|
最近国产大模型DeepSeek特别火，以至于频繁出现反应迟缓甚至宕机的情况，和两年多之前ChatGPT的遭遇颇为相似。
万幸，DeepSeek是一个开源模型，我们大可以通过本地部署，在自己的终端上随时使用！接下来就教大家具体的操作： 一、DeepSeek本地部署 二、WebUI可视化 三、数据投喂训练AI 一、DeepSeek本地部署 **1、安装Ollama 首先我们需要安装Ollama，它可以在本地运行和管理大模型。 到Ollama官网 https://ollama.com，点击下载，然后选择适合自己系统的版本，这里选择Windows：
安装完成后，打开命令行界面并输入 ollama如果屏幕上出现以下提示信息，那么恭喜你，Ollama 已经成功安装。
2、部署 DeepSeek R1 模型 首先，访问 Ollama 官网并点击页面顶部的「模型」(Models)选项，接着在列表中找到并点击「DeepSeek R1」：
在模型详情页面，根据我们计算机的显存容量选择合适的模型版本：
例如，我的电脑运行的是 Windows系统，拥有 4GB 的显存，因此我选择了1.5b 版本的模型。点击 1.5b 版本，页面右侧将显示下载指令：
将此下载命令复制并粘贴到命令行中执行开始下载：
待命令执行完毕，就可以通过命令行与DeepSeek大模型进行交互了：
但是在命令行窗口下对话，还是太抽象，我们需要一个美观的图文交互界面。 二、WebUI可视化 WebUI可视化选择直接在浏览器安装Page Assist插件的方式来实现。 Page Assist是本地 AI 模型的 Web UI，可以使用本地运行的 AI 模型来辅助进行网络浏览，利用本地运行的AI模型，在浏览网页时进行交互，或者作为本地AI模型提供者（如Ollama、Chrome AI等）的网页界面。 仓库地址：https://github.com/n4ze3m/page-assist 当前功能： - 各类任务的侧边栏 - 支持视觉模型 - 本地AI模型的简约网页界面 - 网络搜索功能 - 在侧边栏与PDF进行对话 - 与文档对话（支持pdf、csv、txt、md、docx格式） 要把DeepSeek可视化，首先在扩展中的管理扩展页面，搜索找到Page Assist
然后点击获取Page Assist
获取完成后，就可以在扩展中看到PageAssist插件，点击对应的插件就可以直接使用。
进入插件后，选择我们上面下载好的deepseek模型，然后就可以跟DeepSeek进行可视化对话了，如果需要获取最新的数据，需要打开下方的联网开关。
到这里，DeepSeek的WebUI可视化就完成了。 三、数据投喂训练AI 实现数据投喂训练AI，需要下载nomic-embed-text和安装AnythingLLM。 下载nomic-embed-text： 在终端输入ollama pull nomic-embed-text回车下载nomic-embed-text嵌入式模型（后面做数据投喂会用到）。
安装AnythingLLM： 进入官网，选择对应系统版本的安装包进行下载
选择【所有用户】点击下一步。
修改路径地址中的首字符C可更改安装位置，本例安装到F盘，点击下一步。
点击完成。
软件打开后，点击【Get started】。
点击箭头，进行下一步。
输入工作区名称，点击下一步箭头。
点击【设置】，里面可以设置模型、界面显示语言等。
若软件显示英文，可在Customization外观定制里面选择Chinese即可。
AnythingLLM设置 在软件设置里面，LLM首选项界面，提供商选择Ollama，Ollama Model选择你前面下载的DeepSeek-R1系列模型1.5b~671b，然后点击Save changes。
在Embedder首选项界面，嵌入引擎提供商选择Ollama，Ollama Embedding Mode选择【nomic-embed-text】，然后点击保存更改。
①点击【工作区设置】，②点击聊天设置，③工作区LLM提供者选择【Ollama】，④工作区聊天模型选择【deepseek-r1】模型，⑤然后点击【Update workspace agent】。
代理配置界面，工作区代理LLM提供商选择【Ollama】，工作区代理模型选择【deepseek-r1】，然后点击【Update workspace agent】。
最后就是数据投喂训练AI： 在工作区界面，点击【上传】。
❶点击upload选择需要上传的文件（支持PDF、Txt、Word、Excel、PPT等常见文档格式）。❷勾选上传的文件，❸点击【Move to Workspace】。
点击【Save and Embed】。
没有投喂数据之前，输入正点原子公司名称是什么？AI是回答不了的，投喂后能够准确回答出来。
到这里数据投喂训练AI就完成啦，有需求的完全可以自己搭建一个智能知识库出来。 最后，本地部署和在线使用各有利弊，本地对GPU配置要求较高，但运行稳定，不受网速影响，还可以训练自己专属的大模型。有需要的小伙伴可以体验一下~ AI大模型学习福利作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。 1.学习路线图
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法； 第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用； 第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统； 第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统； 第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型； 第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例； 第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。 2.视频教程网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。
（都打包成一块的了，不能一一展开，总共300多集） 因篇幅有限，仅展示部分资料，需要点击下方图片前往获取 3.技术文档和电子书这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获：👈 • 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求； • 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握； • 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图 👉获取方式：
|
