本地部署DeepSeek-RI打造自己的私有知识库
一、本地部署需要借助Ollama，Ollama是一个开源框架，专为在本地机器上便捷部署和运行大模型语言模型LLLM而设计
官网:https://ollama.com/
1、安装ollama
官网下载后，直接就可以进行安装，安装后再终端输入：olllama
2、 本地部署DeepSeek RI
1）在ollma官网，点击Models按钮，进入模型选择页面，可以看到有deepseek ri等模型
2）点击deepseek-r1，可以看到提供了1.5b、7b、8b、14b、32b、70b、671b 这几种规模大小的模型下载。毫无疑问，数字越大，需要的机器配置越高
选择哪种，可以参考下面的列表： 1.5B：CPU最低4核，内存8GB+，硬盘3GB+存储空间，显卡非必需，若GPU加速可选4GB+ 显存，适合低资源设备部署等场景。 7B：CPU 8核以上，内存16GB+，硬盘8GB+，显卡推荐8GB+显存，可用于本地开发测试等 场景。 8B：硬件需求与7B相近略高，适合需更高精度的轻量级任务。 14B：CPU 12核以上，内存32GB+，硬盘15GB+，显卡16GB+显存，可用于企业级复杂任务 等场景。 32B：CPU 16核以上，内存64GB+，硬盘30GB+，显卡24GB+显存，适合高精度专业领域任 务等场景。 70B：CPU 32核以上，内存128GB+，硬盘70GB+，显卡需多卡并行，适合科研机构等进行高 复杂度生成任务等场景。选择哪种，可以参考下面的列表： 1.5B：CPU最低4核，内存8GB+，硬盘3GB+存储空间，显卡非必需，若GPU加速可选4GB+ 显存，适合低资源设备部署等场景。 7B：CPU 8核以上，内存16GB+，硬盘8GB+，显卡推荐8GB+显存，可用于本地开发测试等 场景。 8B：硬件需求与7B相近略高，适合需更高精度的轻量级任务。 14B：CPU 12核以上，内存32GB+，硬盘15GB+，显卡16GB+显存，可用于企业级复杂任务 等场景。 32B：CPU 16核以上，内存64GB+，硬盘30GB+，显卡24GB+显存，适合高精度专业领域任 务等场景。 70B：CPU 32核以上，内存128GB+，硬盘70GB+，显卡需多卡并行，适合科研机构等进行高 复杂度生成任务等场景。
3）选择合适的参数后，复制具体的命令(ollama run deepseek-r1:7b)，在终端黏贴惊醒安装
4）安装完成后，就可以在本地使用deepseek-R1了
二、本地部署DIfy
什么是dify：生成式AI应用创新引擎。开源的LLM应用开发平台，提供从Agent构建到AI workflow编排、RAG检索、模型管理等能力，轻松构建和运营生成式AI原生应用。比LangChain更易用
上面的步骤已经部署了dp了，但是为了方便后面的RAG的使用，我们需要借助Dify改进这一点
dify官网：https://dify.ai/zh
1、dify的运行需要docker，docker官网:https://www.docker.com/ 下载安装docker的桌面客户端
双击运行
2、
