用本地AI打造个人知识库：DeepSeek + Cherry Studio 实战指南

本地部署 deepseek，轻松上手个人 AI 知识库

经常看我的朋友都知道，我其实做了很多有关软路由或者虚拟机相关的教程。在教程的制作中，一个合适的Markdown 笔记管理软件，是必不可少的。 从开始到现在，基本上积攒了上百篇素材。

正好趁着现在大火的推理模型，来看一看，是否满足我日常查找的需求（不满足？）

硬件准备

丐版 mac mini m4 去年国补的时候 4198 入的万兆款。

软件准备

• ollama

• cherry studio 这两个软件都是 win/mac 双版本，有很好的可视化界面，ollama部署可能只需要一条命令，deepseek 出这么久了，部署的话，大家应该都很容易上手，我这里在特别说明一下，方便第一次上手本地部署的朋友。

所用模型

推理模型：deepseek-r1:8b 基本上这个模型还是非常流畅的 20token/s,14b参数的丐版 mac 也能跑，速度减半。使用下来，感觉两个模型，基本上对我的文字总结来说，大差不差，都可以用。

嵌入模型：bge-m3 这个模型据说对中文支持较好，使用下来总体还可以，用来负责对我的文档进行拆分，方便模型去理解。

模型部署

安装 ollama 后，打开终端，输入以下两个命令

ollama run deepseek-r1:8b

ollama run deepseek-r1:14b

如果配置比较高的话，推荐部署更多参数的模型。

最后的一点可能下载有点慢，大家耐心等待 在安装完成后，可以直接对话，可以看到，本地 deepseek 已经部署成功了。

嵌入模型部署

ollama pull bge-m3

AI 知识库搭建

这里采用Cherry Studio，中文非常友好，而且上线了知识库功能，支持直接引用本地文件夹。

选择模型

在模型选择上，除了本地的 ollama 以外，其他我全部都不勾选。

添加模型

如果这里你在 ollama 中添加了多个模型，这里也会显示多个模型

添加完成

知识库添加

因为obsidian 的md 格式文档，基本直接引用整个文件夹，速度还是很快的。

知识库选择

引用完成后，需要在对话助手中，将引用的知识库勾选上。

真实模拟

这时候，就可以看到，已经将我的知识库应用到回答当中了。

至此，初级的个人 AI 知识库已经搭建完毕了。 想折腾的可以玩玩，但是真用的话，还是建议直接使用官方的 api。 以上

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～