DeepSeek R1 个人 AI 知识库搭建指南
最近关于如何本地部署 DeepSeek 搭建个人知识库的咨询较多。目前 Ollama 等工具提供的多为蒸馏版本，虽然性能有所提升，但与官方满血版（671B 参数）相比仍有差距。对于非涉密数据且追求最佳效果的用户，推荐 API 方案；对于算力充足或需保护数据安全的情况，可选择本地部署。
一、知识库使用效果
借助个人知识库文件作为外脑，AI 可基于文档内容指导操作或回答问题，而非仅依赖自身语料库。
通过配置提问指南，AI 能预判问题并建议正确的提示词格式，从而发挥最大价值。
支持直接提问精准搜索知识库原始信息，实现快速查询。
二、API 搭建知识库
如果本地数据不涉密，建议使用满血的 DeepSeek R1 模型（671B）。
1. 准备工具
下载 Cherry Studio 软件：
2. 获取 API Key
登录硅基流动平台，新用户通常赠送 Token 额度。
在 API 密钥生成界面创建或复制已有密钥。
3. 配置模型
在 Cherry Studio 中配置 API Key，并在模型广场选择「硅基流动」发布的 DeepSeek R1 V3 模型。如需推理能力，请复制模型名称。
在模型服务下方添加 R1 模型，点击检查测试 API 访问是否正常。
4. 配置嵌入模型
RAG 技术需要向量模型将文件内容转换为数字存储到向量数据库。建议配置 BAAI/bge-m3 模型以获得更高搜索精准度。
按同样方式配置到 Cherry Studio 中。
5. 创建知识库
在 Cherry Studio 创建知识库，选择刚才配置的嵌入模型，系统会自动向量化数据。 上传本地文件进行向量化。若 PDF 为扫描件、手写件或含复杂表格公式，解析效果可能较差，建议配合 PDF 转结构化文档方案处理。
向量化成功后，图标会显示相应状态。
6. 测试使用
添加助手并选择刚配置的满血 R1 模型，可将其设为默认模型以便直接使用。 测试发现 DeepSeek 开始深度思考，回复内容与原文一致。
三、本地部署搭建知识库
适合简单体验、本地算力充足或希望保护数据安全的场景。
