本地部署Deepseek R1，并利用本地知识库创建RAG

巧用 Ollama，本地部署 DeepSeek R1 构建智能聊天新体验。

AI科技论谈

1811人浏览 · 2025-03-11 15:14:44

AI科技论谈 · 2025-03-11 15:14:44 发布

巧用 Ollama，本地部署 DeepSeek R1 构建智能聊天新体验。

微信搜索关注《AI科技论谈》

1 引言

想探索大语言模型，却怕硬件限制？

本教程带你用 Ollama 在 8GB 内存笔记本上部署 Deepseek R1 模型，再结合 LlamaIndex 和 Flask，构建 RAG 聊天机器人。

跟着教程操作，你可以用最少的资源在本地打造 RAG 聊天机器人。它能稳定运行，随时给出精准答案和深刻见解，助力你轻松踏入 AI 应用开发的大门。

2 DeepSeek R1：推理模型新高度

AI飞速发展，创新的脚步从未停歇，推理模型不断打破机器理解和处理复杂查询的极限。

其中，DeepSeek 研发的 DeepSeek R1 推理模型备受行业关注。

DeepSeek R1 创新性地将思维链（Chain of Thought，CoT）推理融入工作流程，旨在提升 AI 生成回复的准确性与透明度。

2.1 DeepSeek R1是什么

DeepSeek R1，也称为deepseek-reasoner，是一款利用思维链（CoT）来提高回复质量的推理模型。

与直接生成答案的传统模型不同，DeepSeek R1在给出最终输出之前，会先生成详细的推理过程（CoT）。这个中间步骤让模型能够“思考”问题，从而得出更准确、更可靠的答案。

该模型在需要逻辑推理、解决问题或多步分析的任务中特别有用。通过让用户能够查看思维链内容，DeepSeek R1还具备了透明度，开发者和用户可以借此了解模型是如何得出结论的。

2.2 DeepSeek R1主要特性

思维链（CoT）推理：DeepSeek R1在生成最终答案之前，会生成一个逐步的推理过程。这个思维链内容可以通过API访问，用户能够查看和分析模型的思考过程。
高上下文长度支持：API支持最大64K令牌的上下文长度，这使得它适合处理冗长复杂的查询。值得注意的是，思维链输出（最长32K令牌）不计入这64K的限制内。
多轮对话：在多轮对话中，DeepSeek R1在每一轮都会输出思维链和最终答案。不过，前一轮的思维链不会延续到下一轮，以确保上下文保持聚焦且易于管理。

API集成：DeepSeek R1可通过API访问，便于集成到现有应用程序中。API支持聊天补全和聊天前缀补全（测试版）等功能，但函数调用和JSON输出等功能暂不支持。

2.3 DeepSeek R1工作原理

当你与DeepSeek R1交互时，模型会遵循以下两步流程：

生成思维链（CoT）：模型首先会生成一个详细的推理过程（CoT），将问题分解为更小的逻辑步骤。这个中间输出会存储在reasoning_content字段中。
生成最终答案：基于思维链，模型生成最终答案，并存储在content字段中。这确保了回复是经过充分推理且准确的。

例如，如果你向模型提出一个复杂的数学问题，它会先列出解题步骤（思维链），然后再给出最终答案。

2.4 DeepSeek R1 API：参数与用法全解析

要使用DeepSeek R1，你需要与其API进行交互。下面为大家简要梳理其关键参数与使用要点：

输入参数：
- max_tokens：控制最终回复的最大长度。默认值为4K令牌，最大值为8K令牌。注意，思维链输出最长可达32K令牌。
- reasoning_effort（即将推出）：这个参数将允许用户控制思维链输出的长度。
输出参数：
- reasoning_content：模型生成的逐步推理过程。
- content：模型生成的最终答案。
重要注意事项：
- API不支持temperature、top_p、presence_penalty和frequency_penalty等参数。设置这些参数不会触发错误，但对输出没有任何影响。
- 输入消息中不应包含reasoning_content字段，否则会导致400错误。

