昨天分享了如何将DeepSeek部署在自己的电脑上，有小伙伴在后台留言问：如何将模型与本地文档联系起来？

所以今天，我们就来一起看看如何用DeepSeek搭建个人知识库。

有两种方法，一个是用API搭建知识库，这种方法的好处是能用上满血的DeepSeek R1模型，但前提是你的数据不涉密。

另一种方法是通过本地部署搭建知识库，这样能保护数据安全，但算力可能就没那么充足了。

一、利用API搭建知识库

1. 进入Cherry官网，下载Cherry Studio

https://cherry-ai.com/download

2. 登录/注册硅基流动，获取API

进入硅基流动官网，注册并登录账号，新用户注册即得2000万tokens。

https://cloud.siliconflow.cn/i/TAAOvaXg

点击左侧【API密钥】。

点击【新建密钥】。

点击即可复制密钥。

3. 配置API Key并检查

打开下载好的Cherry Studio，按以下路径配置API密钥。

点击【检查】，确认密钥是否有效。

4. 配置嵌入模型（向量数据库）

为了让 AI 在本地文档中查找信息，我们需要配置嵌入模型，将文本转换成向量数据。

回到硅基流动官网，点击【模型广场】，选择【嵌入】。

推荐嵌入模型BAAI/bge-m3，或更高精度的 Pro/BAAI/bge-m3。

点击你需要的模型，复制其名称。

打开Cherry，按下图路径添加模型。

粘贴模型名称，点击【添加模型】。

5. 上传本地文档

点击Cherry左侧【知识库】，创建知识库，并选择刚刚配置的嵌入模型。

接下来我们就可以上传本地文件，PDF、Word、Markdown等，让AI进行向量化处理。

除了添加文件外，还可以添加目录、网址等，很方便。

6. 测试AI知识库效果

点击左侧栏【助手】，添加助手，选择DeepSeek R1模型。

开始提问，查看AI是否优先从本地文档中搜索答案。

二、本地部署搭建知识库

首先我们需要将DeepSeek部署到本地，具体的流程和操作方法可以看昨天的文章。

本地部署完后，打开Cherry，按下图路径添加本地部署的R1模型。

接下来我们就可以上传本地文件，PDF、Word、Markdown等，让AI进行向量化处理。

文件量化成功后，点击左侧栏第一个图标，按下图步骤选择已部署的本地模型。

最后可以开始提问，查看AI是否优先从本地文档中搜索答案。

以上是两种利用DeepSeek搭建个人知识库的方法，感兴趣的小伙伴快试试吧~