DeepSeek本地部署、自建数据库

本文将详细介绍如何在本地电脑上部署Deepseek大模型，并搭建基于知识库的私人问答系统。整个过程分为模型部署和知识库搭建两部分，适合个人开发者或企业用户使用。

一、部署Deepseek模型

1. 安装Ollama

Ollama是一个管理和运行开源大模型的平台，支持Deepseek系列模型。

步骤：

  1. 访问Ollama的GitHub仓库，下载最新版本的安装包（如ollama-setup.exe）。
  2. 运行安装包，按提示完成安装。
  3. 安装完成后，在命令行输入ollama，若显示帮助指令则说明安装成功。

2. 下载Deepseek模型

Ollama支持多种模型，包括Deepseek的V3和R1版本。

步骤：

  1. 在命令行中运行以下命令下载模型：
    1
    ollama run deepseek-r1:8b
  2. 下载完成后，运行模型：
    1
    ollama run deepseek-r1:8b
  3. 输入测试问题（如“你好”），若能正常对话则说明模型部署成功。

3. 配置环境变量（可选）

如果需要修改模型默认存储路径或端口，可以配置环境变量：

  • OLLAMA_HOST：设置访问端口（默认11434）。
  • OLLAMA_MODELS：指定模型存储路径（避免占用C盘空间）。

二、搭建知识库系统

1. 安装Docker

知识库系统基于Docker运行，需先安装Docker环境。

步骤：

  1. 访问Docker官网，下载适合系统的安装包。
  2. 运行安装程序，按提示完成安装。
  3. 安装完成后，在命令行输入docker --version，确认安装成功。

2. 配置Docker镜像源（国内用户）

为提高下载速度，建议配置国内镜像源。

步骤：

  1. 打开Docker设置界面，进入“Docker Engine”配置。
  2. 添加以下镜像源：
    1
    2
    3
    {
      "registry-mirrors": ["https://registry.docker-cn.com"]
    }
  3. 保存并重启Docker。

3. 部署知识库软件RegFlow

RegFlow是一个开源的文档理解与问答框架。

步骤：

  1. 克隆RegFlow仓库：
    1
    git clone https://github.com/infiniflow/ragflow.git
  2. 进入项目目录，修改配置：
    • 打开docker/.env文件，将VERSION改为完整版（如`v0.1.9）。
  3. 启动服务：
    1
    docker compose -f docker-compose.yml up -d
  4. 等待服务启动后，访问http://localhost:80，注册管理员账号。

三、连接模型与知识库

1. 配置Deepseek模型

将本地部署的Deepseek模型接入RegFlow。

步骤：

  1. 登录RAGFlow，进入“模型设置”。
  2. 选择“Ollama”作为供应商，添加模型：
    • 模型名称：deepseek-r1:8b（需与Ollama中名称一致）。
    • 基础URL：http://<本地IP>:11434（通过ipconfig获取本地IP）。
    • Token限制：设为较大值（如32892）。
  3. 保存配置。

2. 创建知识库

上传文档并构建专属知识库。

步骤：

  1. 进入“知识库”页面，点击“创建”。
    • 语言选择“中文”，嵌入模型选择默认选项。
  2. 上传文档（支持PDF、DOCX等格式）。
  3. 点击“开始解析”，等待文档解析完成。

3. 创建问答助理

基于知识库构建问答机器人。

步骤：

  1. 进入“聊天”页面，点击“新建助理”。
    • 名称：自定义（如“法律顾问”）。
    • 关联知识库：选择已创建的知识库。
  2. 保存后即可开始提问，系统会从知识库中检索答案并标注引用来源。

四、常见问题

  1. 模型下载慢：尝试使用代理或更换网络环境。
  2. Docker启动失败：检查镜像源配置或端口冲突。
  3. 知识库解析错误：确保文档格式正确，或更换嵌入模型。

五、总结

通过本文的步骤，你可以轻松在本地部署Deepseek大模型，并搭建一个私有的知识库问答系统。这种方式既保障了数据隐私，又避免了网络不稳定的风险，适合对安全性要求较高的场景。

下载Ollama、Docker和RAGFlow，完成DeepSeek本地部署和自建数据库。

我用夸克网盘分享了「OllamaSetup_3.exe」，点击链接即可保存。链接：https://pan.quark.cn/s/c0294f24340b

我用夸克网盘分享了「Docker Desktop Installer_2.exe」，点击链接即可保存。链接：https://pan.quark.cn/s/fcddb32ba57e

我用夸克网盘分享了「ragflow-0.19.zip」，点击链接即可保存。链接：https://pan.quark.cn/s/d99fdc9d5a71

流程参考 https://www.bilibili.com/video/BV1atfQYQE9P/?spm_id_from=333.788.player.player_end_recommend_autoplay&vd_source=177dba61c6e7d670448f4721d5cf5b81

DeepSeek本地简易部署

无需复杂环境配置，快速搭建本地AI知识库

本文将手把手教你如何在Windows系统部署DeepSeek模型并建立本地数据库，让你拥有完全自主掌控的AI助手！

🛠 准备工作

  1. 获取部署包（含DeepSeek模型）
  2. 确保系统盘有10GB+可用空间
  3. 防火墙配置（可选）

🚀 四步部署流程

步骤1：配置核心目录

1
2
将下载的".lmstudio"文件夹放置到系统用户目录：
📍 C:\Users\你的用户名\

步骤2：安装主程序

1
2
3
4
将"LM Studio"文件夹移动到任意位置（建议非系统盘）：
✅ D:\AI_Tools\  
✅ E:\DeepSeek\  
❌ 不要放在Program Files等需要管理员权限的目录

步骤3：启动运行

1
进入"LM Studio"文件夹 → 双击运行"LM Studio.exe"

首次启动将自动检测环境依赖，耐心等待初始化完成（约1-3分钟）

步骤4：模型与防火墙配置

1
2
3
4
1. 基础模型已包含在一键包中，直接可用
	我用夸克网盘分享了「DeepSeek一键包（先用手机转存再下载，以获得超速下载！).rar」，点击链接即可保存。
	链接：https://pan.quark.cn/s/1b64b18a5176
2. 防火墙设置

file-20250605121718888.png

步骤5：导入模型

file-20250605121533276.png