2.5 功能支持清单

支持的功能：聊天补全、聊天前缀补全（测试版）
不支持的功能：函数调用、JSON输出、FIM（中间填充，测试版）

3 DeepSeek R1优势

DeepSeek R1 优势在于融合准确性与透明度，生成答案时会给出思维链，让用户既得答案，又懂推理过程。这让它在教育、客户支持、决策系统等对可解释性要求高的场景极具价值。

4 使用Ollama部署DeepSeek R1

在本地机器上部署像DeepSeek R1这样的大语言模型（LLMs）可能会让人望而却步，尤其是在硬件资源有限情况下。不过，借助 Ollama 这样的工具，即便是 8GB 内存的普通 Windows 笔记本，也能轻松运行 DeepSeek R1。接下来，就为你详细介绍具体部署步骤。

Ollama

Ollama是一款轻量级且高效的工具，专为在消费级硬件上运行大语言模型而设计。它简化了大语言模型的部署和管理流程，让那些想要试用人工智能模型，却又无需高端基础设施的开发者和爱好者也能轻松上手。

准备工作

在开始之前，请确保你的系统满足以下要求：

操作系统：Windows 10或更高版本。
内存：至少8GB（建议16GB，以获得更流畅的性能）。
存储空间：有足够的磁盘空间来存储模型（通常为5 - 10GB）。
Python：已安装在你的机器上（最好是Python 3.8或更高版本）。
Git：已安装，用于克隆存储库。

步骤1：安装Ollama

下载Ollama：访问Ollama的官方GitHub存储库，下载适用于Windows的最新版本。
安装Ollama：运行安装程序，并按照屏幕上的说明完成安装。
验证安装：打开终端（命令提示符或PowerShell），运行以下命令来验证Ollama是否安装正确：

ollama --version

如果安装成功，你应该能看到Ollama的版本号。

步骤2：下载DeepSeek R1模型

下载模型：Ollama支持多种模型，包括DeepSeek R1（15亿参数）。要下载该模型，使用以下命令：

ollama pull deepseek-r1:1.5b

这条命令会将DeepSeek R1模型下载并存储在你本地的机器上。

2.验证模型下载：下载完成后，你可以通过列出所有可用模型来验证是否下载成功

ollama list

步骤3：在本地运行DeepSeek R1

启动模型：要启动DeepSeek R1模型，使用以下命令：

ollama run deepseek-r1

这会启动模型并打开交互式会话，你可以在其中开始与模型进行交互。

2.测试模型：模型运行起来后，你可以通过提问或输入提示来测试它。例如：

> 法国的首都是哪里？

步骤4：使用DeepSeek R1和LlamaIndex的RAG构建聊天机器人

from flask import Flask, request, render_template, jsonify
import os
from llama_index.core import ServiceContext, VectorStoreIndex, StorageContext
from llama_index.core.node_parser import SentenceWindowNodeParser
from llama_index.core.indices.postprocessor import MetadataReplacementPostProcessor
from llama_index.core.indices.postprocessor import SentenceTransformerRerank
from llama_index.core import load_index_from_storage
#from gpt4all import GPT4All
#from langchain.llms import GPT4All
from llama_index.llms.ollama import Ollama
from llama_index.core import Settings
# 句子嵌入模型
from llama_index.embeddings.openai import OpenAIEmbedding

embed_model = OpenAIEmbedding()

app = Flask(__name__)

# 设置LLM和嵌入模型
llm = Ollama(model="deepseek-r1", request_timeout=120.0)


def build_sentence_window_index(documents,llm, embed_model=OpenAIEmbedding(),sentence_window_size=3,
                                save_dir="sentence_index",):
    # 创建句子窗口节点解析器，默认设置
    node_parser = SentenceWindowNodeParser.from_defaults(
        window_size=sentence_window_size,
        window_metadata_key="window",
        original_text_metadata_key="original_text",
    )    
    Settings.llm = llm
    Settings.embed_model = embed_model
    Settings.node_parser = node_parser
    
    if not os.path.exists(save_dir):
        sentence_index = VectorStoreIndex.from_documents(
            documents, embed_model = embed_model
        )
        sentence_index.storage_context.persist(persist_dir=save_dir)
    else:
        sentence_index = load_index_from_storage(
            StorageContext.from_defaults(persist_dir=save_dir),
            embed_model = embed_model
        )
    
