【人工智能】如何借助DeepSeek R1打造个人知识库？

DeepSeek R1进阶指南

DeepSeek R1进阶指南

导读

大家好，很高兴又和大家见面啦！！！

在当今信息爆炸的时代，知识和资料如潮水般涌来。如何对这些海量信息进行高效管理，确保在需要时能迅速检索并加以利用，成为了许多人亟待解决的问题。搭建个人知识库，无疑是应对这一挑战的绝佳方案。而DeepSeek作为一款强大的人工智能工具，为我们搭建个人知识库提供了便捷高效的途径。接下来，将为你详细介绍如何运用DeepSeek搭建属于自己的知识宝库。

一、准备工作

搭建个人知识库的第一步，是确保你的设备已经成功部署DeepSeek。若尚未安装，你可以参考【DeepSeek本地部署】来完成安装操作。

在DeepSeek安装完成后，还需要下载并安装AnythingLLM。这是一款全栈AI应用程序，堪称搭建本地知识库的关键组件，它能够与DeepSeek紧密协作，实现对各类文档的高效管理，以及智能问答功能。

1.1 下载和安装AnythingLLM

1. Windows用户：
2. 首先，前往AnythingLLM的官方网站，或者从可靠的指定网盘资源链接，下载适配Windows系统的安装包。下载时，务必仔细确认文件来源的可靠性，以防下载到恶意软件，导致设备安全受损。

官网网址：https://anythingllm.com进入网址后，进入官网主页：

AnythingLLM官网主页

进入主页后，直接点击下载，进入下载页面：

下载页面

选择自己电脑的系统，并下载对应的版本。

• 下载完成后，双击运行安装程序。

双击安装程序

程序开始运行后，会弹出一个选择安装用户的窗口：

安装用户选择

这里大家可以根据自己的需求进行选择，选择好用户后，就可以选择安装目录了：

安装目录选择

这里还是建议大家安装到除 C盘以外的其它磁盘中，确定好安装目录后就可以进行安装了。在安装过程中，系统可能会提示需要联网下载一些依赖库，如下图所示：

等待安装

这是因为AnythingLLM的正常运行依赖这些库的支持，所以请保持网络畅通，按照系统提示逐步完成安装。

安装完成

安装完成后，打开软件，你会看到简洁直观的界面：

AnythingLLM主界面

直接点击Get started，即可进入后续操作步骤：

AnythingLLM主界面2

现在我们只需要一路点击右箭头即可。

• 可能遇到的问题及解决方法：
  • 若下载速度过慢，大概率是网络不稳定或者服务器繁忙所致。此时，你可以尝试更换网络环境，比如从Wi-Fi切换到移动数据，或者选择在网络状况较好的时段重新下载。也可以直接下载我为你准备好的资源包。
• 如果安装过程中出现报错，可能是系统缺少某些必备组件，需要根据错误提示，安装相应的组件，确保安装顺利进行。
• Mac用户：
  • 同样从官网或网盘下载安装包，下载后打开安装包，依照提示完成安装。首次运行该软件时，系统可能会提示进行授权，这是为了保证软件能够正常访问相关资源，只需按照系统提示操作即可。
  • 安装完成后，启动程序，进入操作界面。在安装过程中，可能会遇到权限不足的问题，这时需要在系统设置中授予软件相应的权限，以确保其正常运行。
  • 可能遇到的问题及解决方法：如果软件无法正常启动，可能是与系统版本不兼容。你可以查看官方文档，确认软件支持的系统版本，必要时升级系统或者寻找适配版本。若安装过程中出现文件损坏提示，则可能是下载过程中文件受损，需要重新下载安装包。

因为我的是Windows系统，这里我就无法为大家展示MAC的安装过程了。

二、创建工作区

成功安装AnythingLLM后，打开软件，首先要创建一个工作区。

工作区命名

工作区就像是个人知识库的“指挥中心”，所有的知识文档管理和操作都将围绕它展开。

1. 给工作区起一个易于识别的名字，比如“个人知识库”，然后点击确认，即可快速创建工作区，这个过程简单便捷，几乎无需复杂设置。
2. 工作区的主要作用是对不同类型的知识进行分类管理，方便后续查找和使用。比如，你可以创建不同的工作区，分别用于存储工作相关的资料、学习资料，以及个人兴趣爱好相关的内容，让知识管理更加井然有序。
3. 可能遇到的问题及解决方法：如果出现工作区名称重复的情况，需要重新命名，确保工作区名称的唯一性。若创建失败，可能是软件出现短暂故障，尝试重新启动软件再次创建即可。
   

