Deepseek本地部署详细指南!从 Ollama 到个人知识库应用
丨作者:lushen 每个人都能拥有专属 AI 助手,安全高效,开启智能化知识管理新体验。
系统介绍mbp pro
图片
一、Ollama 安装与配置1.1 跨平台安装指南
Ollama 作为本地运行大模型的利器,支持三大主流操作系统:
# macOS一键安装# Windows用户访问官网 https://ollama.com/download 下载安装包# Linux安装(Ubuntu/Debian为例)curl -fsSL https://ollama.com/install.sh | sudo bashsudo usermod -aG ollama $USER # 添加用户权限sudo systemctl start ollama # 启动服务1.2 服务验证
ollama -v# 输出ollama version is 0.5.7出现上述则表示安装成功,可浏览器访问http://localhost:11434/验证二、Deepseek 模型部署2.1 模型下载与加载
以 deepseek r1 模型为例:
访问https://ollama.com/library/deepseek-r1,默认为 7b 模型,如需其他模型,可以在当前页搜索所需模型
模型详情页复制安装命令ollama run deepseek-r1
安装完成后在终端执行:
ollama run deepseek-r1# 执行后pulling manifestpulling 96c415656d37... 100% ▕██████████████▏ 4.7 GBpulling 369ca498f347... 100% ▕██████████████▏ 387 Bpulling 6e4c38e1172f... 100% ▕██████████████▏ 1.1 KBpulling f4d24e9138dd... 100% ▕██████████████▏ 148 Bpulling 40fb844194b2... 100% ▕██████████████▏ 487 Bverifying sha256 digestwriting manifestsuccess> > > Send a message (/? for help)> > > `> > > 当看到上述提示,即可开始模型对话。mac 后台标识
图片
win 后台标识
见任务栏托盘区
2.2 模型验证测试运行交互式对话测试:
请用Python写一个快速排序算法
当看到完整代码输出,说明模型已成功加载。
硬件要求建议:
最低配置:16GB 内存 + 8GB 显存
推荐配置:32GB 内存 + 16GB 显存(RTX 3060 级别)
三、安装交互 ui3.1 chatbox下载地址chatboxai.app
配置本地模型
进入设置页面
图片
选择 ollama api (本地部署)
配置本机地址,默认http://127.0.0.1:11434
图片
至此即可开启问答模式
3.2 Page Assist 浏览器插件
安装地址Page Assist - 本地 AI 模型的 Web UI
安装后简单配置即可开启问答模式,功能丰富,可以参考官方引导
本插件支持本地知识库建设,因本次使用 Dify 建设,在此不赘述。
图片
四、Dify 知识库搭建参考文档地址Docker Compose 部署
4.1 环境准备1.拉取源代码,准备环境
# mac os# 克隆 Dify 源代码至本地环境。git clone https://github.com/langgenius/dify.git# 进入 Dify 源代码的 Docker 目录cd dify/docker# 复制环境配置文件cp .env.example .env2.启动 Docker 容器(需要先安装 D ocker)
docker compose up -d# 如果版本是 Docker Compose V1,使用以下命令:docker-compose up -d# 正常返回[+] Running 74/9 ✔ db Pulled 834.2s ✔ sandbox Pulled 1120.7s ✔ weaviate Pulled 526.5s ✔ web Pulled 174.0s ✔ redis Pulled 893.7s ✔ api Pulled 2919.8s ✔ worker Pulled 2919.8s ✔ ssrf_proxy Pulled 494.0s ✔ nginx Pulled 184.7s[+] Running 11/11 ✔ Network docker_default Created 0.0s ✔ Network docker_ssrf_proxy_network Created 0.0s ✔ Container docker-db-1 Started 1.1s ✔ Container docker-web-1 Started 1.1s ✔ Container docker-redis-1 Started 1.1s ✔ Container docker-sandbox-1 Started 1.1s ✔ Container docker-weaviate-1 Started 1.1s ✔ Container docker-ssrf_proxy-1 Started 1.1s ✔ Container docker-api-1 Started 0.7s ✔ Container docker-worker-1 Started 0.7s ✔ Container docker-nginx-1 Started 0.8s
在此阶段可能会遇到下列失败的情况,可以尝试切换源解决 我当时的条件
修改配置后重启 docker
办公网环境下docker compose up -d[+] Running 9/9 ✘ web Error context canceled 14.9s ✘ redis Error context canceled 14.9s ✘ db Error context canceled 14.9s ✘ nginx Error context canceled 14.9s ✘ ssrf_proxy Error context canceled 14.9s ✘ sandbox Error Head 'https://registry-1.do... 14.9s ✘ api Error context canceled 14.9s ✘ worker Error context canceled 14.9s ✘ weaviate Error context canceled 14.9sError response from daemon: Head 'https://registry-1.docker.io/v2/langgenius/dify-sandbox/manifests/0.2.10': Get 'https://auth.docker.io/token?scope=repository:langgenius/dify-sandbox:pull&service=registry.docker.io': EOF解决方法
