企业官网建设流程全解析

简介：这份PDF文档面向希望搭建个人或企业级本地知识库的技术人员与AI应用开发者，系统讲解基于DeepSeek的大模型知识库构建方法。内容从检索增强生成（RAG）的技术原理切入，剖析上下文窗口与RAG的互补关系，并对比OpenWebUI、CherryStudio、Dify、RAGFlow、Milvus等主流技术组件的选型思路，进而演示轻量版CherryStudio与Dify两套实操方案，覆盖前端交互、向量存储、嵌入模型与推理大模型等核心模块。资源包为1个PDF文件，约2.28MB，结构清晰、图文并茂，便于按章节检索学习。目前已有261人学习，适合需要从原理到落地完整掌握本地知识库建设路径的读者参考。

1. 从一次翻车说起：为什么我坚持用 DeepSeek + CherryStudio 搭本地知识库

去年帮一个朋友处理他的技术文档库，他兴冲冲地装了个某开源知识库工具，结果卡在嵌入模型下载那一步整整两天——不是网络超时就是显存爆了，最后发现是向量维度没对齐，检索出来的答案驴唇不对马嘴。这件事让我意识到，本地知识库这东西，装得上和跑得通完全是两码事。现在 DeepSeek 热度高，RAG 又是大模型落地最成熟的场景，很多人想用 DeepSeek 搭一套自己的知识库，但往往在环境选型、API 配置、嵌入模型匹配这几个环节反复踩坑。这篇笔记就按我实际部署的顺序，把 DeepSeek + CherryStudio 这套个人轻量方案从环境准备到验证跑通完整走一遍，顺带把企业级 Dify 方案的差异点也标出来。如果你正卡在装工具、配环境这一步，照着走应该能少熬两个晚上。

2. 环境准备与版本选型：DeepSeek 知识库到底需要哪些组件

2.1 先搞清楚 RAG 知识库的五个核心模块

不管用 CherryStudio 还是 Dify，一套能跑通的本地知识库底层都离不开这五块：前端交互框架、向量数据库、嵌入模型、推理大模型、RAG 编排框架。前端负责上传文档和对话，向量库存切片后的向量，嵌入模型把文本转成向量，推理大模型生成最终答案，RAG 框架把检索和生成串起来。CherryStudio 比较省心的地方在于它把前端、向量库（libsql 自带）、RAG 编排都打包了，你只需要配好嵌入模型和推理大模型的 API 就能跑。Dify 则更偏向企业级，组件可以拆开部署，向量库可以换成 Milvus 或 Qdrant，嵌入模型也能独立选。

我一般会先确认一件事：你是只想快速验证知识库效果，还是准备长期维护一个团队用的库。前者直接 CherryStudio + DeepSeek API，半小时能跑通；后者建议 Dify + 本地嵌入模型 + 独立向量库，前期多花一天配环境，后面省心。

2.2 版本选择与硬件底线

DeepSeek 这边，推理模型选 DeepSeek-R1。如果你不打算本地部署，直接用官方 API 或者第三方部署的 DeepSeek-R1 API 都行。官方 API 访问量大的时候确实会不稳定，我遇到过连续几次请求超时的情况，后来换了一个第三方部署的 DeepSeek-R1 接口就稳了。本地部署的话，DeepSeek-R1 70B 量化版至少需要 48G 显存，个人用户不太现实，所以这篇实操以 API 调用为主。

CherryStudio 去官网下最新稳定版就行，Windows 和 macOS 都有安装包。嵌入模型是容易被忽略的一环，CherryStudio 支持 bge-m3、bge-large-zh-v1.5、bce-embedding-base_v1 这几个。我一般选 bge-m3，它对中文和英文混合文档的检索效果比较均衡，向量维度 1024，libsql 存起来压力不大。如果你文档全是中文技术资料，bge-large-zh-v1.5 也可以，维度也是 1024，检索精度略高一点。

提示：嵌入模型一旦选定，知识库里的文档全部要重新向量化。换嵌入模型等于重建知识库，所以一开始就定好，别中途换。

2.3 安装 CherryStudio 并配置 DeepSeek API

去 CherryStudio 官网下载对应系统的安装包，双击安装，没什么特别的依赖。装完之后打开，第一件事是配模型服务。

# 这一步没有命令行操作，全在 CherryStudio 图形界面完成 # 打开 CherryStudio -> 设置 -> 模型服务 # 在模型服务列表里找到 DeepSeek，填入 API Key # 如果用的是第三方 DeepSeek-R1 接口，选“自定义 OpenAI 兼容” # Base URL 填第三方提供的地址，API Key 填对应的密钥 # 模型名称填 deepseek-r1 或第三方指定的模型 ID