   主页面

此时我们就完成了第一个工作区的创建，在页面左侧显示的是我们的工作区，右侧则是我们与 AnythingLLM 进行交互的对话框。

三、配置模型

创建好工作区后，接下来的关键步骤是进行模型配置，让DeepSeek和AnythingLLM能够协同工作。这其中，nomic-embed-text和输入DeepSeek的IP地址在搭建个人知识库中发挥着不同的作用，下面为你详细介绍。

3.1 通过 nomic-embed-text 搭建知识库的方法

1. 模型下载与准备：在使用 nomic-embed-text 搭建知识库之前，需要先确保其已被正确安装。
   • 如果你使用Ollama，可以通过命令行ollama pull nomic-embed-text进行下载；
   • 若在Python交互环境中，也能通过import ollama;ollama.pull('nomic-embed-text')来完成下载操作。
   • 这一步是使用该模型的基础，确保系统具备处理文本向量的能力。

安装文本嵌入模型

这里给大家展示的是通过Ollama完成的 nomic-embed-text 文本嵌入模型的安装。

1. 文档预处理与向量生成：当我们有大量的文档资料需要纳入知识库时，需要先对这些文档进行预处理。比如，将文档按段落、章节等进行合理拆分，去除不必要的格式和特殊字符，使文档内容更加规整。随后，利用 nomic-embed-text 强大的文本向量转化功能，将预处理后的文档内容转化为向量表示。例如，一篇关于历史研究的论文，经过 nomic-embed-text 处理后，会生成包含论文核心观点、研究方法、关键历史事件等语义信息的向量，这些向量将成为知识库检索和匹配的关键依据。
2. 向量存储与索引构建：生成的向量需要有一个合适的存储和管理方式。我们可以选择将其存储到向量数据库中，像LanceDB、Chroma等都是不错的选择。在存储向量的同时，要构建相应的索引。以LanceDB为例，通过LanceDB的相关API，将向量存入数据库表中，并为向量字段创建索引。这样在后续检索时，能够大大提高查询效率，比如在查询关于“工业革命”相关资料时，通过索引可以快速定位到与之语义相近的向量，进而找到对应的文档内容。

3.2 输入DeepSeek的IP地址搭建知识库的方法

1. 获取DeepSeek的IP地址：
   • 本地部署：若DeepSeek在本地服务器部署，以常见的在Linux系统中通过命令行启动DeepSeek服务为例，在启动命令执行后，服务端会返回一系列启动信息，其中就包含了DeepSeek运行所绑定的IP地址和端口号。一般如果是在本地回环地址上运行，IP地址通常显示为127.0.0.1，这是本地主机的默认IP地址，代表设备自身。如果是在其他网络环境下，如连接到局域网，可通过在终端输入ipconfig（Windows系统）或ifconfig（Linux、Mac系统）命令查看当前设备的网络配置信息，找到DeepSeek所绑定的网络接口对应的IP地址。例如，在Linux系统中执行ifconfig命令后，会列出各个网络接口的详细信息，其中inet字段后面的值就是该接口的IP地址，如果DeepSeek绑定到了该接口，那么这个IP地址就是我们需要的。
   • 服务器部署：如果DeepSeek部署在远程服务器上，获取IP地址的方式取决于服务器的网络配置和管理方式。若是通过云服务提供商（如阿里云、腾讯云等）租用的服务器，可登录云服务提供商的管理控制台，在服务器实例的相关设置页面中找到服务器的公网IP地址，这个地址是服务器在互联网上的唯一标识，用于远程访问。若是自行搭建的服务器，且拥有独立的公网IP，可联系网络服务提供商（ISP）获取分配给服务器的公网IP地址，或者通过路由器的设置界面查看WAN口的IP地址，前提是路由器已正确配置并将公网IP映射到服务器。
2. 确认DeepSeek运行状态：在获取到IP地址并输入前，务必保证DeepSeek已经在本地或服务器上成功运行。你可以通过查看DeepSeek的启动日志、进程列表等方式来确认其运行状态。若DeepSeek运行在本地，启动时会显示相关的端口号等信息，确保这些信息准确无误，为后续配置做好准备。

这里我们可以通过 ollama run deepseek-r1:1.5b 运行 deepseek-r1：

运行deepseek

1. 在AnythingLLM中配置IP地址：打开AnythingLLM软件，点击界面左下角的“扳手”图标进入设置页面。
   

   设置图标

在“LLM首选项”中，选择Ollama作为对话模型（因为我们本地部署的就是Ollama），

切换对话模型

然后在对应的输入框中准确输入DeepSeek的IP地址。如果是本地运行的实例，一般输入“http://127.0.0.1:11434”，注意一定要加上“http://” 。这一步就如同搭建一座桥梁，让AnythingLLM能够与DeepSeek建立通信连接，实现数据交互。