右上角齿轮图标进入设置 -> Docker engine,在配置中添加
写入以下内容 ocker)
{ // ... 'registry-mirrors': [ 'https://docker.hpcloud.cloud', 'https://docker.m.daocloud.io', 'https://docker.unsee.tech', 'https://docker.1panel.live', 'http://mirrors.ustc.edu.cn', 'https://docker.chenby.cn', 'http://mirror.azure.cn', 'https://dockerpull.org', 'https://dockerhub.icu', 'https://hub.rat.dev' ]}4.2 Dify 创建聊天
访问http://localhost/(默认 80 端口) 进入 dify
首次进入初始化设置账号密码
点击 Dify 平台右上角头像 → 设置 → 模型供应商,选择 Ollama,轻点“添加模型”。
图片
图片
在配置 url 时,因为是 docker 服务,http://localhost:11434 存在无法访问的情况,可以尝试http://host.docker.internal:11434
4.至此,可以开始创建应用,在主页选择 全部 -> 创建空白应用 -> 填入应用信息即可
图片
4.3 Dify 知识库创建主页选择 知识库 -> 创建知识库 -> 上传知识 -> 等待处理完成
图片
进入聊天应用,选择刚才创建的知识库,即可开始带有私域知识的沟通
图片
五、应用测试5.1 翻译场景1.本地客户端具有部分国际化测试文件需要执行翻译,格式示例如下,多层嵌套的 json 格式,value 为string类型。需要利用大模型对整个 json 文件进行翻译,将中文翻译为英文后按原格式返回
// zh.json{ 'window': { 'willUnload': { 'title': '确认刷新当前页面吗?', 'message': '系统可能不会保存您做的更改', 'unload_bt': '重新加载', 'cancel_bt': '取消' } }}ocker)2.实际应用测试,以deepseek-r1:7b/14b模型做测试。得到结果如下
3.执行脚本trans.js
const fs = require('fs');const axios = require('axios');// 1. 读取本地JSON文件const readJsonFile = (filePath) => { return new Promise((resolve, reject) => { fs.readFile(filePath, 'utf8', (err, data) => { if (err) { reject(err); } else { resolve(JSON.parse(data)); } }); });};const MODEL = 'deepseek-r1:14b';// 2. 调用本地大模型接口进行翻译const translateText = async (text, key) => { let response; try { console.time(`run worker ${key}`); response = await axios.post('http://localhost:11434/api/generate', { // model: 'deepseek-r1:7b', model: MODEL, prompt: `有部分客户端国际化的配置文件,内容为json格式,需要翻译,要求按步骤进行翻译: 1. 将中文翻译为英文 2. 保持原有json格式不变,将value替换成翻译后的文本 3. 你始终以合法的JSON格式响应,返回结果格式如: {'key1':'翻译后的文本1','key2':'翻译后的文本2'},直接返回结果,不需要符号包裹 配置文件 '''${JSON.stringify(text)}'''`, stream: false, }); console.timeEnd(`run worker ${key}`); const splitText = '</think>'; const startIndex = response.data.response.indexOf(splitText); const result = response.data.response .slice(startIndex + splitText.length) .trim() .replace(/<<+|>>+/g, ''); // console.log('response.data.response:', response.data.response, JSON.parse(result), result) return JSON.parse(result); // 假设接口返回的翻译结果在response.data.translatedText中 } catch (error) { console.error('翻译出错:', key); return translateText(text, key); // 如果翻译失败,返回原文 }};// 3. 并行翻译逻辑(手动控制并发)const translateJson = async (jsonData, concurrency = 5) => { const entries = Object.entries(jsonData); const translatedData = {}; let currentIndex = 0; // 当前处理的任务索引 // 定义工作线程:每个线程不断处理下一个任务 const worker = async () => { while (currentIndex < entries.length) { const index = currentIndex++; if (index >= entries.length) break; // 所有任务已完成 const [key, value] = entries[index]; try { translatedData[key] = await translateText(value, key); } catch (error) { translatedData[key] = value; // 保留原文 } } }; // 启动指定数量的工作线程 const workers = Array(concurrency).fill(null).map(worker); await Promise.all(workers); // 等待所有线程完成 const result = {}; // 保持原有顺序 entries.forEach(([key, value]) => { result[key] = translatedData[key]
上一篇:itch 一周游戏汇:1月20日
下一篇:没有了