《从零开始DeepSeek R1搭建本地知识库问答系统》一：利用WSL2搭建Linux子系统并设置运行环境

前言

最近推出的 DeepSeek R1 异常火爆，我也想趁此机会捣鼓一下，实现 DeepSeek R1 本地化部署并搭建本地知识库问答系统，其中实现的思路如下：

使用 windows 11 WSL2，创建子系统Linux，并使用 Anaconda 创建 pythn 环境。（本章内容）

下载 DeepSeek R1 蒸馏模型，使用 Ollama 框架作为服务载体部署运行。

选择基于 Langchain 框架下的 rag 架构，利用 FastApi 接口，搭建后端服务。

使用 vue3 + ElementPlus 作为前端ui框架，实现问答系统前端功能。

不依赖于 Langchain 框架，而选择 LightRAG 架构，搭建后端服务。

没错，在前后端开发中，我采取的和别人的不太一样，一般的教程例子 ui 框架都是使用 python 语言编写，例如 streamlit 框架。~~作为一个 python 小白，想改都不好改。~~

服务端只专注于 python 开发即可，提供Restful API 风格接口给前端使用，前端的东西交给前端的人来做。~~绝对不是因为我是python小白~~。在企业开发中，把大语言模型功能嵌入到已有的 web 项目是很常见的，而且大多数 web 项目都是用 react 或 vue 开发。

准备工作

安装 WSL2 有一些先决条件：

Windows 11 版本默认支持 ，或者Windows 10 版本 2004 及更高版本（内部版本 19041 及更高版本）。如果是旧版本请参考旧版 WSL 的手动安装步骤 | Microsoft Learn。
进入主板 bios 启用虚拟化 。在 Windows 中检查虚拟化是否启用：按 Ctrl + Shift + Esc 打开任务管理器 → 切换到"性能"选项卡 → 查看"虚拟化"是否显示"已启用"。

我的电脑配置为 windows 11 专业版 24H2 版本，显卡为 RTX 2080 super 显存 8G。

一、安装 WSL2

1. 安装 WSL2

具体可查看微软官方的安装步骤：设置 WSL 开发环境 | Microsoft Learn

打开 powershell 终端管理员模式，输入如下命令行：

powershell 复制代码

wsl --install

在安装 wsl 后，会提示重启电脑，手动重启，重启过程中会有更新系统的字样。

重启电脑后，再打开终端，再输入命令行：

powershell 复制代码

wsl --install

此时会安装 Ubuntu，同时在我的电脑左侧会显示有Linux的字样。

2. 设置 WSL 版本

终端中看安装好 Ubuntu 后，会提示：已成功安装分发。它可通过 "wsl.exe -d Ubuntu" 启动。

此时先不着急启动，先使用如下命令行验证是否已经成功安装wsl：

powershell 复制代码

wsl -l -v

如果看到有信息证明已经成功安装，但有的小伙伴的 version 是 1。

输入如下命令行，修改 设置 WSL2 为默认版本：

powershell 复制代码

wsl --set-default-version 2

设置好后，准备启动 Ubuntu。

3. 启动 Ubuntu

输入命令行：

powershell 复制代码

wsl.exe -d Ubuntu

等待一会后，会让你设置用户名和密码。输入密码的时候，文本是空的，懂的人都知道，这是官方称为盲人键入。

设置好后会发现，有Welcome 的字样，并且终端的前缀改变了：

这说明已经启动了 Ubuntu，并且这个终端已经是 Linux 的命令行终端，可以使用 Linux 的任何命令。

4. 更新 Ubuntu

windows 默认不会自动更新 Ubuntu，需要用户自己手动更新，输入如下命令行更新：

bash 复制代码

sudo apt update && sudo apt upgrade

二、子系统简单的操作方式：

如果不小心关闭了终端窗口，可以在终端此处打开 Ubuntu：

1. 基本目录讲解

mnt 目录为 windows 文件资源的镜像目录，例如可以通过 cd /mnt/d/xxx 来访问 D 盘的文件。

我们打开Ubuntu终端，看到终端前缀为 :~$ 意思是当前的目录在 /home/<user name> 下。在文件资源管理器中左侧打开Linux，定位到 /home/<user name> 目录：

2. 在主目录下创建一个文件夹

/home/<user name> 是 Linux 的主目录，基本上所有的用户的文件都应该放在这个目录下。为了方便大家理解，将使用 /home/ly/ 作为主目录。

在主目录下创建一个文件夹，注意创建的文件夹是没有任何权限的，所以要赋予权限：

bash 复制代码

# 创建 Project 文件夹
mkdir Project

# 为 Project 文件夹赋予所有权限
chmod 755 Project

# 查看当前目录下的所有文件夹，并查看权限
ls -l

当然也可以直接在资源管理器中右键新建文件夹，但是这样的话，新建文件夹的所有者为 root，我用这样的方式新建名为 cesshi 的文件夹。可以看到两种方式的区别。

