最近很多朋友都在問：怎么本地部署 DeepSeek 搭建個人知識庫。

老實說，如果你不是為了研究技術，或者確實需要保護涉密數據，我真不建議去折騰本地部署。

為什么呢？

目前 Ollama 從 1.5B 到 70B 都只是把 R1 的推理能力提煉到 Qwen 和 Llama 的蒸餾版本上。

雖說性能是提升了不少，但跟原汁原味的 R1 模型比起來，還是差太多了。

官方的滿血版本可是 671B 的參數量，說實話，對普通人來說想本地部署，這成本確實太高了。

不過我最近發現了一個平臺，不僅能用上 R1 本 1，還提供了不少免費額度。

此外，為了讓擁有算力的朋友可以本地部署，我也提供了相關教程。

看完全文，你會收獲：

1、滿血 DeepSeek R1 模型 API 搭建方式

2、本地部署 DeepSeek R1 模型 搭建方式

一、個人知識庫使用效果（滿血版） 

來看幾個使用案例：如何借助 個人知識庫文件 作為外腦，用方法論指導我們正確做事？

DeepSeek 確實很好用，但關鍵還是會不會提問。如果不會提問，AI 再強也幫不上忙。

除了花時間學習提示詞，更快的方式是本地備一份提問指南，讓 AI 指導你該怎么正確提問，這樣才能真正發揮它的價值！

AI 借助知識庫內的 DeepSeek 指導手冊，預判了我可能想問的問題，以及建議的正確提示詞格式。

從回答中可以發現，AI 不是依據自身語料庫回復，而是基于知識庫內容回復。

當然，我們也可以直接提問，精準搜索知識庫的原始信息，從而達到快速查詢的效果。

二、API 搭建知識庫 

如果本地數據不涉密，還想獲得最佳使用效果，那肯定得選滿血的 Dee