如何给本地部署的DeepSeek投喂数据,让他更懂你

写在前面

在上一篇文章中,我们说了怎么在本地部署DeepSeek。对本地部署DeepSeek感兴趣的小伙伴看过来。
本地部署 DeepSeek:小白也能轻松搞定!

话说回来了,为啥要本地部署呢?

① 在使用DeepSeek中,经常会出现服务器繁忙,请稍后再试。

② 不想让个人隐私数据暴露出去

③ 可以将各种格式的文件,如pdf、csv、txt、md 格式的数据投喂给它。比如你想让 DeepSeek 了解你的公司业务,就把相关的文档上传给它。

DeepSeek 就能吃下你给它的各种“知识大餐”,然后变得更聪明,更懂你

一、RAG是什么?

为了投喂数据,我们要用到RAG。首先,我们先来了解下什么是RAG?

我们就问问昨天部署好的DeepSeek好了。

首先我们在命令行输入:ollama run deepseek-r1:1.5b 命令,启动DeepSeek

启动DeepSeek

然后打开浏览器并输入快捷键:ctrl+shift+l 调出WebUI可视化AI界面

启动WebUI

输入:RAG是什么?

RAG

翻译成大白话就是:我们把知识放到知识库里,然后把它投喂给人工智能。我们需要用一个量化的工具,把各种格式的数据量化给人工智能,让它能看得懂。

人工智能通过对这些知识的学习后,以后你再问它的时候,他就能将知识提取出来,加工处理后回答你的问题。

RAG 就是让 DeepSeek 不仅能靠自己的知识库回答问题,还能通过检索外部数据来增强回答的准确性和丰富性。就好比你考试时偷偷带了小抄,但 DeepSeek 是光明正大地“作弊”,还能把答案说得头头是道。

二、 拉取nomic-embed-text

刚说了RAG是啥?我们需要一个RAG工具来完成量化工作。

各种开源免费的RAG工具挺多,我们这里选择最近比较获得ollama 提供的nomic-embed-text

https://ollama.com/library/nomic-embed-text

nomic-embed-text

我们使用上面圈出来的命令拉取即可,274M,大约1min左右就可以下完,出现【success】字样表示下载成功。

拉取nomic-embed-text

三、RAG设置

打开WebUI界面,我们会看到一个RAG设置文本嵌入模型

文本嵌入模型就是把我们投喂的各种文档数据量化成DeepSeek认识的数据。

RAG设置

四、添加新知识

工具都准备好后,我们开始准备给DeepSeek投喂数据......

① 投喂前不认识晓凡

在投喂数据之前,我们问问它认不认识晓凡。结果不用我说了,肯定是不知道的 😅

投喂前

② 准备投喂的数据

接下来,将晓凡事先准备好的关于晓凡的简介【程序员晓凡.md】文档投喂给它,文档内容如下。

程序员晓凡简介

③ 投喂数据

添加新知识

投喂程序员晓凡简介

deepseek成功消化投喂知识

④ 投喂完成后,已经认识晓凡了

成功投喂后认识晓凡了

五、其他数据投喂测试

我们准备一个【学生选课系统接口文档 V1.1.md】接口文档

学生选课系统接口文档

按照上面方法进行投喂

添加新知识

接下来,我们我们让DeepSeek 用Java语言实现【获取学生选课信息】这一接口功能

选课接口

本期内容到这儿就结束了,希望对您有所帮助。

我们下期再见 ヾ(•ω•`)o (●'◡'●)

posted @   程序员晓凡  阅读(11122)  评论(26编辑  收藏  举报
相关博文:
阅读排行:
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· 清华大学推出第四讲使用 DeepSeek + DeepResearch 让科研像聊天一样简单!
· 实操Deepseek接入个人知识库
· CSnakes vs Python.NET:高效嵌入与灵活互通的跨语言方案对比
· Plotly.NET 一个为 .NET 打造的强大开源交互式图表库

喜欢请打赏

扫描二维码打赏

支付宝打赏

点击右上角即可分享
微信分享提示