如何给本地部署的DeepSeek投喂数据? 时间: 2025-02-14 17:08 分类: 猿码 热度: 47°C 评论 在上一篇文章中,我们说了怎么在本地部署DeepSeek。对本地部署DeepSeek感兴趣的小伙伴看过来。 ####传送门: **[【教程】本地部署 DeepSeek](https://blog.gaomeluo.com/archives/bushuDeepSeek/ "【教程】本地部署 DeepSeek") [【教程】怎么在Mac(以及iPhone)本地跑DeepSeek R1?](https://blog.gaomeluo.com/archives/bushuDeepSeek-mac/ "【教程】怎么在Mac(以及iPhone)本地跑DeepSeek R1?") [把DeepSeek部署到到WPS上,实现AI赋能](https://blog.gaomeluo.com/archives/DeepSeekWPS/ "把DeepSeek部署到到WPS上,实现AI赋能")** 话说回来了,为啥要本地部署呢? ① 在使用DeepSeek中,经常会出现服务器繁忙,请稍后再试。 ② 不想让个人隐私数据暴露出去 ③ 可以将各种格式的文件,如pdf、csv、txt、md 格式的数据投喂给它。比如你想让 DeepSeek 了解你的公司业务,就把相关的文档上传给它。 DeepSeek 就能吃下你给它的各种“知识大餐”,然后变得更聪明,更懂你 ###一、RAG是什么? 为了投喂数据,我们要用到RAG。首先,我们先来了解下什么是RAG? 我们就问问昨天部署好的DeepSeek好了。 首先我们在命令行输入:ollama run deepseek-r1:1.5b 命令,启动DeepSeek  然后打开浏览器并输入快捷键:ctrl+shift+l 调出WebUI可视化AI界面  输入:RAG是什么?  翻译成大白话就是:我们把知识放到知识库里,然后把它投喂给人工智能。我们需要用一个量化的工具,把各种格式的数据量化给人工智能,让它能看得懂。 人工智能通过对这些知识的学习后,以后你再问它的时候,他就能将知识提取出来,加工处理后回答你的问题。 RAG 就是让 DeepSeek 不仅能靠自己的知识库回答问题,还能通过检索外部数据来增强回答的准确性和丰富性。就好比你考试时偷偷带了小抄,但 DeepSeek 是光明正大地“作弊”,还能把答案说得头头是道。 ###二、 拉取nomic-embed-text 刚说了RAG是啥?我们需要一个RAG工具来完成量化工作。 各种开源免费的RAG工具挺多,我们这里选择最近比较获得ollama 提供的nomic-embed-text。 https://ollama.com/library/nomic-embed-text  我们使用上面圈出来的命令拉取即可,274M,大约1min左右就可以下完,出现【success】字样表示下载成功。  ###三、RAG设置 打开WebUI界面,我们会看到一个RAG设置文本嵌入模型。 文本嵌入模型就是把我们投喂的各种文档数据量化成DeepSeek认识的数据。  ###四、添加新知识 工具都准备好后,我们开始准备给DeepSeek投喂数据...... ① 投喂前不认识XXX 在投喂数据之前,我们问问它认不认识XXX。结果不用我说了,肯定是不知道的  ② 准备投喂的数据 接下来,将XXX事先准备好的关于晓凡的简介【程序员XXX.md】文档投喂给它,文档内容如下。  ③ 投喂数据    ④ 投喂完成后,已经认识XXX了  ###五、其他数据投喂测试 我们准备一个【学生选课系统接口文档 V1.1.md】接口文档  按照上面方法进行投喂  接下来,我们我们让DeepSeek 用Java语言实现【获取学生选课信息】这一接口功能  本期内容到这儿就结束了,希望对您有所帮助。 标签: AI智能
评论已关闭