DeepSeek+Cherry Studio+MastercamSDK构建本地二次开发知识库

当下最为火爆的Ai是什么？答案当然是属DeepSeek大模型，提供高效快捷的推理解答，已经开始应用到各行各业，当然，在二次开发领域其独特的推理能力也能发挥其功效，基于本地的DeepSeek搭建个人知识库。使用本地服务，安装嵌入模型，用于将文本数据转换为向量标识的模型。

第一步，安装Ollama，根据自己的系统选择相应的版本即可，可选Windows，macOS，linux等版本。

第二步，安装好Ollama后在终端运行一下命令，以下版本根据电脑性能选其一即可：

ollama run deepseek-r1:1.5bollama run deepseek-r1:7bollama run deepseek-r1:8bollama run deepseek-r1:14bollama run deepseek-r1:32bollama run deepseek-r1:70bollama run deepseek-r1:671b

第三步：安装嵌入模型， 命令行窗口执行下面这句命令，拉取即可

ollama pull bge-m3

第四步：安装 Cherry Studio，首次打开时为英文界面，更改显示语言，按下图所示即可更改为中文界面

第五步，配置大模型数据，根据下图所示5步配置大模型数据。

第五步：投喂数据，本次测试即添加了单一文本文件，也添加了整个文件夹，测试时投喂的数据为MastercamSDK中所有的头文件，此数据的向量化较长，根据电脑的性能不同而不同，添加方法如下：

测试投喂数据结果，通过搜索知识库获得相应的结果，结果表明数据投喂成功：

测试SDK知识库

根据以上测试，可以看到知识库成功建立并向量化。