Ubuntu 24.04.1 LTS 本地部署 DeepSeek 私有化知识库

---

前言

工具介绍与作用

1. Ollama - 官方网站

   • 定义与作用：
     • Ollama 是一个开源的本地化大语言模型（LLM）部署工具，旨在简化大型语言模型的安装、运行和管理。它封装了底层的模型运行逻辑，提供了一个用户友好的命令行界面（CLI）和 API 接口，使得用户可以在本地设备上轻松运行各种开源模型（如 LLaMA、DeepSeek 等）。Ollama 支持 GPU 加速，能够自动利用设备的 GPU 资源来提高模型的推理效率。
   • 在 DeepSeek 部署中的作用：
     • Ollama 作为 DeepSeek 模型的本地运行环境，负责加载和运行 DeepSeek 模型文件。它提供了模型管理功能，用户可以通过 Ollama 的命令行工具下载、加载和切换不同的模型版本。

2. Embedding - 官方网站

   • 定义与作用：
     • Embedding（嵌入）是指将高维数据（如文本）转换为低维向量的过程。这些向量能够捕捉数据的语义信息，便于进行高效的检索和比较。在自然语言处理中，嵌入模型（如 nomic-embed-text ）将文本片段转换为向量，这些向量可以存储在向量数据库中。
   • 在 DeepSeek 部署中的作用：
     • 在部署 DeepSeek 时，Embedding 模型用于将文档内容转换为向量形式，并将这些向量存储在向量数据库中。当用户向 AI 助手提问时，系统会通过嵌入模型将问题文本转换为向量，然后在向量数据库中搜索与问题最相关的文档片段，从而提供更精准的回答。

3. AnythingLLM - 官方网站

   • 定义与作用：
     • AnythingLLM 是一个全栈应用程序，用于构建私有化的 AI 知识库。它支持多种文档格式（如 PDF、TXT、DOCX 等），可以将文档内容嵌入到向量数据库中，并通过智能问答功能与用户进行交互。AnythingLLM 提供了前端管理界面，用户可以通过界面上传文档、管理知识库，并与 AI 助手进行对话。
   • 在 DeepSeek 部署中的作用：
     • AnythingLLM 作为前端管理工具，与 Ollama 结合使用，提供了一个完整的知识库管理解决方案。它通过调用 Ollama 提供的模型推理能力，结合嵌入模型和向量数据库，实现了对用户上传文档的智能检索和问答功能。AnythingLLM 支持多种 LLM 和嵌入模型，用户可以选择适合的模型组合来优化知识库的性能。

4. Page Assist - 官方网站

   • 定义与作用：
     • Page Assist 是一个开源的浏览器扩展插件，用于与本地运行的 AI 模型进行交互。它提供了一个直观的 WebUI 界面，用户可以通过侧边栏或网页 UI 与 AI 模型进行对话。Page Assist 支持多种功能，包括与网页内容、PDF 文件和文档进行聊天交流。
   • 在 DeepSeek 部署中的作用：
     • Page Assist 为用户提供了一个便捷的交互界面，使得用户可以通过浏览器与本地运行的 DeepSeek 模型进行对话。它与 Ollama 配合使用，通过配置 Ollama 的地址和嵌入模型，用户可以在浏览器中直接与 DeepSeek 模型进行交互。

工具的关联与协同工作

• Ollama 是底层的模型运行环境，负责加载和运行 DeepSeek 模型。
• Embedding 模型将文档内容转换为向量，存储在向量数据库中，为智能问答提供支持。
• AnythingLLM 作为前端管理工具，结合 Ollama 和嵌入模型，实现了知识库的管理和智能问答功能。
• Page Assist 提供了一个用户友好的交互界面，使得用户可以通过浏览器与本地运行的 DeepSeek 模型进行对话。

必要性分析

必须使用的工具：

• Ollama：
  • 作用：Ollama 是部署 DeepSeek 的核心工具，负责下载、管理和运行 DeepSeek 模型。它是本地化部署 DeepSeek 的基础，必须使用。
  • 最小需求：安装 Ollama 客户端，并通过命令行运行 DeepSeek 模型（如 ollama run deepseek-r1:7b ）。
• DeepSeek 模型：
  • 作用：DeepSeek 是一个强大的语言模型，用于提供智能问答和生成内容。
  • 最小需求：下载并运行 DeepSeek 模型（如 deepseek-r1:7b ），这是实现功能的基础。

