一、所需资源
程序
-
Ollama
-
Cherry Studio
模型
-
deepseek-r1
-
bge-m3
知识
-
你的学习笔记
二、Ollama及模型安装
我们去ollama官网下载该模型部署工具，访问以下链接。
https://ollama.com/download
选择对应的版本进行下载。
下载完成后双击安装即可。
我们再访问以下链接，选择适合自己的DeepSeek模型进行下载。
https://ollama.com/library/deepseek-r1
左侧红框处进行模型规格选择，这里根据自己显存的实际大小进行选择，普通Windows笔记本建议选择 7b模型，我的是36G统一内存的mac，这里选择32b。
点击右侧红框进行复制安装命令即可，我们粘贴到命令行执行自动下载。
如果下载进度一直卡在90%多，我们可以 ctrl+c 停止下载，然后再运行下载命令即可
下载完成后会自动调用模型对话，在命令后面加上参数 --verbose 即可查看每秒token数，衡量反应数度。
然后我们运行以下命令，下载 bge-m3 嵌入模型，用于将我们的笔记向量化，供 DeepSeek模型解读。
ollama pull bge-m3 三、Cherry Studio及模型配置
我们可以通过上面的方法，利用Ollama在命令行与模型互动，但这种方法不够美观方便，我们这里使用Cherry Studio客户端接入本地Ollama的api进行调用，访问以下链接
https://cherry-ai.com/download
根据自己系统版本选择安装
下载完成后我们依次点击右下角设置，选择 Ollama，点击管理，添加我们刚才下载的模型，并在右上角勾选使用该服务。
我们选择调用deepseek-r1:32b以及bge-m3:latest
四、构建知识库
我们点击左侧知识库图标，名称自拟，模型选择刚才下载的 bge-m3 模型。
添加成功后，我们便可以对知识库投喂数据，我们可以选择单独的文件或者目录，我这里选择的是保存笔记的文件夹，在选择之后红框处便会开始转圈，进行向量化，出现✅号后，代表知识库构建完成。
在构建完成后，我们可以对自己的笔记进行简单的检索。
我们再返回主页，添加知识库助手，写入以下提示词进行优化，提示词有点长，访问以下链接进行复制。
https://github.com/richards199999/Thinking-Claude/blob/main/model_instructions/v3.5-20241113.md
然后我们来到助手对话页面，选择对话模型，以及刚才构建的知识库
我们接下来便可以根据知识库，对DeepSeek进行提问了
回答速度还是非常可观的
原文链接：https://blog.csdn.net/weixin_49765221/article/details/145619314?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522385b9d2595f03344d9319ff8fac8de83%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=385b9d2595f03344d9319ff8fac8de83&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-20-145619314-null-null.nonecase&utm_term=deepseek%E5%91%BD%E4%BB%A4