这里的关键是 Base URL 和模型名称要匹配。官方 DeepSeek API 的 Base URL 是https://api.deepseek.com，模型名填deepseek-reasoner或deepseek-chat。第三方接口的 Base URL 一般以/v1结尾，模型名要看对方文档。填完之后点“检查”按钮，能列出模型列表就说明通了。如果报 401，检查 API Key 有没有多余空格；如果报 404，大概率是 Base URL 路径不对，试试加不加/v1的区别。

2.4 嵌入模型的配置与向量库初始化

CherryStudio 新建知识库的时候会让你选嵌入模型。如果你选的是 bge-m3，第一次使用它会自动下载模型文件，大概 2G 左右。下载过程取决于网络，我建议提前把模型缓存目录设到空间大的盘。

# CherryStudio 嵌入模型缓存默认在用户目录下 # Windows: C:\Users\你的用户名\.cherrystudio\models # macOS: ~/.cherrystudio/models # 如果 C 盘空间紧张，可以在设置里改模型缓存路径 # 改完之后重启 CherryStudio 生效

向量库这块 CherryStudio 用的是内置 libsql，不需要额外装。新建知识库时它会自动在本地建一个.db文件。你唯一要注意的是知识库文件别放在同步盘里（比如某网盘同步目录），libsql 在文件被外部进程锁定时会报错。我一般放在纯本地目录，比如D:\knowledge-base\下面。

3. 上传语料与向量化：DeepSeek 知识库的数据入库实操

3.1 支持的文件格式与预处理建议

CherryStudio 支持 pdf、docx、pptx、xlsx、txt、md 这六种格式。实际用下来，md 和 txt 的向量化效果最好，因为纯文本没有格式解析的损耗。pdf 要看是不是扫描件，扫描件它提取不出文字，向量化之后检索全是空的。docx 和 pptx 一般没问题，但表格多的文档切片后语义容易断，检索命中率会下降。

我一般会先做一轮预处理：把 pdf 用工具转成 md，表格单独抽出来存成结构化文本，图片里的文字先 OCR 成文本再入库。这一步多花十分钟，后面检索准确率能差出一大截。

# 用 markitdown 把 pdf 转 md 的示例（需要先 pip install markitdown） markitdown input.pdf -o output.md # 如果 pdf 是扫描件，先用 OCR 工具处理 # 常见做法是用 tesseract 或 paddleocr 先转成文本 # 这里不展开 OCR 安装，只提醒扫描件必须过 OCR 这关

3.2 新建知识库并上传文档

在 CherryStudio 左侧栏点“知识库”，新建一个，命名建议用英文加日期，比如tech-docs-202502。建好之后把预处理过的文件拖进去，或者点上传按钮选文件。上传后每个文件后面会出现一个对钩图标，表示向量化完成。如果一直转圈，说明嵌入模型在跑，大文件可能要等几分钟。

注意：上传大量文件时别一次性拖几百个进去，libsql 写入会排队，界面可能卡死。我一般分批，每批 20 到 30 个文件，等对钩全出来了再传下一批。

3.3 向量化参数与切片策略

CherryStudio 默认的切片大小是 500 字符，重叠 50 字符。这个参数在知识库设置里可以改。技术文档我一般调到 800 字符，重叠 100 字符，因为技术概念往往需要前后文才能说清楚。如果是 FAQ 类的短问答，500 字符就够了。

# 切片参数在知识库设置 -> 高级设置里 # 切片大小：500 -> 800（技术文档建议） # 重叠大小：50 -> 100（保证跨切片的语义连贯） # 改完参数后，已上传的文档需要重新向量化 # 操作方式：删除知识库里的文档重新上传，或者点“重新索引”

这里有个坑：切片大小不是越大越好。调到 2000 字符以上，检索出来的片段会包含太多无关信息，反而拉低答案质量。我试过 1500 字符，DeepSeek-R1 生成的答案里经常混入不相关的内容，调回 800 就正常了。

