deepseek-r1本地部署和企业知识库搭建

1.登录Ollama官网，点击下载安装包

亲测需要科学上网才能开始下载。

 

得到下面的安装包。

 

安装包下载完毕之后，点击，再点击install，会出现下面这样的安装进程，默认C盘且无法更改安装地址 。

 

安装之后，电脑右下角会出现图标，如果不放心可以在CMD窗口输入ollama查看是否安装成功。

此时键入ollama list还是没有出现任何东西的。

2.接下来需要配置环境变量：

3.回到Ollama官网，点击Models，选择deepseek-r1模型

 

复制下面的指令，并粘贴在CMD窗口

此时黑窗口就会开始下载r1模型

显示success之后，再键入ollama list就会有如下显示：

我这里更推荐下载下面带版本号的蒸馏模型，方便后续搭建知识库的时候引用

初体验：deepseek-r1给我的初感觉像是个刚学会说话的孩子，和chatgpt最大的使用区别就在于会把思考的过程也事无巨细呈现出来，两段式的回复使其更具拟人的色彩。

4.安装和搭建知识库软件

4.1安装Docker

在Docker官网下载安装包

记得添加国内镜像

下载完成docker之后保持docker桌面软件的打开状态。

4.2 下载ragflow

随便找到一个空文件（如 D:\ragflow），打开文件夹然后右键打开git Bash并使用下面的代码，进行git克隆（前提是已经下载并安装好git Bash）

注意：Git拉取代码前，可能需要先配置Git代理

此时会得到下面的项目文件

进入 docker 文件夹，利用提前编译好的 Docker 镜像启动服务器：打开黑窗口

Docker拉取镜像

修改镜像为国内镜像并且选择embedding版本

如果下载是全量的RAGFlow镜像，会带有嵌入模型，可以按图中选择；另外也可以添加自定的嵌入模型，方法同前面的模型提供商设置

修改文件docker/.env/

默认配置为：RAGFLOW_IMAGE=infiniflow/ragflow:v0.17.0-slim

修改为国内镜像(全量镜像)：RAGFLOW_IMAGE=registry.cn-hangzhou.aliyuncs.com/infiniflow/ragflow:v0.17.0

使用 docker-compose.yml 启动项目，并在后台运行

注意：首次执行docker compose时可能时间会很长，因为要拉取部署ragflow所依赖的docker镜像，所以耗时比较长

容器启动后的容器实例

服务器启动成功后再次确认服务器状态：这条代码的作用是查看 ragflow-server 容器的日志，并实时更新输出

出现下面的图标，代表服务器启动成功

RAGFlow部署后默认的端口为80，打开浏览器输入地址:  http://localhost 

注册一个账号并登录。

4.3配置模型

在rag界面点击右上角的头像，左侧找到模型提供商

在待添加中选择Ollama或者deepseek，我这里选择的是ollama，根据自己下载的模型名称，添加LLM

点击右上角系统模型设置完成模型设置。

4.4 搭建知识库

回到主界面，点击知识库并创建

这里的解析方法，需要根据自己的使用场景，自己选定，比如general方法支持的文件格式为DOCX、EXCEL、PPT、IMAGE、PDF、TXT、MD、JSON、EML、HTML。此方法将简单的方法应用于块文件：

• 系统将使用视觉检测模型将连续文本分割成多个片段。
• 接下来，这些连续的片段被合并成Token数不超过“Token数”的块。

搭建完知识库之后，再次点击进去，准备添加知识库文件，例如，我现在创建一个txt文本，自定义了一个概念，模拟企业级别的概念应用。

4.5测试

点击：聊天->新建助理，设置自己的聊天机器人

有了聊天助理之后，点击新建聊天。

如下，当我问及某概念的时候，它就会从数据库中提取相关信息，用deepseek-r1模型进行回答

4.6 关闭服务器

关闭ragflow服务器

像下面这样，它会关闭 docker-compose.yml 里所有的容器，但不会删除数据卷和网络

4.7重启服务器

重复上面的3个步骤

 

 

浏览量: 1