结合Deepseek，喂养你自己的本地知识库！

一、写在前面

前些日子写了一篇关于 Deepseek-R1 本地部署的文章

反响平平

可能对大家来说，这个本地部署的意义并不是很大，上篇文章已经写完了，但是有部分数据可能缺失，这里先给补充一下，毕竟两篇文章是互补的关系。

评论区有人问到各个模型量级所对应的系统配置需求，这里统一回复一下：

ollama run deepseek-r1:5b（建议4G-8G显存)

ollama run deepseek-r1:7b（建议8G显存)

ollama run deepseek-r1:8b（建议8G显存)

ollama run deepseek-r1:14b（建议12G显存)

ollama run deepseek-r1:32b（建议24G显存)

ollama run deepseek-r1:70b(建议32G以上显存）

大家可以根据自己的实际情况进行配置啦！

二、本地部署的意义

以目前 AI 发展的程度，以我纯主观的判断，对于个人来说，最最重要的功能就属你的私人知识库了，因为确实有些数据是无法上传公网投喂给 AI 的，里面可能涉及到一些私人信息或者说你的个人风格，AI 的模仿能力我相信但凡你看到这儿的应该都能清楚。

没有人希望互联网上出现第二个你吧

听起来是不是挺恐怖的？所以保护好私人数据啊！

话不多说，直接上干货！

三、利用 AnythingLLM 搭建本地 AI 知识库

首先打开 AnythingLLM 的官网下载安装包，很多人推荐 Docker 的安装方式，这个其实看个人需求了，本次教程为 Windows 下的安装与使用。

网站是纯英文的，没有中文界面，但是也没有复杂的信息，直接点击 Download for desktop 即可，受限于网络原因，下载可能会比较慢，静静等待即可。

下载完成后点击安装包进行安装，一路下一步即可，无需复杂配置。

安装完成后双击打开

配置新工作区

命名随意

点击工作区齿轮旁边的上传按钮，将你自己的知识文档进行上传

直接将文档拖放至此，上传完成后勾选文档，并点击 Move to Workspace

之后点击下方的 Save and Embed 即可

错误

你可能会看到如下错误信息

Forbidden access to file: "https://cdn.useanything.com/support/models/Xenova/all-MiniLM-L6-v2/tokenizer.json

不要着急，这里需要联网获取分词数据，就意味着你需要链接国际互联网，局域网是不行的

连好之后，就会出现如下成功提示

这时候，你的知识库信息就被记录完成了

问答

关闭上传页面，回到工作区，点击齿轮按钮，将聊天设置中的聊天模式设置为查询。

建立新的聊天试一下

唉？怎么这样？

别急，回到上传页面，ding一下你刚刚上传的文档

再回来试试

好像成了啊，不过这个貌似也可以在互联网查询得到，换个问题

呦！呦！呦！没问题了，对比下互联网数据

确实是我上传的信息，至此，你自己的知识库就已经搭建完成了

最最重要的是，它可以模糊搜索，你只需要平时收集数据就好了，他会负责吃掉你的所有知识，然后慢慢消化，并时刻准备着反哺给你，是不是很Nice！

四、尾巴

AI 对于人类文明的意义还比较模糊，但是目前来看，他确实可以在最大程度上解放人类的重复性脑力劳动，它只需要一些简单直白的文字就可以把你所需要的信息表述出来。

虽然有时候，它的回复可能有些无厘头，但是当他拥有了记忆之后，他将会比这世上任何一种东西都了解你，清楚你的想法。

合理使用AI

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～