3.4 验证向量化是否成功

上传完文档后，别急着问问题。先点知识库的“检索测试”，输入一个你确定文档里有的关键词，看能不能召回相关片段。如果召回为空，说明向量化没成功或者嵌入模型没配对。如果召回片段和问题不相关，说明切片或嵌入模型选得不对。

# 检索测试示例 # 输入：“DeepSeek-R1 的上下文长度是多少” # 期望召回：包含“128K”或“上下文窗口”的片段 # 如果召回的是无关片段，检查： # 1. 嵌入模型是否和建库时一致 # 2. 文档是否真的包含该信息 # 3. 切片大小是否过大导致语义稀释

4. 避坑与排查：DeepSeek 知识库安装配置中最容易翻车的五个点

4.1 现象：API 检查通过但对话报错“模型不存在”

原因：CherryStudio 的模型服务检查和实际对话走的可能是不同接口。检查按钮只验证 API Key 有效性，不验证模型名称。解决：在模型服务设置里手动把模型名称改成 API 提供商文档里写的准确 ID，比如deepseek-reasoner不能写成deepseek-r1。改完重启 CherryStudio。

4.2 现象：文档上传后一直转圈，对钩不出来

原因：嵌入模型下载失败或显存不足。bge-m3 首次加载需要约 2G 显存，如果同时开了其他占显存的程序，会卡住。解决：关掉不必要的程序，在设置里确认嵌入模型缓存路径有足够空间，然后删除未完成的文档重新上传。如果还是不行，换 bge-large-zh-v1.5 试试，它稍小一点。

4.3 现象：检索测试能召回片段，但 DeepSeek 回答“我不知道”

原因：提示词模板里没有把检索到的上下文正确注入。CherryStudio 默认的 RAG 提示词模板有时候会把上下文放在系统消息里，而 DeepSeek-R1 对系统消息的遵循度不如用户消息。解决：在知识库设置里把提示词模板改成把上下文放在用户消息中，类似“基于以下资料回答问题：{context} 问题：{query}”。

4.4 现象：换嵌入模型后旧知识库检索全乱

原因：不同嵌入模型生成的向量空间不兼容，旧向量和新查询向量不在一个空间里。解决：换嵌入模型必须重建知识库。删掉旧知识库，用新嵌入模型重新建库、重新上传文档。没有捷径。

4.5 现象：libsql 报错“database is locked”

原因：知识库文件被其他进程占用，或者放在了同步盘目录里。解决：把知识库文件移到纯本地目录，关闭可能扫描该目录的杀毒软件或同步工具。如果已经锁死，重启 CherryStudio 一般能恢复。

5. 装完怎么验证跑通：三个必做的检查动作

装完 CherryStudio 并配好 DeepSeek API 之后，别急着往里面灌几百个文档。我一般会先用一个最小闭环验证整条链路通不通。具体做法是：新建一个测试知识库，只放一个 md 文件，里面写三段话，每段包含一个独特的关键词，比如“蓝鲸的迁徙路线”“量子纠缠的贝尔不等式”“唐代三彩釉陶的烧制温度”。然后分别用这三个关键词去检索测试，看能不能精确召回对应段落。这一步能过，说明嵌入模型、切片、向量库都没问题。

接下来验证生成环节。在对话界面选这个测试知识库，问一个文档里有答案的问题，比如“蓝鲸迁徙路线经过哪些海域”。如果 DeepSeek-R1 的回答里引用了文档中的具体内容，而不是泛泛而谈，说明 RAG 链路通了。如果回答是“根据我的知识”开头，说明上下文没注入成功，回去检查提示词模板。

最后一步是压力测试。把切片大小调到 800，重叠 100，上传一个 50 页左右的 pdf 技术手册，等向量化完成后，连续问五个不同章节的问题。我一般会记录每个问题的首次响应时间和答案准确度。如果某个问题召回为空，去检索测试里看是切片问题还是文档本身没有这个信息。这一步能帮你摸清这套配置的实际能力边界。

# 验证清单（建议每次新建知识库后走一遍） # 1. 单文档三关键词检索召回测试 -> 全中则嵌入和切片正常 # 2. 对话测试 -> 答案引用文档内容则 RAG 链路正常 # 3. 50 页文档五问测试 -> 记录召回率和响应时间 # 如果第 3 步召回率低于 60%，考虑调小切片或换嵌入模型

从那以后我每次搭新知识库都强制走一遍这个三步验证，不再凭感觉觉得“应该没问题”。希望帮到你。

本文还有配套的精品资源，点击获取