DeepSeek + RAGFlow 构建个人知识库，解决AI胡说八道

本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。

一、前言

有没有遇到过这样的场景？

当你向大模型提问一些内部技术细节或特定领域的问题时，比如：

• "Zebra中间件（公司自研）如何使用？"
• "上海市2025年警务技术类人民警察的报名条件是什么？"

大模型一本正经地给出了看似合理、实则完全错误的答案。这就是所谓的「模型幻觉」。当大模型面对非公开、个性化或训练数据之外的知识时，常常会"编造"答案------不知道的就靠猜。

二、为什么模型会「胡说八道」？

简单来说，大模型博览群书，它学习过海量公共知识，但对你的私人知识一无所知，例如：

• 你公司的内部文档
• 你的个人笔记和日记
• 你的私有代码库

这些内容并不在 DeepSeek、OpenAI 等模型的训练数据中。因此，当你提出这类问题时，模型只能靠"推测"来回应------这正是幻觉的根源。

三、如何解决模型幻觉问题？

解决幻觉问题通常有两种方式：

0. 微调模型（Fine-tuning）：让模型重新学习你的知识
1. RAG技术：在不改变模型的情况下增强知识

微调可以解决模型幻觉问题，但部署并微调一个大模型，对企业和个人来说成本非常高，如果退而求其次，微调一个小一点的模型，大概率效果又不好。

四、什么是RAG

RAG（Retrieval Augmented Generation）的核心流程分为三步：

• 检索（Retrieval）：当用户提问时，系统会从外部的知识库中检索出跟用户输入相关的内容
• 增强（Augmented）：系统将检索到的信息与用户的输入结合，扩展模型的上下文，然后再传给生成模型（如DeepSeek、ChatGPT）
• 生成（Generation）：生成模型基于增强后的输入生成最终的回答，由于这一回答参考了知识库中的内容，因此更加准确。

五、Embedding：为什么需要Embedding模型？

Embedding的作用是将自然语言转化为机器可以理解的高维向量，并通过这一过程捕获到文本背后的语义信息，进而理解不同文本之间的相似度关系。

在RAG执行检索流程时，

① 通过Embedding模型，对知识库文件进行解析，生成一个高维向量；

② 同时通过Embedding模型，对用户提问进行处理，生成一个高维向量；

③ 拿用户的提问去匹配本地知识库，系统利用某些相似度度量（如余弦相似度 cosin similarity）去判断相似度。

比如，"汉语"和"英语" Embedding后，会映射到非常相近的向量空间中；深度学习会被映射到比较远的向量空间中。

六、实战搭建：DeepSeek + RAGFlow构建个人知识库

• DeepSeek：国产大模型，性能强劲
• RAGFlow：基于深度文档理解的RAG引擎，开源且易用

📌 搭建步骤：

0. 准备知识文档

• 年度旅行日记（Markdown）
• 个人技术笔记（PDF）
• 项目文档（Word）

2. 部署 RAGFlow（基于docker） RAGFlow 提供详细 GitHub文档（github.com/infiniflow/...）：

   ① 下载RAGFlow源代码

   $ git clone https://github.com/infiniflow/ragflow.git

   ② 配置自带 Embedding 模型的RAGFlow image tag

   

   RAGFlow 提供了两种版本选择：一种内置了 embedding 模型，另一种则不内置。

   如果本地有可用 embedding 模型，建议选择不内置模型的版本以节省资源；若本地没有可用模型，只需在配置文件（ragflow/docker/.envi）中指定使用内置模型版本即可。

   

   ③进入 docker 文件夹，利用提前编译好的 Docker 镜像启动服务器：

   $cd ragflow/docker

   首次启动拉镜像的时间有点长，

   可以看到，RAGFlow 需要ES、Redis等环境，文档解析后需要存储，docker 的集装箱环境帮我们省去了繁琐的环境配置。

   

   启动成功

   

3. 访问与配置

• 访问 http://localhost:80（默认端口80，首次登录先注册）

  

• 在设置中配置 Chat 模型（如 DeepSeek API 或本地 Ollama）和 Embedding 模型（RAGFlow自带）。

  

4. 创建知识库与上传文档

• 新建知识库，解析方法建议选"General"，还可以选择专门解析书籍、简历、论文的其他模式

  

• 上传文档后点击"解析"，Embedding 模型将自动提取文本块

  

  

5. 提问测试

• 关联知识库并设置 System Prompt

  

• 现在你可以提问了！模型将基于你的文档返回准确答案

  

七、温馨提示 & 常见问题

✅ 建议 Docker 内存至少 12GB、Swap 建议 2GB

✅ 若操作卡顿或失败，可查看日志：

docker logs -f ragflow-server

✨ 总结

使用 DeepSeek + RAGFlow，你可以在不到一小时内（如果顺利的话）搭建起一个真正"懂你"的个人知识库助手。无需训练大模型，也能高效、低成本地解决幻觉问题。

如果你也希望大模型能真正理解你的"私有知识"，不妨试试这个方案！

学习资源推荐

如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。

本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。