配置方式选择

可以看到此时我们既可以选择使用 nomic-embed-text 完成配置，又可以使用deepseek的IP地址完成配置，根据个人的需求进行选择，这里我使用IP地址进行配置完成测试。

完成配置后，可以看到右上角有一个 Save changes 的选项，点击该选项保存配置的更改，之后点击左下角的返回箭头的图标，回到主页。

1. 测试连接与模型调用：完成IP地址配置后，需要进行连接测试。在AnythingLLM的对话页面输入一些简单的测试问题，比如“今天天气如何”，观察是否能够得到DeepSeek基于其自身知识和能力的回答。如果能够正常回答，说明连接成功，DeepSeek模型已可被调用。若出现连接失败的情况，需要仔细检查IP地址是否输入错误、端口是否被占用等问题，确保连接顺畅。

连接测试

按照图示步骤，我们就可以完成一次简单的测试。这时有朋友会说，你这回复全是英文，我也看不懂啊？这个问题怎么解决呢？

别着急，下面我们就来设置一下模型的语言。大家跟我一起完成语言的设置：

1. 找到做洗脚扳手的图标进入设置界面
2. 在设置页面中选择外观
3. 找到Display Language
4. 选择 Chinese

语言更改

完成更改后，我们点击左下角的返回图标回到主页，之后再一次进行测试：

再次测试

可以看到，此时与我们进行交互的就是deepseek，这说明我们已经完成了模型的配置工作了。

3.3 详细认识nomic-embed-text

nomic-embed-text是一款基于Sentence Transformers库的文本嵌入模型，在众多文本嵌入模型中表现卓越，具备多种强大功能。

• 文本向量转化：它能将输入的文本转化为对应的向量表示。在这个转化过程中，模型会深入分析文本的词汇、语句结构以及语义关联。例如，对于“人工智能在医疗领域的应用前景广阔”这句话，nomic-embed-text会提取其中“人工智能”“医疗领域”“应用前景”等关键语义要素，转化为包含这些信息的向量。这种向量表示并非简单的数值罗列，而是蕴含了文本的语义特征，为后续的各种操作提供了基础。
• 语义相似度计算：基于转化后的向量，nomic-embed-text可以快速计算不同文本之间的语义相似度。在个人知识库中，当用户输入一个问题，比如“机器学习在医学影像诊断中的应用”，它会将这个问题转化为向量，然后与知识库中已有的文档向量进行对比。通过计算向量之间的余弦相似度等算法，精准找出与该问题语义最相近的文档。这一功能极大地提升了检索效率和准确性，即使文档的表述方式各不相同，只要语义相近，都能被准确匹配。
• 长文本处理：该模型具备处理长文本的能力，上下文长度可达8192 。这使得它在面对篇幅较长的文档，如学术论文、技术报告时，也能精准地提取关键语义信息。它不会因为文本长度而丢失重要内容，而是能够全面分析文本的整体结构和逻辑关系，生成准确反映文档核心内容的向量。例如，在处理一篇长达数千字的关于人工智能发展趋势的论文时，nomic-embed-text能梳理出论文的主要观点、研究方法以及结论等关键信息，并转化为对应的向量表示。
• 与其他工具协作：在搭建个人知识库的过程中，nomic-embed-text可以与其他工具协同工作。它可以将处理后的文本向量存储到向量数据库中，如LanceDB、Chroma等，方便后续的快速检索和调用。同时，它与AnythingLLM等应用程序配合默契，为用户提供高效的知识查询和问答服务。当用户在AnythingLLM中提问时，nomic-embed-text能迅速对问题和知识库中的文档进行处理，帮助DeepSeek等模型更准确地理解问题，从而给出更精准的回答。

3.4 深入了解输入DeepSeek的IP地址

DeepSeek是一款强大的大语言模型，而输入其IP地址则是在使用AnythingLLM与DeepSeek协同搭建个人知识库时，建立两者通信连接的核心操作。

在AnythingLLM界面的左下角，点击“扳手”图标，进入设置页面。

在“LLM首选项”中，选择Ollama作为对话模型（因为我们本地部署的就是Ollama），然后输入DeepSeek的IP地址，如果是本地运行的实例，输入“http://127.0.0.1:11434”，注意一定要加上“http://” 。

这个IP地址就像是一座桥梁，一端连接着AnythingLLM，另一端连接着DeepSeek。当用户在AnythingLLM的对话页面输入问题时，AnythingLLM会借助这个IP地址，将问题准确无误地传递给DeepSeek。

DeepSeek接收到问题后，会基于其自身强大的语言理解和生成能力，以及知识库中的文档内容进行分析和处理，最后生成回答并通过IP地址原路返回给AnythingLLM，呈现在用户面前。例如，当用户询问关于某专业领域的问题时，DeepSeek会在知识库中搜索相关文档，运用其语言推理能力组织答案，再通过IP地址将答案反馈给用户，实现高效的智能问答交互。

