利用DeepSeek-R1与RAG（Retrieval-Augmented Generation，检索增强生成）技术可以快速搭建本地知识库。
为确保本地知识库的高效搭建，需先准备DeepSeek-R1模型、相关文档/数据集及部署工具（如Ollama），随后安装Ollama并部署DeepSeek-R1，同时选择并配置文本嵌入模型，最后收集/整理文档并确保其唯一标识符和文本内容，利用文本嵌入模型转换文档为向量以构建快速检索的索引。
一、RAG（检索增强生成）
RAG的核心技术是什么？检索、生成和增强是RAG框架中的三个核心组件，它们相互协作、共同作用于整个框架中，以实现高效、准确、多样化的信息生成和处理。
检索负责从知识库中快速准确获取信息，生成根据检索结果和用户输入生成期望输出，增强则对信息进行额外处理以提高输出质量和多样性。
检索（Retrieval）：负责从知识库中快速准确找到与输入查询相关的信息，通过关键词、向量或深度学习等方法提高检索效率。
生成（Generation）：根据检索到的信息和用户输入生成符合期望的输出，采用模板、序列到序列模型或大型语言模型等技术，并进行后处理和微调以提高生成质量。
增强（Augmentation）：在生成前后对信息进行额外处理或补充，通过知识增强、多样性增强和后处理增强等手段提高输出的质量和多样性。
二、Ollama + RAGFlow搭建知识库
如何使用DeepSeek-R1 + RAG搭建本地知识库？利用DeepSeek-R1与RAG技术搭建本地知识库，需准备模型、部署工具，安装Ollama并配置嵌入模型，整理文档并转换为向量索引，以实现高效检索与生成。
一、Ollama本地化部署DeepSeek-R1
Ollama是一款开源的本地化大模型部署工具，用户可以通过Ollama轻松安装、配置和运行各种开源大模型（DeepSeek-R1）。
通过Ollama官网下载并安装软件，准备DeepSeek-R1模型后，在模型详情页复制运行命令并在终端中执行，完成模型在本地的部署与配置，以便进行交互使用。
下载并安装Ollama： 访问Ollama的官方网站（https://ollama.com/download），根据电脑系统（macOS、Linux、Windows）选择对应的版本下载。 双击安装程序并按照提示完成安装。安装完成后，如果在顶部菜单栏中看到Ollama的图标，即表示Ollama正在运行状态。 准备DeepSeek-R1模型： 在Ollama的官网中，找到并点击“Models”选项。
在搜索框中输入“deepseek-r1”，找到并点击进入DeepSeek-R1的详情页。
选择合适的模型参数版本（如1.5B、7B、14B等），这些参数与模型的复杂度和处理能力相关。
运行DeepSeek-R1模型：
在Ollama的模型详情页中，复制运行模型的命令（如“ollama run deepseek-r1:7b”）。
打开电脑的终端（或命令提示符），将命令粘贴到终端窗口中，并按下回车键。等待安装完成后，DeepSeek-R1模型即可在本地运行。
在RAGFlow系统中，点击上传按钮，选择本地要上传到知识库的文件。
支持的文件格式可能包括常见的文档格式（如PDF、DOCX等）、文本文件等。上传时请注意文件格式的支持情况。
上传完成后，系统将显示文件的相关信息，如分块数、上传日期、解析方法和解析状态等。
在模型提供商配置区域，选择使用的模型提供商（使用DeepSeek模型服务），并将对应的API key粘贴到指定位置。
如果选择搭建本地大模型（DeepSeek），也需要在此处进行相应的配置，确保RAGFlow能够与本地模型进行通信和交互。
等待知识库文件解析完成后，进入聊天界面。
