前几天，分享了一个本地部署 DeepSeek-R1 的方法：在本地部署 DeepSeek-R1：使用 Ollama 和 Open WebUI 的详细指南
今天来讲讲，本地部署DeepSeek的一个重要应用场景：搭建AI知识库。
知识库的好处
- 数据安全与隐私保护：数据存储在本地电脑上，保护数据安全和个人隐私，对企业尤为重要。
- 垂直领域知识：通用大模型（比如ChatGPT）往往缺少特定领域的知识，每次提问前都需要提供背景信息并上传相关资料，以获得相对高质量的回答。而使用本地模型+知识库的方式，简单提问便能得到精准的定制化高质量回答。
- 知识积累：使用时间越长，知识库越丰富，回答质量越高，从而形成正循环。
- 离线使用：不需要联网，即使官方服务宕机或断网也能正常使用。
安装 Dify
Dify 是一个快速搭建 AI 应用的项目，支持创建 AI 聊天机器人、自动化客服等。本篇主要讲解如何用 Dify 搭建私人化知识库。
在本地找一个不包含中文的目录，进入 CMD 窗口，执行命令下载 Dify 项目：
git clone https://github.com/langgenius/dify
cd dify/docker
# 复制环境配置文件并重命名
copy .env.example .env.env 是 Dify 的配置文件，保持默认配置即可。
启动 Docker，执行以下命令运行 Dify：
docker compose up -d
项目启动后，打开浏览器访问：http://127.0.0.1/apps/
首次进入需要设置管理员账号，并登录进入系统。
Dify配置
配置分为两个步骤：添加模型和添加知识库。
在页面右上角头像处点击设置 -> 模型供应商，选择 Ollama，点击【添加模型】。
配置如下参数：
- 模型类型：LLM
- 模型名称：deepseek-r1:7b （根据电脑配置选择1.5b/7b等）
- 基础URL： http://host.docker.internal:11434
其余参数保持默认。
接下来，配置向量化模型 Nomic-Embed-Text，它具备强大的长上下文处理能力。运行以下命令下载：
ollama pull nomic-embed-text
同样的方式，在 Ollama 下添加模型，参数如下：
- 模型类型：Text Embedding
- 模型名称：nomic-embed-text:latest
- 基础URL： http://host.docker.internal:11434
其余参数保持默认。
保存后，就完成了两个模型的添加，效果如下图：
配置知识库
接下来，配置知识库。在首页切换到 知识库 菜单，创建一个知识库。
数据源有三种选择：导入已有文件、同步自 Notion 内容、同步自 Web 内容。这次搭建的是一个本地离线知识库，选择导入已有文件，点击【下一步】。
在检索设置中选择 【混合检索】，其他参数保持不变，保存并处理。
稍等片刻，知识库就设置完成了。
使用知识库
知识库建成后，该如何使用呢？
回到首页，切换到 工作室 菜单，点击 创建空白应用。
应用类型选择 聊天助手，填写应用名称和图标。
点击 创建，在下方的上下文栏设置知识库。
点击 添加，在弹窗中选择刚刚创建的知识库。
设置完成后，即可发布使用。右上角点击【发布】 -> 【更新】 -> 【运行】。
运行后，页面自动跳转到对话页面，一个自带知识库的 AI 聊天助手就完成了。
来测试下。由于大模型没有自我意识，它对自己不了解。
提问“what is DeepSeek V3？”
官方的回答可能很简单，而包含 DeepSeek V3 论文知识库的本地模型，它的回答则会非常准确且详细，即使这个问题非常简单，也不需要联网搜索。
效果立竿见影！
通过以上流程，您可以轻松地搭建一个本地的、个性化的 AI 知识库，为工作和学习提供更高效的支持。