寫在前面

在上一篇文章中，我們說了怎么在本地部署DeepSeek。對本地部署DeepSeek感興趣的小伙伴看過來。
本地部署 DeepSeek：小白也能輕松搞定！

話說回來了，為啥要本地部署呢？

① 在使用DeepSeek中，經(jīng)常會出現(xiàn)服務器繁忙，請稍后再試。

② 不想讓個人隱私數(shù)據(jù)暴露出去

③ 可以將各種格式的文件，如pdf、csv、txt、md 格式的數(shù)據(jù)投喂給它。比如你想讓 DeepSeek 了解你的公司業(yè)務，就把相關的文檔上傳給它。

DeepSeek 就能吃下你給它的各種“知識大餐”，然后變得更聰明,更懂你

一、RAG是什么？

為了投喂數(shù)據(jù)，我們要用到RAG。首先，我們先來了解下什么是RAG？

我們就問問昨天部署好的DeepSeek好了。

首先我們在命令行輸入：ollama run deepseek-r1:1.5b 命令，啟動DeepSeek

然后打開瀏覽器并輸入快捷鍵：ctrl+shift+l 調出WebUI可視化AI界面

輸入：RAG是什么？

翻譯成大白話就是：我們把知識放到知識庫里，然后把它投喂給人工智能。我們需要用一個量化的工具，把各種格式的數(shù)據(jù)量化給人工智能，讓它能看得懂。

人工智能通過對這些知識的學習后，以后你再問它的時候，他就能將知識提取出來，加工處理后回答你的問題。

RAG 就是讓 DeepSeek 不僅能靠自己的知識庫回答問題，還能通過檢索外部數(shù)據(jù)來增強回答的準確性和豐富性。就好比你考試時偷偷帶了小抄，但 DeepSeek 是光明正大地“作弊”，還能把答案說得頭頭是道。

二、 拉取nomic-embed-text

剛說了RAG是啥？我們需要一個RAG工具來完成量化工作。

各種開源免費的RAG工具挺多，我們這里選擇最近比較獲得ollama 提供的nomic-embed-text。

https://ollama.com/library/nomic-embed-text

我們使用上面圈出來的命令拉取即可，274M，大約1min左右就可以下完，出現(xiàn)【success】字樣表示下載成功。

三、RAG設置

打開WebUI界面，我們會看到一個RAG設置文本嵌入模型。

文本嵌入模型就是把我們投喂的各種文檔數(shù)據(jù)量化成DeepSeek認識的數(shù)據(jù)。

四、添加新知識

工具都準備好后，我們開始準備給DeepSeek投喂數(shù)據(jù)......

① 投喂前不認識曉凡

在投喂數(shù)據(jù)之前，我們問問它認不認識曉凡。結果不用我說了，肯定是不知道的 ??

② 準備投喂的數(shù)據(jù)

接下來，將曉凡事先準備好的關于曉凡的簡介【程序員曉凡.md】文檔投喂給它，文檔內容如下。

③ 投喂數(shù)據(jù)

④ 投喂完成后，已經(jīng)認識曉凡了

五、其他數(shù)據(jù)投喂測試

我們準備一個【學生選課系統(tǒng)接口文檔 V1.1.md】接口文檔

按照上面方法進行投喂

接下來，我們我們讓DeepSeek 用Java語言實現(xiàn)【獲取學生選課信息】這一接口功能

本期內容到這兒就結束了，希望對您有所幫助。

我們下期再見 ヾ(?ω?`)o (●'?'●)

本文來自博客園，作者：程序員曉凡，轉載請注明原文鏈接：http://www.rzrgm.cn/xiezhr/p/18714692