背景为什么你需要一个个人知识库？ 在日常工作和学习中，我们常常会积累大量的文档、代码、笔记等资料。如果没有一个统一的存储和检索系统，这些资料很容易变得杂乱无章，查找起来费时费力。 别慌，这次我们用DeepSeek快速搭建自己的个人知识库，实现本地上传文档，量化成知识库，通过智能助手快速回复。
主要目的：
前言上一篇 《3分钟搞定DeepSeek本地化安装部署，小白也能看懂！》主要介绍DeepSeek本地化部署，说实在的，个人电脑16GB内存+10G GPU. 运行14b 大模型，还是相当卡。因此搭建知识库时不建议本地化部署。当然个人为了数据安全，可以选择。 本文主要介绍，网页版DeepSeek搭建知识库。 演示效果 搭建知识库1、下载安装 Cherry Studiohttps:///download.html  如果存在报错，我将对应的安装包放在了网盘中，可以直接取网盘下载。 无脑安装，比较简单，这里不在赘述。 2、知识库教程官网介绍了MacOs版本的教程， 详细步骤可参考：https://docs./advanced-basic/knowledge-base 为方便读者使用，这里作者给出Windows版本的详细教程。 实现步骤 1、添加对话模型
2、登录/注册「硅基流动」 登录地址：https://cloud./  新用户注册即送2000万Tokens。如果你是新用户不需要购买，直接按照教程操作 3、点击此处，生成API秘钥 可直接跳转到和1登录/注册「硅基流动」的地址，先登录注册（如果操作了1 请忽略）  4、生成并复制 API秘钥  5、配置API秘钥 回到Cherry Studio，配置API秘钥，点击右侧检查，选择对应模型  注意：最好检查一下，要不后边报错连接失败 现在有了R1会话模型，我们需要添加一个嵌入模型。
对话模型就是能和人聊天的模型。 比如你问一个聊天机器人“今天天气怎么样？”它会回答“今天天气很好，适合出门。”它的任务就是根据你的问题，生成一个合适的回答。
嵌入模型是把文字变成数字向量的模型。这是生成知识库的内核 例子：比如“苹果”这个词，嵌入模型会把它变成一个数字向量，比如 [0.1, 0.2, 0.3]。如果“苹果”和“水果”语义相近，它们的向量也会很接近，比如 [0.1, 0.2, 0.3] 和 [0.12, 0.21, 0.31]。这样，计算机就可以通过向量来理解它们的关系。 6、添加嵌入模型 我们使用免费的BAAI/bge-m3测试使用  添加一个嵌入模型 这个不需要API秘钥。 现在有了我们选择的嵌入模型，接下来创建知识库。 7、新建知识库
8、添加文件并向量化 9、添加助手并配置对应模型
10、对话中引用知识库生成回复 11、验证效果 可以看到和本地文档中的内容一样 小结
你的 <<< END >>> 文字丨微微一笑 （源于新技术的探索） 芝兰生于幽谷，不以无人而不芳 |
|
|
