写在前面
在上一篇文章中，我们说了怎么在本地部署DeepSeek。对本地部署DeepSeek感兴趣的小伙伴看过来。
本地部署 DeepSeek：小白也能轻松搞定！
话说回来了，为啥要本地部署呢？
① 在使用DeepSeek中，经常会出现服务器繁忙，请稍后再试。
② 不想让个人隐私数据暴露出去
③ 可以将各种格式的文件，如pdf、csv、txt、md 格式的数据投喂给它。比如你想让 DeepSeek 了解你的公司业务，就把相关的文档上传给它。
DeepSeek 就能吃下你给它的各种"知识大餐"，然后变得更聪明,更懂你
一、RAG是什么？
为了投喂数据，我们要用到RAG。首先，我们先来了解下什么是RAG？
我们就问问昨天部署好的DeepSeek好了。
首先我们在命令行输入：ollama run deepseek-r1:1.5b 命令，启动DeepSeek
然后打开浏览器并输入快捷键：ctrl+shift+l 调出WebUI可视化AI界面
输入：RAG是什么？
翻译成大白话就是：我们把知识放到知识库里，然后把它投喂给人工智能。我们需要用一个量化的工具，把各种格式的数据量化给人工智能，让它能看得懂。
人工智能通过对这些知识的学习后，以后你再问它的时候，他就能将知识提取出来，加工处理后回答你的问题。
RAG 就是让 DeepSeek 不仅能靠自己的知识库回答问题，还能通过检索外部数据来增强回答的准确性和丰富性。就好比你考试时偷偷带了小抄，但 DeepSeek 是光明正大地"作弊"，还能把答案说得头头是道。
二、 拉取nomic-embed-text
刚说了RAG是啥？我们需要一个RAG工具来完成量化工作。
各种开源免费的RAG工具挺多，我们这里选择最近比较获得ollama 提供的nomic-embed-text。
https://ollama.com/library/nomic-embed-text
我们使用上面圈出来的命令拉取即可，274M，大约1min左右就可以下完，出现【success】字样表示下载成功。
三、RAG设置
打开WebUI界面，我们会看到一个RAG设置文本嵌入模型。
文本嵌入模型就是把我们投喂的各种文档数据量化成DeepSeek认识的数据。
四、添加新知识
工具都准备好后，我们开始准备给DeepSeek投喂数据......
① 投喂前不认识晓凡
在投喂数据之前，我们问问它认不认识晓凡。结果不用我说了，肯定是不知道的 😅
② 准备投喂的数据
接下来，将晓凡事先准备好的关于晓凡的简介【程序员晓凡.md】文档投喂给它，文档内容如下。
③ 投喂数据
④ 投喂完成后，已经认识晓凡了
五、其他数据投喂测试
我们准备一个【学生选课系统接口文档 V1.1.md】接口文档
按照上面方法进行投喂
接下来，我们我们让DeepSeek 用Java语言实现【获取学生选课信息】这一接口功能
本期内容到这儿就结束了，希望对您有所帮助。
我们下期再见 ヾ(•ω•`)o (●'◡'●)