【知识库特性增量】 DeepSeek-R1 模板支持 bge-m3 embedding model

为什么知识库需要Embedding Model？

通过询问 DeepSeek-R1 得到如下回答：

Embedding 模型的核心价值在于将非结构化文本转化为数值向量，解决语义理解与计算效率问题：

语义编码：通过向量空间捕捉上下文关联，区分多义词、同义词；如：

问题：用户搜索“苹果”，需区分“水果”还是“品牌”。

Embedding 作用：

  -“苹果手机”的向量会接近“iPhone”“智能手机”；

   -而“红苹果”的向量会接近“水果”“香蕉”“维生素”。

结果：搜索“苹果”时，优先展示手机或水果，取决于用户历史行为（如点击电子产品）。

高效检索：支持近似最近邻（ANN）算法，降低海量数据匹配复杂度；

场景：某电商平台有 1 亿商品描述，需实时匹配用户查询“适合露营的轻便帐篷”。

传统方法：关键词匹配“露营+轻便+帐篷”，可能漏掉“户外超薄遮阳篷”。

Embedding 方案：

    -将查询和商品描述转为向量；

    -使用 ANN 库（如 FAISS ）在毫秒级返回

Top100 相关商品，覆盖语义相似但关键词不匹配的结果。

 AI 基础设施：支撑 RAG 、多模态搜索、迁移学习等任务，替代传统关键词匹配与人工规则。

场景：客服机器人回答“如何清洁帐篷上的污渍？”

流程：用 BGE-M3 将问题编码为向量；

 -从向量数据库检索《户外用品保养指南》中相关段落；

 -将检索结果输入大模型（如DeepSeek-R1），生成步骤清晰的回答。

优势：避免大模型虚构答案，提升可信度。

与传统方式相比具备优势

图片

图片

为什么选择 bge-m3 Embedding 模型？

根据了解，BGE-M3 模型是当前领先的多语言 Embedding 模型，在 MIRACL、MKQA 等基准测试中排名第一，支持 100+ 语言，具备三大特性：

1.多语言性：覆盖 194 种语言训练，跨语言检索效果显著；

2.多功能性：统一支持密集、稀疏、多向量三种检索模式；

3.多粒度性：支持最长 8192 tokens 输入，适配长短文本。其训练采用知识蒸馏与高效批处理技术，结合 1.2 亿文本对与合成数据优化性能。

并且腾讯云其他 AI 应用中该模型使用的也较为广泛。本次，Cloud Studio 在DeepSeek-R1 模板中内置了 BAAI/bge-m3。希望给知识库玩家带来更加准确的召回效果，让工具更加实用。

图片

图片

如何在 CloudStudio DeepSeek-R1 模板中设置 bge-m3

步骤一 ：

进入 Cloud Studio DeepSeek CPU 模板，唤起内置 Open-WebUI 或 AnythingLLM 组件。进入网站：

https://ide.cloud.tencent.com/dashboard/

点击任意 DeepSeek CPU 模板进入工作空间, 唤起 Open-WebUI 或 AnythingLLM， 即刻拥有完全属于个人的知识库。相对于本地搭建 RAG 知识库，体验门槛直线降低！

图片

进入工作空间后，默认唤起 AnythingLLM  （4001端口），点击图中 icon ，进入浏览器全屏模式

图片

点击左下角【设置】

图片

进入【人工智能提供商】-【Embedder首选项】，在【嵌入引擎提供商】处选择“Ollama”，随后在下方【Ollama Embedding Model】处选择“bge-m3:latest”。

选择完毕后点击【保存更改】

图片

步骤二：

创建【工作区】即可开始进一步构建知识库进行对话。这里重复介绍一下如何创建和设置知识库进行对话。

上传文档

在聊天界面中，用户可以创建多个工作区。每个工作区可以独立管理文档和 LLM 设置，并支持多个会话（Thread），每个会话的上下文也是独立的。

图片

点击上传图标，可以管理当前工作区的知识库。以本地文档上传为例，用户可以管理已上传的文档，并通过下方的上传按钮或拖拽方式上传新文档。

图片

导入完成后，用户可以在 【Documents】 界面选中文件，并点击 【Move to Workspace】 将其添加到工作区。

图片

添加到工作区后，点击 【Save and Embeded】，将文档内容转换为向量检索所需的嵌入数据结构。

图片

聊天模式

将文档添加到工作区后，用户可以通过设置聊天模式调整 DeepSeek-R1 的回复方式，在【工作区LLM提供者】处可选用 DeepSeek-R1模型类型，比如 7b 。

聊天模式：聊天 将提供 LLM 的一般知识 和 找到的文档上下文的答案。

查询模式：查询将仅提供找到的文档上下文的答案。

图片

在聊天窗口中，用户可以直接提问。deepseek-r1 会基于文档内容生成答案，并标注答案来源。

最后，我们来看看效果。

以 AnythingLLM 为例，在传入《微短剧行业深度分析报告》、与《 AIGC 与微短剧的结合》两份资料后，模型通过识别后者给出了相应的总结。

图片

图片

加入 Cloud Studio 自媒体特权计划

我们推出针对为 Cloud Studio 宣传的自媒体特权计划，招募长期合作的内容创作者，创作者将永久被授予 20000 分钟/月的基础版 GPU 使用配额。

20000分钟（333小时） 8+TFlops 算力、16GB+显存 的使用配额！什么概念！

可以系统化地利用 DeepSeek R1 模型实现从模型优化到实际落地的完整闭环。可生成数十万 10 万条营销文案、可提供稳定的高并发实时 API 服务。

心动吗？

还等啥呢？！

快来体验吧！！

参与方式

扫码联系工作人员进行登记初审：

图片

入选标准

- 拥有自媒体账号，且输出稳定

- 过往具备 Cloud Studio 相关分享经验，且具备干货内容

- 长期使用 Cloud Studio 进行工作、学习

希望创作者

1.  在 ide.cloud.tencent.com 平台上使用 DeepSeek 相关模板

2.  将实践经验以视频或文章的方式发布到任意媒体渠道（包括但不限于B站、抖音、小红书、个人博客等）。实践内容包含但不限于模型推理、创建知识库、构建个人应用等。每月至少分享两次。

注意：我们鼓励原创和真实，请不要抄袭、搬运他人内容。