从ChatGPT上线开始，我就有了一个想法，打造一个个人知识库，它可以充当我的第二大脑，记住我的尽量多的信息（包括隐私信息）。

无论是我每天的琐碎事务，还是重要的决策和回忆，它都能存储并快速检索。当我问它“我去年5月做了什么？”时，它不仅能够从知识库中找到当时的记录，还能结合上下文和细节，帮助我回忆起那些可能遗忘的瞬间。

但要实现这个想法，用在线服务肯定是不行的，我需要它完全本机运行。现在，有了可完全本机部署的deepseek-r1和bge-m3，加上界面优雅的Cherry Studio，是时候实现它了。

注意1：以下步骤在苹果M系列芯片，16G内存的MacBook Pro上实现。由于Mac拥有统一内存和显存，类似配置的PC除了16G及以上的内存外，还需要有额外的显存分配才能正常运行。

注意2：先不要吐槽非满血版deepseek-r1的模型效果，可以先学会怎么本机部署，往后开源的模型会越来越好的（一年前谁能想到现在端侧大模型效果这么好了呢）。

直接开始：
1、下载安装ollama：https://ollama.com/download

按自己的电脑系统选择即可，安装后，双击启动。

2、下载DeepSeek-R1:14b模型（9GB）

这里我选择了我的设备能运行的最大尺寸的模型，14b参数的这个。打开终端，输入命令：

ollama run deepseek-r1:14b
回车之后，模型就开始下载啦，确保电脑硬盘还有足够的剩余空间（下图示意是7b参数的版本，共4.7GB）

等待模型下载完成后，当你看到 >>> 提示符，这时已经可以跟模型聊天啦，让我们来试试：

到这里，如果你不需要知识库，你已经完成了deepseek-r1模型的本地部署，是不是很简单？只是这个聊天界面在命令行中，也无法保存跟deepseek的聊天记录。

更多尺寸的模型下载命令可以在这里找到：https://ollama.com/library/deepseek-r1

也可以在顶部Models菜单中找到其他的开源模型，比如阿里的通义千问qwen2.5、智谱的GLM-4、Meta的Llama3.2等等，有兴趣都可以试试，支持多个模型同时安装。

查看已安装模型的命令：ollama list

​删除已安装模型的命令（rm后是要删除的模型名称）：ollama rm deepseek-r1:14b

3、下载embedding模型 bge-m3（1.2GB）

打开终端，输入命令：ollama pull bge-m3

等待下载完毕，看到success，关闭终端就行了。embedding嵌入模型的作用是把知识库里的文档内容转化为便于搜索的向量，这里只需要理解它是用来处理知识库文档数据的即可。

4、安装Cherry Studio

访问：https://cherry-ai.com，根据电脑系统选择相应版本下载安装

Cherry Studio是一款支持本地知识库的AI客户端，其实同类产品还有很多，比如Chatbox（有联网搜索和手机端）、PageAssist（浏览器插件）、Enchanted（简洁轻量）、OpenWebUI（可供局域网内多人访问）等等，有兴趣的同学可以挨个体验下。

到这里我们需要下载和安装的东西都完成了，接下来断网也可以使用。

5、配置模型提供商：Ollama，添加LLM语言模型和embedding嵌入模型

启动Cherry Studio，依次点击左下角设置-模型服务-Ollama，开启Ollama，API地址保持默认，点击管理按钮，可以看到会自动读取到我们刚才下载的deepseek-r1:14b和bge-m3[嵌入] 两个模型，点击添加。

这样我们就把Ollama下载的两个模型配置到Cherry Studio中了。

拓展阅读：在模型服务的设置这里，可以看到Cherry Studio已经支持的模型提供商，推荐大家还可以添加一个部署在siliconflow硅基流动的DeepSeek-R1满血版，但与这个模型产生的交互都需要连接网络，你的问题会被发送到siliconflow硅基流动的服务器，使用满血版会按实际用量计费，你可以根据自己的实际情况选择是否使用。配置时需要用到的api密钥，可通过这个链接https://cloud.siliconflow.cn/i/r2Z3LRPQ注册获取，现在新注册会有免费额度赠送。

6、创建知识库，导入本地文档

点击Cherry Studio左侧的知识库按钮，再点击“添加”，给知识库取个名字，嵌入模型选择我们刚才下载的bge-m3，点击确定后，即可创建出一个知识库。

这时可以添加文件或者直接拖拽文件到知识库里，支持pdf、docx、pptx、txt等格式，把个人简历、日记、工作文档、甚至微信聊天记录(前提是手动导成文本)放进来都可以。

我们先加一两个文档试试，可以看到加入后，每个文档都会经过嵌入模型的处理，有个蓝色小点loading过程，如果看到绿色小勾，就代表这个文档可以被deepseek检索到了。

此时，DeepSeek就学习了你上传的文档。这是一种被称为RAG的技术，AI收到你的问题后，会先到知识库里找出最相关的几个片段，然后结合它自有的知识，组织一段新的表述回复给你。这样就能把AI大模型原本训练时没有的知识（比如关于你个人的信息）告诉它。

好啦，现在你电脑上的DeepSeek-R1就拥有了知晓你私人文档的知识库：回到聊天界面，顶部选择deepseek-r1:14b|Ollama这个模型，输入框下方知识库按钮选中刚才创建的知识库，现在试试询问一个DeepSeek本身不知道的问题——

大功告成，我也要再去丰富一下我的个人知识库了

更多AI动态，欢迎关注公众号：未来科技