原標題：DeepSeek 本地知識庫全攻略，專屬AI助手太香了！
昨天的文章是基于 mac 環(huán)境搭建的 DeepSeek 本地環(huán)境，有用戶問 windows 怎么搭建。今天就來手把手教大家在 windows 環(huán)境本地部署 DeepSeek 以及搭建自己的本地知識庫，建立自己的專屬AI助手。全程無卡點，零基礎上手 0 難度！
機器硬件配置請參考昨天的文章，這里就不贅述。
一、windows 本地部署
1. 安裝 Ollama
訪問Ollama 官網https://ollama.com/download ，下載 windows 版本，下載好后根據提示安裝。
2. 本地部署 DeepSeek-R1 8b
安裝成功后，在 windows 搜索框里輸入cmd，點擊命令提示符，在命令提示符里輸入
ollama run deepseek-r1:8b
開始自動下載安裝 deepseek-r1 8b 版本。
下載完成后即自動運行 deepseek，可以開始提問了，具體操作步驟如下圖，可以看到我提問的 "小開coding是什么"，DeepSeek 并不知道，只能自己推理。
二、搭建本地知識庫
1. 下載 shaw/dmeta-embedding-zh
1.1 dmeta-embedding-zh 是什么
❝
在知識庫應用中，文本數據通常是以大量文檔的形式存在，傳統(tǒng)的關鍵詞搜索往往只能進行字面匹配，容易漏掉語義相近但表達不同的內容。通過使用 dmeta-embedding-zh 模型，你可以把知識庫中所有文檔轉換成向量，同時將用戶的查詢也轉換成向量，然后計算這些向量之間的相似度，從而實現基于語義的檢索。這種方式大大提高了搜索的精準度和靈活性，使得知識庫能夠更智能地“理解”用戶的意圖，并返回更相關的信息。
這種模型在現代知識庫搭建中非常關鍵，因為它為構建一個“語義知識庫”提供了底層支持，讓系統(tǒng)不僅僅停留在關鍵詞匹配上，而是能真正理解內容的深層含義。
簡單來說，這個模型就是用來整理你的文檔，為 DeepSeek 模型更好地理解并運用你的知識庫。
1.2 安裝 shaw/dmeta-embedding-zh
命令提示符里輸入
ollama pull shaw/dmeta-embedding-zh
等待下載完成：
2. 搭建本地知識庫
2.1 下載安裝 cherry studio
官網地址：https://cherry-ai.com/download ，如果打不開或者點擊下載沒反應，可以按照文末提示領取福利，里面有最新版的 windows 和 mac 的 cherry studio 的安裝包。
2.2 配置 ollama DeepSeek 模型
安裝好 cherry studio 打開后，依次按以下步驟操作：
點擊左下角設置，選擇模型服務，選擇Ollama，點擊管理。
選擇deepseek-r1:8b和shaw/dmeta-embedding-zh:latest。
步驟圖：
-
注意：我這里已經添加過了，是添加后的示意圖，所以顯示的是 "-" 按鈕，沒添加過顯示的是 "+" 按鈕。點擊一下 "+" 按鈕即可。
這樣就添加好了模型。
驗證模型：
-
點擊左上角的對話按鈕，選擇deepseek-r1:8b|Ollama，即可開始對話：
2.3 搭建知識庫
依次按以下步驟操作：
-
cherry studio 選擇側邊欄知識庫圖標，點擊添加，輸入名稱，嵌入模型選擇之前添加過的shaw/dmeta-embedding-zh:latest。
-
文件里添加你需要構建知識庫用的文檔，支持 pdf、docx、pptx、xlsx、txt、md 格式。也可以選擇網址、網站。
我這里新建了一個 test.txt，里面就一句話，步驟圖：
添加好后回到對話框測試。
重新提問相同問題，可以看到它會引用知識庫里的文檔來回答問題了。
三、結語
通過本地部署DeepSeek+知識庫的好處：
隱私性很好，不用擔心自己的資料外泄、離線可用。
在工作和學習過程中對自己整理的文檔，能快速找到，并自動關聯(lián)。
在代碼開發(fā)上，能參考你的開發(fā)習慣，快速生成代碼。
投稿郵箱：chuanbeiol@163.com 詳情請訪問川北在線：http://m.sanmuled.cn/
