前言 （个人测试结论）

本贴 是在本地部署Deepseek的基础上进行的，部署方法见上一篇帖子win11部署本地deepseek-r1，chatbox，deepseek联网（谷歌网页插件）。

想要获得自己的私人助手，需要喂相关的知识（RAG），这就需要建立知识库

建立知识库 需要先有一个量化工具（nomic-embed-text）。

ds的模型越大，回答的越理想。因设备条件差，只能用1.5b的进行测试。

方法一、在谷歌插件Page Assist中投喂数据，较为方便。大pdf可以成功，但是回答的不理想。

方法二、AnythingLLM可以使用pdf、文本、音频、视频（音频、视频我没测试）.

注意：刚测试发现pdf的质量 也影响测试结果，扫描的pdf教材之类的影印书籍，他在转化RAG的时候可能就存在问题了。所以影印书籍不适合投喂学习。

!!我发现用Cherry Studio调用api 。对添加的只是库操作，满血ds回答问题。

参考：Cherry Studio搭建本地知识库，让DeepSeek R1发挥最大实力，彻底告别硬件限制！

对于知识库不涉密，本地电脑配置跟不上的朋友，最适用！

法一、在Page Assist建立知识库

step1 下载nomic-embed-text

ollama官网->models->nomic-embed-text

cmd进终端输入（依然默认进了系统盘）

ollama pull nomic-embed-text

下载完成，进Page Assist的设置->RAG设置->文本嵌入模型：nomic-embed-text

我下了几次，前几次都下完没显示success，只有跳success后，

step2 加载进Page Assist

刷新Page Assist的设置页面，文本嵌入模型 才会有显示

step3 添加知识

管理知识->添加知识

我添加了一篇论文，进行测试，添加后，稍等一下，状态就会变成已完成。

step4 对话框添加知识库

回到首页，添加知识库，

方法二、在AnythingLLM建立知识库

在本地已经部署deepseek的基础上进行。

还需要先去下载一个下载nomic-embed-text。

参考视频：【AI】如何用RAG投喂数据给你的deepseek？

参考：Ollama结合Anything LLM搭建本地AI大模型

准备工作

1.下载nomic-embed-text

ollama官网->models->nomic-embed-text

cmd进终端输入（依然默认进了系统盘）

ollama pull nomic-embed-text

下载完成，进Page Assist的设置->RAG设置->文本嵌入模型：nomic-embed-text

我下了几次，前几次都下完没显示success，只有跳success后才是真的成功。

2.下载AnythingLLM

下载地址：AnythingLLM

安装速度 比想象中的慢 ~ 很 ~ 多 ~

安装后，经过一大段导航（不停的点下一页），进入页面。

3.创建工作区，进行设置

3.1 聊天设置设置

聊天设置选择ollama,deepseek。

然后要拉到最下面点“Update workspace”

3.2 向量数据库

向量数据库 ：喂给ds的文档，他会变成向量，向量的大小

暂时不设置

3.3 代理配置

选择ollama,自己之前部署的模型，然后点== “Update workspace”==

4.进入软件设置

设置完模型，还需要一个能够把”文本转变成ds读取的向量“的模型。所以需要回到大的设置

顺手修改下ds思考的语言。

4.1 向量数据库

用默认的LanceDB就行

4.2.嵌入首选项

选择ollama, nomic-embed-text。点击保存

上传文档

上传60多兆的pdf教材，报错了（我怀疑是 要修改下读取的参数值，我先试试）。

上传几兆的文献成功了。

点：save and embed

测试