deepseek本地部署最简教程——搭建个人AI知识库

1简介在上一篇推送中（deepseek本地部署最简教程），我们介绍了基于Ollama的本地部署。尽管本地化部署的DeepSeek模型在算力规模和功能完备性上无法媲美云端全量版本，但只要喂给它「独家秘方」——也就是你电脑里的文档、代码、笔记这些干货，它立马就能变身成你的专属知识小助手！2准备

自己从头搭建个人知识库就像手工造汽车——理论可行但太费劲。这里推荐一个「懒人神器」：AnythingLLM。它能帮你把电脑里的文档（PDF/Word/代码文件都行）变成会聊天的知识库，操作就像把文件拖进文件夹一样简单！

用这个工具你可以：

✅ 随时提问：比如“上周写的Verilog代码在哪？”直接对话就能找到；写RTL代码卡壳时，它能秒查你去年写的相似案例；面对几十份会议纪要，直接问它就能提取关键结论。

✅ 保护隐私：所有资料都存在自己电脑里，不怕泄露

✅ 跨格式支持：无论是技术文档、会议记录还是代码片段都能处理

整个过程只需要三步：

把文件拖进软件

等它自动分析（喝杯咖啡的时间）

开始用自然语言提问

相当于给你的电脑配了个24小时待命的资料管家，特别适合经常需要查旧文档的技术人员！

3下载AnythingLLM

以下是下载链接（安装包也可在附录A获取）：

https://anythingllm.com/desktop

图片

使用管理员模式安装

图片

图片

4配置

先确保ollama是开启状态，然后搜索ollama

图片

选择deepseek模型在 AnythingLLM 的本地部署配置中，MAX Token（最大令牌数） 是一个关键参数，主要用于控制语言模型（LLM）处理文本时的输入和输出长度限制。语言模型（如 GPT）单次处理的文本长度受硬件和算法限制。MAX Token 决定了模型单次请求能处理的 输入+输出 的 Token 总数上限。超过此值会导致截断或报错。Token 并非严格等于单词或汉字。例如，英文中 1 Token ≈ 4 字符，中文中 1 汉字 ≈ 2-3 Token在问答或生成场景中，该参数直接影响 AI 生成回答的最大长度。例如设置为 512，则回答内容会被限制在约 512 个 Token（约 380 个汉字或 700 英文单词）。

图片

点击下一步

图片

填写自己的邮箱

图片

填写工作区名称

图片

设置中文

图片

图片

上传文档

图片

图片

将文档放到工作区

图片

保存

图片

更新中

图片

更新成功

图片

4测试结果

可以看到deepseek可以理解文档中的内容

图片

图片

5写在最后当然，AnythingLLM还具备其他功能，如代码托管和官方API的接入等，受篇幅所限，本文不再展开论述，各位可自行探索。需要注意的是，本地部署的AI回答精准度仍然受到硬件性能的制约。建议开发者参考以下硬件选型策略，轻量级部署：RTX 3060(12GB)+32GB DDR4+1TB SSD（支持7B参数模型实时推理）；企业级方案：A100 80GB*4+NVLink+Optane持久内存（满足千亿级Token知识库毫秒响应）。 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。