知识库（Knowledge Base）是一个存储和管理知识的系统，通常包含结构化和非结构化的信息，用于帮助用户或系统快速查找和获取相关知识。
你可以把它想象成一个“知识仓库”，里面存放着各种有用的信息，比如文档、常见问题解答（FAQ）、数据库、规则、案例等。
举个栗子：
假设你是一名技术客服人员，客户问你一个关于某个产品的问题。 如果你有一个完善的知识库，你可以直接在知识库中搜索相关产品的使用说明或常见问题解答，快速找到答案并回复客户。 如果没有知识库，你可能需要去问同事或查找一堆文档，效率会低很多。
搭建个人知识库不仅能提升工作效率，还能促进持续学习和团队协作，对个人职业发展和团队知识管理具有长远意义。
1. 知识系统化
2. 提升效率
3. 持续学习
4. 团队协作
如果想要搭建知识库，这里我们又不得不提到另外一个词——RAG.
RAG（Retrieval Augmented Generation，检索增强生成）是一种让大语言模型（LLM）变得更聪明的方法。
简单来说，它通过给模型提供一个外部的“知识库”，让模型在回答问题时可以“查资料”，从而给出更准确、更相关的答案。
举个栗子：
想象一下，大模型就像一个学生，而RAG系统就是一本字典。 当学生遇到不懂的问题时，他可以翻开字典查找相关的解释，然后再根据字典里的内容回答问题。 这样，学生不仅能回答得更准确，还能避免“瞎编”答案。 那么，当大模型遇到不懂的问题时，他也可以查字典，也就是RAG系统。
这里，我先贴出一个 RAG 的运作流程图。
好了，废话不多说，接下来就带大家具体实操了，
如何用DeepSeek + Ollama + Cherry Studio在本地搭建私有知识库。
（1）硬件: 公司标配的办公电脑 Apple M3 Pro 36GB
（2）软件：cherry studio v0.9.21 下载, ollama 下载
（3）基础模型为：deepseek-r1:7b （ollama 内置下载）
（4）嵌入模型为：bge-m3 （ollama 内置下载）
官网直接下载安装，毋庸赘述。 cherry studio v0.9.21 下载
那么，这里又分为两种方式
好处： 可以实现本地部署DeepSeek模型 + Embedding模型，免费、安全
坏处： 受到本地电脑配置的限制，只能使用蒸馏版，推理能力远不如满血版，本文以 DeepSeek R1 7B 版本为例。
好处： 不用本地部署，可以使用完整的模型服务
坏处： 调用云端的模型服务需要一定的费用，但是也不贵。比如硅基流动，不过实测最近硅基api很卡，有时比 ds 官网还卡。
因为我自己搭建的知识库会用到很多内部资料，出于安全性考虑今天我们重点介绍的是第一种方式———使用Ollama工具本地运行 DeepSeek R1 ，借助Cherry Studio嵌入本地资料，搭建本地私有知识库。
本地安装 ollama 并下载需要的模型。 官网下载ollama 下载 并安装后，打开任意终端， 如图输入以下两个命令来下载并运行 deepseek-r1 和 beg-m3，基础模型为deepseek-r1:7b， 嵌入模型为bge-m3， 需要联网下载，时间会比较久， 耐心等待提示成功即可。
ollama run deepseek-r1:7b
运行 deepseek-r1 成功后，可以再终端进行问答测试
ollama pull bge-m3
如图，在 Cherry Studio 设置页面配置模型服务，选择 Ollama， 模型选择弹窗中选中 deepseek-r1:7b 和 bge-m3:latest
配置模型成功后应该如下图所示，也可以点击 check 按钮进行验证。
在Cherry Studio 知识库配置页卡中，按照自己的需要新建【知识库】，嵌入模型选择【bge-m3:latest】， 然后上传知识库素材，可以添加文档(支持pdf/doc/xlsx/ppt/txt/md 等)，也可以添加目录（这个极其方便）、网站等，添加完以后出现绿色的对号，表示向量化完成。
添加素材完成后，可以使用【搜索知识库】进行测试验证，如下图所示，我这里提供的素材是 clb 串流原理的文档，所以提问了【clb为什么会串流？】。模型会根据知识库中的素材进行回答，并标注来源和匹配度等。
经过上面的步骤，我们的大模型和个人知识库其实已经搭建好了， 后续有新的素材可以重复步骤四补充进去，让知识库越来越丰富。接下来就是通过Cherry Studio 提供的聊天助手来更加方便的使用我们的知识库了。
如图可以使用默认的聊天助手，也可以新建一个自定义的聊天助手，选择本地模型和知识库， 这样默认这个聊天助手所有的问答都会参考我们的知识库资料。同理也可以搭建多个知识库和多个聊天助手，满足不同的使用场景。 其实 Cherry Studio 中已经默认配置了很多助手，比如产品助手、运维助手、软件开发助手等等，大家可以按需使用。
当然也可以在聊天页面，选择使用哪个知识库进行推理，或者不使用知识库，让大模型基于通用知识进行推理。
好了，到这里相信你已经拥有了属于自己的知识库和智能助手， 预祝你可以在 AI时代，更加智能和高效的工作。
另外，受限于工作机配置原因，我们这里使用的是 ds-r1:7b 版本，如果想要使用满血版的 deepseek 可以参照步骤二中的方式一使用付费服务或者自己购买千寻云 HAI进行部署。如果需要使用其他大模型，部署步骤和 deepseek 类似，可以根据自己的电脑配置，酌情选择。
历史上，C语言没有淘汰汇编工程师，而是让他们转向嵌入式开发；云计算没有让运维消失，而是催生了DevOps专家。
AI时代程序员的生存法则：
正如DeepSeek-R1在解答数学难题时需要172秒的深度思考，程序员真正的价值，在于在混沌中定义问题边界的能力——而这正是AI至今未能突破的"人类智慧结界"。
记住：淘汰你的从来不是AI，而是会用AI的其他程序员。
