自己动手，丰衣足食！用 Ollama + DeepSeek + FastGPT 搭建本地知识库，开启智能办公新体验

Hey，小伙伴们！今天我要给大家带来一个超级实用的干货分享------如何用 Ollama + DeepSeek + FastGPT 搭建本地知识库，让你轻松拥有一个专属的智能助手！跟着我一步步来，保证你也能轻松搞定！

还不知道 Ollama + DeepSeek 怎么私有化部署的小伙伴，👇请先看这篇文章：

快上车！3 步搞定 DeepSeek 本地部署，小白也能轻松逆袭！

为啥要搞这个玩意儿？

在这个信息爆炸的时代，我们每天都要面对海量的知识和数据。无论是工作中的文件、会议记录，还是生活中的各种资料，都像是一堆乱麻，让人头疼。要是有个智能助手，能帮我们快速找到关键信息，那该多好呀！而 Ollama + DeepSeek + FastGPT 的组合，就像是给我们的大脑装上了超级搜索引擎。它不仅能帮我们整理和存储知识，让我们通过简单的对话就能获取想要的信息，还能让我们的工作效率翻倍，生活变得更加轻松有趣。

一、工具介绍

1. FastGPT：打造专属知识库的利器

FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力。它不仅能让我们搭建知识库，还能通过简单的界面，让我们快速创建各种应用。而且，它还支持联网搜索、飞书、钉钉、企业微信等插件，可以无缝衔接到我们常用的工作软件中。它的核心功能包括：

1. 专属 AI 客服：通过导入文档或已有问答对进行训练，让 AI 模型能够根据你的文档以交互式对话方式回答问题。
2. 简单易用的可视化界面：提供直观的操作步骤，即使是小白用户也能轻松上手。
3. 自动数据预处理：支持多种数据导入方式，包括手动输入、直接分段、LLM 自动处理和 CSV 文件。
4. 工作流编排：通过 Flow 模块，可以设计复杂的问答流程，比如查询数据库、查询库存等。
5. 强大的 API 集成：对齐 OpenAI 官方接口，可以直接接入现有的 GPT 应用。

2. DeepSeek：低成本、高性能的 AI 模型

DeepSeek 是一款由深度求索公司开发的高性能 AI 大模型，基于深度学习和多模态数据融合技术，采用先进的 Transformer 架构和跨模态协同算法。它在极低成本下实现了与国际顶尖模型相媲美的性能表现，中文理解与输出能力更是远超 ChatGPT 等顶尖模型。DeepSeek 的核心优势包括：

1. 多模态交互：支持文本、图像、PDF 等多格式输入，还能进行中英文 OCR 识别和图表数据提取。
2. 实时信息获取：支持联网更新知识库，每日更新，确保信息的时效性。
3. 专业领域强化：在数学公式推导、代码生成与调试、学术文献解析等方面表现出色。
4. 隐私保护：端到端加密，通过三级等保认证，确保数据安全。

3. Ollama：本地部署的神器

Ollama 是一个开源工具，专门用来在本地运行大语言模型（LLMs）。它的厉害之处在于，我们可以在自己的电脑上，不依赖云服务，就能高效地加载和运行这些强大的 AI 模型。这就像是把一个超级智能的"大脑"装进了自己的口袋，随时随地都能用。以下是 Ollama 的主要特点：

1. 本地部署，隐私保护：Ollama 支持在 Windows、macOS 和 Linux 等系统本地运行模型，无需依赖云端，数据交互全程在本地完成，避免隐私泄露。
2. 丰富模型库，开箱即用：Ollama 预集成了多种主流开源模型，如 Llama 2、DeepSeek-R1、Mistral 等，覆盖文本生成、代码开发、多语言翻译等场景。
3. 极简交互，命令行与 API 双支持：

• 命令行操作：通过 ollama run 模型名 一键下载并启动模型，支持流式对话。
• API 接口：默认开放 11434 端口，兼容 OpenAI API 格式，可无缝对接 LangChain 等工具。

二、搭建本地知识库的详细步骤

1. 安装 Docker

为啥要装Docker？因为它能一键部署FastGPT（不仅FastGPT，大部分的开源项目都可以用docker一键部署），操作起来特别方便，所以我强烈建议玩AI的朋友都安装上docker。对于如何安装docker，网上已经有大量详细的教程，大家自己搜一下就行。

官网：www.docker.com/

2. 部署 Embedding

在之前的文章中我们已经部署过 DeepSeek R1 这个模型，这里就不在赘述。现在我们部署 Embedding 模型，Embedding 是搭建知识库的关键。

Ollama官网：ollama.com/

进入官网后选择【Models】，再选择下方的【Embedding】，点击"nomic-embed-text"，如下图：

复制命令，然后运行 ollama pull nomic-embed-text

耐心等待，安装成功如下图：

3. 部署 FastGPT

3.1 创建 FastGPT 目录并下载配置文件

Github地址：github.com/labring/Fas...