以上在资源管理器中也能看到。删除文件也很简单，直接在在资源管理器中右键删除即可。

记住几乎所有的方式都可以在文件资源管理器中，像操作 windows 来对 Linux 系统文件进行操作。这样可以免去敲命令行的操作。比如复制、粘贴、删除、简单的修改文件内容。注意，删除文件是永久删除。

三、安装 Anaconda 并配置 python 环境

1. 下载 Anaconda

安装 Anaconda 有两种方式

方式一：Linux 命令行下载安装

bash 复制代码

# 下载最新 Miniconda（Linux 64位）
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

# 运行安装（需交互操作）
bash Anaconda3-2024.10-1-Linux-x86_64.sh

下载后文件会放在home目录下，安装完即可删除。

方式二（推荐）：官网下载安装包，在 Ubuntu 中引入文件位置安装

由于文件比较大，可能会下载很久也不知道下载进度，所有更推荐在官网下载好安装包后，再使用命令行进行安装。

而且这个安装方式，以后会很常用。由于 WSL2 的 Linux 是子系统，可以实现文件资源共享。

打开Anaconda官方下载地址，选择 Linux 64-Bit (x86) Installer (1007.9M)

下载文件后，我存放的地址为 D:\Download 目录下。

在 Ubuntu 中打开进入到镜像位置

bash 复制代码

# 进入D盘镜像
cd /mnt/d/Download

# 运行安装（需交互操作）
bash Anaconda3-2024.10-1-Linux-x86_64.sh

跟着提示操作安装即可。

2. 激活conda 环境

可能有的小伙伴在安装的时候，手快跳过了设置环境变量，这时候要手动添加环境变量：

资源管理器打开 Ubuntu 打开主目录位置 /home/ly，右键使用记事本打开 .bashrc 文件，

在最后一行加上： export PATH=$PATH:/home/ly/anaconda3/bin

注意！/home/<user name>/ 换成自己安装的路径名。

保存后，打开 Ubuntu 终端，在主目录中输入如下命令：

bash 复制代码

ly@LY-ROG:~$ source ~/.bashrc

验证 conda 是否安装好，运行命令行 conda -V，若出现版本号，说明已安装成功。

3. conda 创建 python 环境

Ubuntu 终端输入命令行，等待安装 python ：

bash 复制代码

 conda create -n r1 python=3.13.2

安装好后，关闭并重新打开 Ubuntu 终端，此时会发现，终端前缀多出了 (base)，意思是 conda 默认激活了base虚拟环境，将环境改为我们新建的 python 环境。

Ubuntu 终端输入如下命令行：

bash 复制代码

conda activate r1

如果前缀变成了 (r1)，说明成功激活自己的 python 环境。以后每次打开 Ubuntu 终端，都需要先看看环境，然后切换到自己需要的 python 环境中。

4. 安装 CUDA Toolkit 库（不是 Nvidia 显卡可不装）

打开 CUDA Toolkit 12.8 Downloads | NVIDIA Developer 官网。按下图选择 wsl 版本：

最后三种安装方式选项，大家可自行选择。

切换到 r1 环境，依次执行命令行：

bash 复制代码

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin

sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600

wget https://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda-repo-wsl-ubuntu-12-8-local_12.8.0-1_amd64.deb

sudo dpkg -i cuda-repo-wsl-ubuntu-12-8-local_12.8.0-1_amd64.deb

sudo cp /var/cuda-repo-wsl-ubuntu-12-8-local/cuda-*-keyring.gpg /usr/share/keyrings/

sudo apt-get update

sudo apt-get -y install cuda-toolkit-12-8

如果一切顺利，安装好后，查看路径 /usr/local ，将会看到有 cuda-12.8 的文件夹，说明已经安装，但还差一步。

配置 cuda 环境变量，右键记事本打开 .bashrc 文件：

将以下代码复制到最后一行保存。

bash 复制代码

export PATH=/usr/local/cuda-12.8/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64\
                         ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存后，打开 Ubuntu 终端，运行命令保存文件：

bash 复制代码

ly@LY-ROG:~$ source ~/.bashrc

接着输入， nvcc -V 命令，如果出现版本信息，则说明成功安装。

结语

conda 镜像源有些安装包并不会及时更新，极少数情况会因为下载版本不对，导致出现兼容性问题。所以我都是用本源，并使用魔法加速下载。

根据上面安装，利用 WSL2 运行子系统 Linux，并做好前置环境的工作后，下一章开始讲解如何下载并部署 DeepSeek R1 模型。