🌟 零、前言 | 用本地化DeepSeek构建你的智能知识库

你是否想过——

✅ 将个人工作经验沉淀为可检索的智能库？

✅ 让企业知识一键赋能员工/客户？

✅ 用AI搭建24小时在线的智能客服？

本文手把手教你通过4步操作（安装文本嵌入模型→RAG设置→知识投喂→效果验证），用本地化DeepSeek打造专属知识引擎！

（📢 需提前完成DeepSeek本地部署👉DeepSeek本地化部署超简单，比装个office还简单）

一、📥 安装文本嵌入模型：nomic-embed-text
▍为什么需要RAG？

通过文本嵌入模型将知识"翻译"成大模型能理解的数字语言，相当于给AI装上一个"外接大脑"。

▍保姆级安装步骤

1️⃣ 获取模型

访问Ollama官网：https://ollama.com/library/nomic-embed-text

image

2️⃣ 命令行执行

ollama pull nomic-embed-text

（❗需提前安装Ollama环境）
 

image

二、⚙️ RAG核心设置

▍配置要点

设置-RAG设置，在文本嵌入模型中选择【nomic-embed-text】
 

三、📚 知识投喂DeepSeek实战

▍支持格式

✅ PDF ✅ CSV ✅ TXT ✅ MD 等

▍操作案例：让DeepSeek认识【快乐IT】

1️⃣ 初始测试:问DeepSeek【快乐IT是谁】
 

如图所示，本地化的DeepSeek预期中并不认识【快乐IT】：知识库未接入时无法准确回答

2️⃣ 投喂知识

将准备好的《介绍快乐IT.md》文件通过RAG管道注入模型

向DeepSeek投喂内容：
准备以下 内容
 

打开Page Assist，并把刚准备的知识，通过添加新知识上传给DeepSeek：
 

状态显示【完成】代表新的知识已喂养成功：
 

四、🔍 效果验证，测试DeepSeek是否认识【快乐IT】

▍验证方法

再次提问

请描述【快乐IT】的技术领域和内容特色

成功输出.md文件中的定制化介绍

▍通过以上测试，DeepSeek已经可以结合我们刚才投喂的新知识较好的回答【快乐IT】是谁的问题

注：如果还没生效，可以刷新一下页面看看

▍然后，我继续问：

快乐IT他提供什么服务，请问一下他帮我写一段基于.net遍历目录下所有文件并重新命名的代码

五、🔍 总结
1、DeepSeek本地化部署可以参照：
DeepSeek本地化部署超简单，比装个office还简单
2、本文通过Markdown文件把新知识喂养给DeepSeek，通过测试DeepSeek可以结合新知识正常回应，搭建知识库可以参照进行
3、更多内容请关注wx【快乐IT】