本地创建一个 FastGPT 目录，然后下载 config.json 和 docker-compose.yml 文件，如下图：

若无法访问Github，可点击下方网盘下载：

下载链接：https://pan.quark.cn/s/f95cbab89b95

下载完成后如下图：

将"docker-compose-pgvector.yml"重命名为"docker-compose.yml"。

3.2 启动容器

打开命令提示符，进入 FastGPT 目录下的 docker 目录，再输入 docker-compose up -d 指令，回车

耐心等待，成功后的界面如下：

容器启动成功后会在 Docker 中看到 fastgpt，如下图：

4. 配置 FastGPT

4.1 登录 FastGPT

打开 FastGPT 地址：http://localhost:3000/

默认账号密码： root/1234

登录后进入主界面，如下图：

4.2 配置模型

点击左侧菜单【账号】，选择【模型提供商】，点击【模型配置】，点击右上角【新增模型】按钮并选择"语言模型"，如下图：

输入"模型ID"、"模型提供商"、"模型"，且"模型ID"需与Ollama中安装的模型名称一致，如下图：

继续点击右上角【新增模型】按钮并选择"索引模型"，同样，输入"模型ID"、"模型提供商"、"模型"，且"模型ID"需与Ollama中安装的模型名称一致，如下图：

确认添加后，回到列表中点击"启用"列，可以看到刚刚添加的两个模型已启用，如下图：

4.3 配置模型渠道

tab页切换到【模型渠道】，点击【新增渠道】

填入"渠道名"、选择"厂商"和模型、输入代理地址后点击【新建】，如下图：

4.4 测试模型

tab页切换到【模型配置】，点击【模型测试】按钮校验已添加的模型是否可用，如下图：

若显示"成功"就证明可以使用了。

5. 创建应用

回到【工作台】主界面，点击右上角【新建】按钮，选择"简易应用"

输入应用名称，选择"创建空白应用"

AI模型选择前面我们添加过的模型，如下图：

然后在右侧聊天区域中输入"你是谁？"，输出结果如下：

6. 添加本地知识库

6.1 新建知识库

选择左侧菜单栏中的【知识库】，点击右上角【新建】按钮，选择"通用知识库"。

输入"知识库名称"、选择"索引模型"和"文本理解模型"，点击【确认创建】

6.2 导入数据集

右上方点击【新建/导入】，选择"文本数据集"

选择"本地文件"后点击【确认】按钮，如下图：

上传资料，点击【下一步】

按需选择对应的"处理方式"和"参数设置"，点击【下一步】

点击左侧的文件，我们可以在右侧预览分块，继续点击【下一步】

点击【开始上传】

当状态显示为"已就绪"时，说明知识库已经搭建完成

7. 测试知识库

点击左侧菜单中的【工作台】，回到我们刚刚创建的应用"智能助手"，进行知识库关联，如下图：

完成关联后，点击【参数】进行配置，可以设置"搜索模式"、"搜索过滤"和"问题优化"，这里设置"问题优化"，AI模型还是选择deepseek r1，如下图：

接下来，在右侧对话框中输入"提问的万能公式是什么？"，输出的内容如下：

可以看到给出了思考过程，并且显示了引用的知识库文档，处理时间及详情信息。下面不关联知识库，输入"提问的万能公式是什么？"，输出的内容如下：

三、总结

看到这里，是不是觉得构建智能应用其实并不难呀？技术赋能的时代已经来临，关键在于我们是否愿意勇敢地去尝试。当工具变得触手可及，真正能决定我们成就的，唯有我们的创意与实践。

所以，小伙伴们，赶紧动手搭建自己的本地知识库吧！相信我，这绝对会成为你工作和生活中的超级助手。

如果你觉得这篇文章对你有帮助，别忘了点赞、在看、转发哦！因为你的支持就是我最大的动力呀！