架构师的信仰系列文章，主要介绍我对系统架构的理解，从我的视角描述各种软件应用系统的架构设计思想和实现思路。
从程序员开始，到架构师一路走来，经历过太多的系统和应用。做过手机游戏，写过编程工具；做过大型Web应用系统，写过公司内部CRM；做过SOA的系统集成，写过基于Hadoop的大数据工具；做过外包，做过电商，做过团购，做过支付，做过SNS，也做过移动SNS。以前只用Java，然后学了PHP，现在用R和Javascript。最后跳出IT圈，进入金融圈，研发量化交易软件。
架构设计就是定义一套完整的程序规范，坚持架构师的信仰，做自己想做的东西。
关于作者：
- 张丹，数据分析师/程序员/Quant: R,Java,Nodejs
- blog: http://blog.fens.me
- email: bsspirit@gmail.com
转载请注明出处：
http://blog.fens.me/deepseek-anythingLLM-knowledge/
前言
DeepSeek的火热程度一直升温，各行各业都尝试利用Deepseek解决自己行业的问题。由于每个行业的特点不同，业务逻辑，知识结构等差异非常大，因此通用的推理逻辑并不是真正地解决行业的具体的问题，我们就需要打造本行业专属的知识库，用行业专属的知识解决行业的问题。
本文我们就尝试搭建自己的知识库。
目录
- AnythingLLM安装基础环境
- 创建工作区，接入DeepSeek
- 创建本地知识库
1. AnythingLLM安装基础环境
我们基于 Deepseek 模型来打造本地知识库，首先就是把DeepSeek进行本地安装，详细的安装过程请参考文章 Deepseek快速本地安装。
当我们安装 DeepSeek 安装后，接下来需要安装 AnythingLLM 软件。 AnythingLLM，是一款全栈AI应用程序，可集成人工智能的多种功能，像文档、聊天、使用人工智能代理，完全支持本地和离线操作。
官网网址：https://anythingllm.com/desktop，进入网址后，进入官网主页。下载对应的版本，我本地操作系统是windows11，直接下载Download for Windows(X64)，下载软件为 AnythingLLMDesktop.exe。
下载完成后，进行安装AnythingLLM软件。安装完成后，打开软件，你会看到简洁直观的界面：
直接点击Get started，即可进入后续操作步骤：
我们点击，向右的箭头。
注：如果安装过程中出现报错，可能是系统缺少某些必备组件，需要根据错误提示，安装相应的组件，确保安装顺利进行。
2. 创建工作区，接入DeepSeek
成功安装AnythingLLM后，打开软件，首先要创建一个工作区。给工作区起一个名字，即可快速创建工作区。每个工作区，可以理解为一个独立的空间，我们可以对不同类型的知识进行分类管理，方便后续查找和使用。
创建好工作区，我们选择配置，左下角的工具图标，用于接入DeepSeek。
切换到配置界面，让DeepSeek和AnythingLLM能够协同工作。
首先，设置语言，从英文界面切换为中文界面。
然后，通过 AnythingLLM 把 DeepSeek接入。接入过程有2个种接入方案。
- 通过本地接入，调用本地已部署好的 Ollama，接入DeepSeek。
- 通过DeepSeek的官方API接入，直接远程调用官方的在线模型，接入DeepSeek。
1). 通过本地接入，通过调用本地已部署好的 Ollama，接入DeepSeek。
在 LLM首选项菜单 中，选择 LLM供应商，选择Ollama。然后，他会自动检测本地已启动的Ollama服务，选择deepseek-r1:17b。如果Ollama是正常安装的，没有自动改动过配置，默认端口什么的都不用修改。
如果Ollama Model中，下拉菜单中就没deepseek模型，可能是本地Ollama 服务没有启动，请使用
ollama run deepseek-r1:7b命令启动Ollama服务。如果没有安装Ollama服务，请参考文章 Deepseek快速本地安装，先安装好Ollama和Deepseek。
记得点击保存，“save change”。
配置好后，我们就可以直接返回聊天界面，开始使用anythingLLM了。
2). 通过DeepSeek的官方API接入，通过远程调用官方的在线模型，接入DeepSeek。
另一种方式，如果只想本地使用Deepseek，可以跳过本步骤。
我们把LLM供应商，选择为DeepSeek，即可直接使用Deepseek官方的服务，需要配置API key。
要这个API key，需要登录Deepseek的官网，选择左上角的 API开发平台，进行登录。
登录后，点击左侧菜单的 API keys，创建自己的API key。然后，把这个key输入到之前anythingLLM的配置界面中。这个API服务，是需要付费使用的。价格为每百万输入 tokens 2 元，每百万输出 tokens 8 元，不贵。
但在页面顶端，我们可以看到提示，“当前服务器资源紧张，为避免对您造成业务影响，我们已暂停 API 服务充值。存量充值金额可继续调用，敬请谅解！”。也就是说，现在不开放API的充值了，所以这个路径暂时不通，后面等DeepSeek后面再开放，就可以这样使用了。
3. 创建本地知识库
上面成功把Deepseek入接后，直接返回聊天界面，问一下“你是谁”，就看到了DeepSeek-R1的回答。这样我们就让AnythingLLM和DeepSeek成功连接了。
接下来，让我们上传自己的知识库。在左边对话框，点击上传文件的按钮，选择文本文件上传。
我上传的文件为：段永平先生采访记录，文件下载，2万字全文.pdf。
在文件先拖到左边的文件上传蓝色区域 “Click to upload or drag and drop”。上传完成后，把左边的文件拖到右边，进行文本向量转化，它能将输入的文本转化为对应的向量表示。在这个转化过程中，模型会深入分析文本的词汇、语句结构以及语义关联。这种向量表示并非简单的数值罗列，而是蕴含了文本的语义特征，为后续的各种操作提供了基础。
然后，我们回到对话窗口，找一个文件中，有持人问段永平的问题，请deepseek提问。“请问一个好赛道往往会随着竞争的加剧而进入低毛利的时期，那么在这样低毛利的一个时期下，创业者该如何应对呢？”
可以看到Deepseek的回答，总结很大气。
在对比，同样的问题，同一个本地模型，没有用到知识库的情况，Deepseek给的回复。为了区别，我们需要新建一个工作区，命名“测试2”。
两者的主要观点看起来差不多，但从表述上的感觉还是有不少差异，2位专家2个视角，这就是本地知识库带来的影响。下篇文件，我将对比不同模型，对于相同问题，在不同知识领域下的影响。
随着对 Deepseek 的深入使用和能力挖掘，希望能让AI真正成为我们实际工作的得力干将。
转载请注明出处：
http://blog.fens.me/deepseek-anythingLLM-knowledge/
