作者：厦门大学信息学院计算机科学系2023级研究生 黄万嘉
指导老师：厦门大学数据库实验室 林子雨 博士/副教授
部分行业（如金融、医疗、政务等）对数据存储和传输有严格的合规要求，在局域网内部署DeepSeek可以满足监管需求。同时，内网部署 DeepSeek 并使用局域网共享，不仅能够提升数据安全性和服务稳定性，还能满足团队高效协作、合规管控和定制化需求，是团队或企业内部智能化升级的理想选择。
基于此，本文采用Ollama + Open-Webui的方案，实现宿主机本地部署DeepSeek等大模型并构建知识库，其他同一局域网内的用户机可以通过浏览器使用DeepSeek以及宿主机构建的知识库。
基于Cherry Studio实现DeepSeek大模型 + RAG知识库
作者：厦门大学信息学院计算机科学系2023级研究生 黄万嘉
指导老师：厦门大学数据库实验室 林子雨 博士/副教授
Cherry Studio 是一款功能强大的跨平台桌面客户端，专为支持多模型服务而设计，旨在为用户提供高效、便捷的 AI 交互体验。它集成了超过 300 个大语言模型，支持多种主流 AI 服务商（如DeepSeek ），并兼容本地模型运行（通过 Ollama），满足用户在不同场景下的需求。
本文使用到的工具及模型有：
- Ollama：模型部署工具
- DeepSeek R1 1.5b：推理模型，基于Ollama本地部署
- nomic-embed-text：嵌入模型，用于对输入的文件（知识）进行向量化
- Cherry Studio：集成各功能的AI助手平台
通过上述工具和模型，可以构建一个本地的知识库，帮助大模型进行更准确地回复。
基于DeepSeek大模型和Page Assist构建本地知识库
作者：厦门大学信息学院计算机科学系2023级研究生 黄万嘉
指导老师：厦门大学数据库实验室 林子雨 博士/副教授
在构建本地知识库时，通常会结合 Page Assist 和 nomic-embed-text，常见的方案为：
- 使用 nomic-embed-text 模型将知识库文档向量化。
- 当用户提问时，将问题向量化并与知识库中的文档向量进行相似性匹配，找到最相关的上下文。
- 将检索到的上下文输入大语言模型（如 DeepSeek），生成最终的回答
Page Assist提供了一个本地大模型的Web UI，同时也提供了方便的RAG设置，使得我们更快捷地构建本地知识库，基于此，本文采用Page Assist，基于DeepSeek大模型，实现了用户提供本地知识库（.pdf/.csv/.docx/.md），大模型进行更加专业地回复。