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。

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。

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