投喂本地的deepseek建立本地知识库

参考前文，已经可以在本地运行deepseek了，但是现有大模型都是使用通用数据训练出来的，如果我们有专业用途，由于大模型缺乏相应数据，无法提供有价值的回答。因此就需要对大模型进行定向投喂，让大模型对特定文本、数据等信息进行分析，提升大模型在特定专业方向的知识和能力。

1.下载嵌入模型

嵌入模型可以将文本内容转换为向量数据，以便大模型进行更高效的处理和分析。Ollama上最火的嵌入模型是nomic-embed-text，可以处理中文。在命令行运行：

ollama pull nomic-embed-text

即可下载该模型。

2.在AnythingLLM中配置嵌入模型

下载好之后需要在AnythingLLM中进行配置，使用这个嵌入模型。

点击主界面左侧工具栏最下方的设置按钮，进入Embedder首选项，提供商选择Ollama，模型选nomic-embed-text，点击保存。

3.投喂数据

主界面工作区按钮右侧有向上箭头，点击后出现文档界面

把本地文档拖拽到中间蓝色区域，文件就会显示在上方，勾选相应文件再点击Move to workspace，文件就会出现在最下方工作区位置，此时模型会对文件进行处理。这样就投喂完成了。

4.验证

在命令行把deepseek跑起来，使用本地工作区提问。上面的提问是投喂前的，模型建议我自己查询，投喂后就可以使用该数据回答我的问题了。

大模型在通用领域能力下限已经很高，但要提升专用领域的可用性必须投喂足够数据，借助现有模型的数据处理和逻辑推理能力，它就可以成为专用领域的专家。