智能助手
AnythingLLM专注于知识管理和问答系统，提供了桌面客户端，方便用户使用；能够从多种不同来源获取数据，包括但不限于文档、网页、数据库等，将这些分散的非结构化或半结构化数据进行有效整合，统一处理为可供分析和查询的格式，为知识的全面性和完整性提供了保障。，AnythingLLM 能够理解用户的问题，并在知识图谱中精准检索答案，为用户提供准确、全面的回答。
部署架构
Ollama+DeepSeek+AnythingLLM搭建本地知识库的整体架构如下：
Ollama、DeepSeek、AnythingLLM三者整合，搭建本地知识库步骤：
- 准备工作：确保你的设备满足运行要求，安装好 Ollama、DeepSeek 模型（可通过 Ollama 拉取）以及 AnythingLLM。数据导入：将你想要纳入知识库的文本数据整理好，导入到 AnythingLLM 中，构建知识图谱。模型连接：通过 Ollama 运行 DeepSeek 模型，并将其与 AnythingLLM 进行连接，使得 DeepSeek 强大的语言处理能力与 AnythingLLM 的知识管理能力相结合。测试与优化：输入各种问题进行测试，根据结果对知识库和模型参数进行优化，提升回答的准确性和效率。
准备工作
配置要求：
- 操作系统：MacOS、Linux、Windows硬件要求：
| 模型规模 | CPU核心数 | 内存 | 硬盘存储空间 | 显卡推荐显存 | 适用场景 |
|---|---|---|---|---|---|
| 1.5B | 最低4核 | 8GB+ | 3GB+ | 非必需，可选4GB+ | 低资源设备部署等场景 |
| 7B | 8核以上 | 16GB+ | 8GB+ | 推荐8GB+ | 本地开发测试等场景 |
| 8B | 略高于7B | 同上 | 同上 | 同上 | 需更高精度的轻量级任务 |
| 14B | 12核以上 | 32GB+ | 15GB+ | 推荐16GB+ | 企业级复杂任务等场景 |
| 32B | 16核以上 | 64GB+ | 30GB+ | 推荐24GB+ | 高精度专业领域任务等场景 |
| 70B | 32核以上 | 128GB+ | 70GB+ | 多卡并行 | 科研机构高复杂度生成任务等场景 |
GPU非必须，如果使用GPU性能会更好，支持列表参考Ollama GPU支持列表
Ollama安装
首先，我们需要访问Ollama的官方网站并根据您的操作系统选择相应的版本进行下载和安装。（当前支持MacOS、Linux和Windows多个系统版本)
Ollama官网：ollama.com/download
安装完成后，打开命令行工具，使用ollama下载deepseek模型，如下：
➜ ~ ollama run deepseek-r1:8bpulling manifestpulling aabd4debf0c8... 18% ▕███████████████████████████ ▏ 206 MB/1.1 GB 954 KB/s 15m54s注：这个过程可能会比较耗时，具体取决于您的网络速度。ollama官网托管了多个版本的deepseek模型，我们这里为了方便，我们选择模型deepseek-r1:8b来进行演示。
AnythingLLM安装
下载并安装AnythingLLM，根据您的操作系统选择相应的版本。（当前支持MacOS、Linux和Windows多个系统版本)
AnythingLLM官网：anythingllm.com/desktop
安装完成后，打开AnythingLLM，会有一段欢迎提示如下：
数据导入
文档准备
在开始之前，您需要准备一些文档数据，这些文档将作为知识库的基础。文档可以是各种格式，如txt、pdf、doc等，只要AnythingLLM支持即可。您可以选择上传一些与您感兴趣的主题相关的文档，以便模型能够从中学习到更多的知识。比如我们一些技术文档、论文、报告等，我们以技术报告“DeepSeek-V3 Technical Report”为例。
打开AnythingLLM，按照提示创建一个新的工作区。接下来，点击工作区旁边的上传按钮，上传您希望包含在知识库中的文件。
上传完成后，点击“Save and Embed”，以便模型能够处理这些文档内容。
模型连接
打开AnythingLLM，点击工作区旁边的配置按钮，选择Ollama作为推理后端，并确保选择了deepseek模型和其他必要的参数。这样，您的本地知识库就准备好了。配置如下：
- 点击配置按钮，并切换到
Chat Settings菜单项在工作区 Workspace LLM Provider配置中选择Ollama在工作区 Workspace Chat model配置中选择deepseek-r1:8b (注：只有使用ollama下载deepseek模型后，这里才会显示)其他配置项可以根据需要进行调整，如果不确定，可以使用默认值点击保存 Update workspace，然后您就可以开始使用您的本地知识库了。
测试与优化
一旦完成安装和配置，您就可以通过AnythingLLM的工作区与模型进行交互了。尝试提出一些关于已上传文档的问题，看看模型是如何利用新学到的知识来回答的。
从上面截图上可以看到：
- AnythingLLM通过调用deepseek模型完成了知识问答图片底部显示
Hide Citations表明，本次问答引用了我们之前上传的技术报告 DeepSeek_V3.pdf，虽然技术报告使用英文，但是deepseek由于支持多语言，在知识问答时能够自动进行翻译。注：如果您上传了多篇关于某个特定领域的论文或报告，那么询问模型有关该领域的细节时，能得到更加准确的回答。
总结
通过使用Ollama、DeepSeek和AnythingLLM搭建本地知识库，我们不仅能够享受大模型带来的便利，还能够确保数据的安全性和隐私性。这种方法特别适合那些对数据保密有严格要求的企业和个人用户，同时也解决了在线DeepSeek不稳定的问题。
展望未来，随着技术的进步，本地部署的AI解决方案将会变得越来越普及，为用户提供更多的灵活性和控制权。
原文地址：https://www.cnblogs.com/smallfa/p/18987823