可选的工具：

• AnythingLLM：
  • 作用：提供一个用户友好的界面，用于管理文档、知识库和与 DeepSeek 模型进行交互。它支持文档上传、向量化和智能检索功能。
  • 是否必须：可选，但强烈推荐。如果没有 AnythingLLM，用户只能通过命令行与 DeepSeek 交互，无法实现知识库管理和智能检索功能。
• Embedding：
  • 作用：将文档内容转换为向量形式，以便存储在向量数据库中，支持智能检索功能。
  • 是否必须：可选，但如果你需要实现基于文档的知识库功能（如智能检索和问答），则需要使用 Embedding。
• Page Assist：
  • 作用：提供一个浏览器扩展界面，用于与本地运行的 DeepSeek 模型进行交互，增强用户体验。
  • 是否必须：可选，主要用于提升用户体验，使用户可以通过浏览器界面与模型进行对话。

---

1、DeepSeek 简介

官方网站

1.1、DeepSeek-R1 硬件要求

参考文档

参考文档：R1蒸馏版-1.5B 无需GPU，任意四核 CPU，内存 8GB，硬盘空间 12GB 即可运行

2、Linux 环境说明

操作系统：Ubuntu 24.04.1 LTS
安装包：ubuntu-24.04.1-desktop-amd64.iso

硬件环境：i5-10400
虚拟化软件：ESXi-8.0
虚拟机：CPU 8核 内存 16G 硬盘 80G

2.1、最小部署（Ollama + DeepSeek）

目标：快速启动并运行 DeepSeek 模型，进行基本的智能问答

最小需求：

• Ollama：用于下载和运行 DeepSeek 模型
• DeepSeek 模型：选择合适的模型版本（如 deepseek-r1:7b ）并运行

参考文档：Ollama GitHub 部署文档

# 安装 curl 工具 - 系统默认没有
apt install curl# 安装 Ollama
# 不推荐！好慢： curl -fsSL https://ollama.com/install.sh | sh
# 推荐 - 通过工具下载，地址：https://ollama.com/download/ollama-linux-amd64.tgz
# 解压
sudo tar -C /usr -xzf ollama-linux-amd64.tgz
# 启动 Ollama 服务 - 前台运行
ollama serve
# 查看 Ollama 是否正常启动 - 通过浏览器访问 http://localhost:11434# 验证是否安装成功
# 打开另外一个中端
ollama -v
ollama --version# 下载并运行 DeepSeek 模型
# 说明：有点慢 1.1 GB
ollama run deepseek-r1:1.5b
# 成功后，即可愉快的玩耍啦 ~

2.1.1、扩展（非必须） - Ollama 后台运行、开机自启：

编辑配置文件

nano /etc/systemd/system/ollama.service
# 重载 systemd 配置
sudo systemctl daemon-reload
# 开机自启
sudo systemctl enable ollama
# 启动服务
sudo systemctl start ollama
# 查看状态
sudo systemctl status ollama

配置文件示例

[Unit]
Description=Ollama Service
After=network.target[Service]
ExecStart=/usr/bin/ollama serve
Restart=always
User=root
Group=root
RestartSec=3
# 如果需要远程访问，设置为 0.0.0.0
Environment="OLLAMA_HOST=0.0.0.0"
# 如果需要更改端口，可以在这里设置
Environment="OLLAMA_PORT=11434"
Environment="OLLAMA_ORIGINS=*"
# 模型文件存储目录，当前为默认。推荐变更为 /data/ollama/models
Environment="OLLAMA_MODELS=/root/.ollama/models"[Install]
WantedBy=multi-user.target

2.2、Page Assist - 浏览器插件

以上方法，只能通过命令行进行交互。
如何通过浏览器进行交互呢？浏览器上面安装个插件 Page Assist

FireFox 安装示例（Chrome 也有）

点击插件之后显示的页面

配置页面 - 配置成中文

配置页面 - 选择模型

插件页面 - 开始聊天啦 ~

2.3、知识库

2.3.1、Embedding 向量化模型 - bge-m3

# 拉取模型
ollama pull bge-m3
# 验证是否拉取成功
ollama list

2.3.2、AnythingLLM

参考文档：AnythingLLM 官方部署文档
说明：通过官方命令下载有点慢，可以通过工具下载。
AnythingLLMDesktop.AppImage 安装文件下载地址

说明：使用 .AppImage 文件，依赖 FUSE
FUSE 官方网站

# 安装 FUSE
sudo add-apt-repository universe
sudo apt install libfuse2t64
# 安装好后，鼠标双击 AnythingLLMDesktop.AppImage 文件即可出现可视化界面啦 ~

初始界面

skip 注册的流程 - 创建工作区 - 设置 LLM 首选项

设置 Embedding 向量化模型

上传自定义的知识，并向量化保存。

下拉，点击 Save

部署完成啦 ~ 可以使用啦 ~

---