本地AI知识库问答开源技术实现（一）--安装和准备

自从DeepSeek-R1火出圈以来，很多个人和公司开始尝试本地化部署，以解决原来一些内部资料安全和隐私问题；我们也尝试在本地进行相关部署，以验证本地知识库是否可行，最终达到以下目的：

• 所有知识库内容不通过公网流转；
• 用户可以通过和智能助手聊天的方式来了解各种内部知识；
• 在不增加太多的成本下实现；

技术原理

前置概念了解

• 大模型
  • 系统推理模型
  • Embedding 模型
  • Rerank 模型
  • 语音转文字模型
• 本地模型调度
  • Ollama
  • vLLM
• 流程编排
  • Dify
• 知识库
  • RAG

硬件及环境准备

模型选择

开始本地部署

安装 Ollama

• Ollama可以很好的管理和调度本地大模型，安装也相对简单；

• 官网下载地址：Download Ollama on macOS ；

• 根据操作系统选择合适的安装即可；

• 安装完成后需配置几个环境变量：

  • OLLAMA_HOST
    • 设置为0.0.0.0表示所有主机都可以访问，当非本机访问时需要设置
  • OLLAMA_KEEP_ALIVE
    • 表示模型在显存中保存的时间，设置为24h表示保留24小时
  • OLLAMA_MAX_LOADED_MODELS
    • 同时加载模型最大数量，大于这个数量最早加载的模型会被卸载
  • OLLAMA_MODELS
    • 模型文件保存目录，windows默认在C盘，建议指定一个速度快的磁盘
    • 因模型文件很大，需要有足够的空间

• Ollama安装完成后，可以开始下载模型，可到官网进行模型选择：Ollama Search

• 使用以下命令下载模型：

  ollama pull deepseek-r1:32b

• 模型文件非常大，下载时需要保持网络畅通；

• 模型文件下载完成后，使用以下命令进行使用测试：

  ollama run deepseek-r1:32b

• 如果成功运行就可以进行对话了；

• 需要下载以下模型：

  • qwq
  • bge-m3
  • qwen2.5:14b

安装 Dify

• 如果只有Ollama无法很好的进行日常使用，还需要上层的工具来进行管理，这里就用到了Dify

• 官网介绍

  Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务（Backend as Service）和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。

  由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的流程编排，并同时提供了一套易用的界面和 API。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。

• 目前Dify社区版的主要安装方式是使用Docker Compose，详情可参考官网：

  • Docker Compose 部署 - Dify Docs

• 克隆 Dify 源代码

  git clone https://github.com/langgenius/dify.git

• 进入 Dify 源代码的 Docker 目录，并复制示例配置文件

  cd dify/docker cp .env.example .env

• 启动Dify

  docker compose up -d

• 第一次需要从网络上拉取很多内容，所以速度比较慢，需耐心等待

• 观察所有容器的状态，没有错误表示启动完成，类似这样：

  [+] Running 11/11 ✔ Network docker_ssrf_proxy_network Created 0.1s ✔ Network docker_default Created 0.0s ✔ Container docker-redis-1 Started 2.4s ✔ Container docker-ssrf_proxy-1 Started 2.8s ✔ Container docker-sandbox-1 Started 2.7s ✔ Container docker-web-1 Started 2.7s ✔ Container docker-weaviate-1 Started 2.4s ✔ Container docker-db-1 Started 2.7s ✔ Container docker-api-1 Started 6.5s ✔ Container docker-worker-1 Started 6.4s ✔ Container docker-nginx-1 Started 7.1s

• 启动完成后，即可访问这台主机：

  http://192.168.10.2

• 第一次访问会提示创建管理员用户，输入需要的用户名和密码完成配置；

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！