3.5 两者在搭建个人知识库中的作用对比

从功能定位和应用场景来看，nomic-embed-text侧重于文本处理和相似性分析，影响着知识库中文本信息的组织和检索方式，提升了知识库检索的准确性和效率；而输入DeepSeek的IP地址则主要应用于实现用户与DeepSeek模型的交互场景，直接关系到能否成功调用DeepSeek模型，是搭建可交互个人知识库的关键环节。如果IP地址配置错误，就无法使用DeepSeek模型，知识库也就无法实现智能问答等功能。

四、上传知识库文档

文档上传是搭建个人知识库非常关键的一步，因为上传的文档内容将直接决定模型回答问题的准确性和质量。

• 在工作区界面点击上传按钮，进入文件管理页面。

选择上传

你可以将本地的文档直接拖拽到上传区域，也可以输入网页链接，将网页内容同步到临时交换区。

上传文档

上传完成后，选择你需要的文档，点击“Move to Workspace”，把文档移动到工作区。

选中文档

完成移动后，我们就可以在工作区看到已经上传的文档了：

完成上传

• 接着点击“Save and Embed”，系统会自动解析并存储文档内容，这个过程可能需要一些时间，请耐心等待。文档解析完成后，你可以在右侧的工作区文件面板中看到上传的文档。

完成解析

• 上传文档时，系统会将文档内容转化为模型能够理解的格式，并提取关键信息存储在向量数据库中。这样，当用户提问时，模型可以快速检索相关信息进行回答，为智能问答提供数据支持。
• 如果要上传多个文档也不用担心，系统会自动处理长文档，将其切割并存储。在上传过程中，可能会遇到文件格式不支持的问题，此时需要将文件转换为支持的格式，如PDF、TXT、DOCX等。上传速度过慢，可能是因为文件过大或网络问题，可尝试压缩文件大小或更换网络环境，确保上传顺利进行。

五、关联文档到会话

为了让DeepSeek能够根据上传的文档回答问题，我们还需要将文档与当前会话关联起来。

• 在工作区文件面板中，找到你要关联的文档，点击文档右侧的“图钉”按钮，即可将文档关联到当前会话。
  

  关联文档

在完成关联后，系统会跳出下面的提示：

关联提示

此时我们点击右下角的 Okay, got it 即可。完成关联后，回到对话页面，现在就可以根据上传的文档内容进行提问了。

• 关联文档的作用是让模型在回答问题时，优先从关联的文档中查找信息，从而给出更准确的答案，提高回答的针对性和准确性。
• 如果之后不再需要某个文档参与对话，随时可以取消文档关联，恢复到默认的对话模式，不会影响后续使用。可能遇到的问题是关联失败，这可能是由于软件加载延迟或文档路径错误，可尝试重新加载页面或检查文档路径，确保关联成功。

六、开始对话

一切准备就绪后，就可以开始提问了！在对话页面输入你的问题，DeepSeek会根据你关联的文档内容进行回答。

• 如果上传的文档是专业领域的知识库，那么模型的回答将会非常精准。这里有个小技巧，每次上传新的知识库文档后，记得输入“/reset”指令，清空当前对话上下文，避免影响新的对话，确保回答的准确性。

开始对话

• 在对话过程中，你可以不断调整提问的方式和内容，以获取更准确的答案。同时，也可以根据模型的回答，进一步完善知识库，添加更多相关的文档或信息，让知识库更加丰富和完善。
• 可能遇到的问题是模型回答不准确，这可能是因为文档内容不完整或问题表述不清晰。解决方法是补充更多相关文档，或者重新组织问题，使其更明确，从而获得更满意的回答。

通过以上步骤，我们就成功地使用DeepSeek搭建了个人知识库。

结语

在今天的内容中我们介绍了如何借助 deepseek R1 打造个人知识库。

• 方法一：通过ollama安装 nomic-embed-text 文档嵌入模型打造个人知识库；
• 方法二：通过输入DeepSeek R1 的IP地址打造个人知识库；

拥有这样一个知识库，无论是在学习、工作还是日常生活中，都能帮助我们快速获取所需信息，提高效率。它就像一个专属的知识管家，随时为我们提供准确、便捷的服务。赶紧动手试试吧，开启你的高效知识管理之旅！

今天的内容到这里就全部结束了，如果大家喜欢博主的内容，可以点赞、收藏加评论支持一下博主，当然也可以将博主的内容转发给你身边需要的朋友。最后感谢各位朋友的支持，咱们下一篇再见！！！