    return sentence_index


def get_sentence_window_query_engine(sentence_index, similarity_top_k=6, rerank_top_n=2):
    # 定义后处理程序
    postproc = MetadataReplacementPostProcessor(target_metadata_key="window")
    rerank = SentenceTransformerRerank(
        top_n=rerank_top_n, model="BAAI/bge-reranker-base"
    )
    
    sentence_window_engine = sentence_index.as_query_engine(
        similarity_top_k=similarity_top_k, node_postprocessors=[postproc, rerank]
    )
    return sentence_window_engine


from llama_index.llms.openai import OpenAI
from data.dataprovider import key
from llama_index.core import SimpleDirectoryReader
#OpenAI.api_key =  key

documents = SimpleDirectoryReader(
    input_files=[r"data/eBook-How-to-Build-a-Career-in-AI.pdf"]
).load_data()

from llama_index.core import Document

document = Document(text="\n\n".join([doc.text for doc in documents]))

index = build_sentence_window_index(
    [document],
    #llm=OpenAI(model="gpt-3.5-turbo", temperature=0.1,api_key=key),    
    llm = llm, #替换为你的模型路径
    save_dir="./sentence_index",
)

query_engine = get_sentence_window_query_engine(index, similarity_top_k=6)


def chat_bot_rag(query):
    window_response = query_engine.query(
        query
    )
    
    return window_response


# 定义Flask路由
@app.route('/')
def home():
    return render_template('bot_1.html')

@app.route('/chat', methods=['POST'])
def chat():
    user_message = request.form['user_input']    
    bot_message = chat_bot_rag(user_message)    
    return jsonify({'response': str(bot_message)})

if __name__ == '__main__':
    app.run()

代码解释

这段 Python 代码基于 Flask 框架搭建网络应用，核心是创建聊天机器人。该聊天机器人使用llama_index库中的多个组件来执行信息检索和文本生成任务。以下是对代码的详细解释：

配置：
- embed_model = OpenAIEmbedding()初始化OpenAI嵌入模型，用于将文本转换为向量表示。
- app = Flask(__name__)设置Flask应用程序。
- llm = Ollama(…)初始化名为Ollama的语言模型，大概基于DeepSeek R1架构。这将用于语言任务，并设置了请求超时时间。
函数定义：
- build_sentence_window_index()：此函数通过处理给定文档为聊天机器人创建索引。它：
  - 初始化SentenceWindowNodeParser，用于将文本解析为句子窗口（一种滑动窗口方法）。
  - 设置语言模型和嵌入模型的全局设置。
  - 检查指定目录（save_dir）是否存在：
    - 如果不存在，则从文档创建一个新的VectorStoreIndex并保存索引。
    - 如果存在，则从存储中加载现有索引。
    - 返回构建或加载的索引。
- get_sentence_window_query_engine()：此函数为聊天机器人设置查询引擎：
  - 定义两个后处理器：
    - MetadataReplacementPostProcessor用于在查询结果处理过程中替换元数据。
    - SentenceTransformerRerank用于使用预训练的句子变压器模型对检索结果进行重新排序。
  - 根据索引创建查询引擎，并使用指定的相似度阈值和重新排序设置。
  - 返回配置好的查询引擎。
加载文档：代码使用SimpleDirectoryReader从位于data目录下的PDF文件加载数据。加载的文本被合并成一个Document对象，然后用于创建索引。
构建索引和设置查询引擎：调用build_sentence_window_index()从文档构建索引，调用get_sentence_window_query_engine()设置用于查询索引的查询引擎。
查询函数：chat_bot_rag()函数使用查询引擎查询索引。它根据用户输入进行相似度搜索，并返回检索到的响应。
Flask路由：Flask应用程序有两条路由：
- ’/’：渲染主聊天界面（bot_1.html）。
- ’/chat’：处理聊天请求。它从POST请求中获取用户输入，通过聊天机器人进行处理，并将机器人的响应以JSON格式返回。
运行应用程序：if __name__ == ‘__main__’: app.run()启动Flask开发服务器，允许通过Web浏览器访问应用程序。

5 结语

对渴望试用强大语言模型，却受限于高端硬件的开发者和 AI 爱好者来说，通过 Ollama 在本地 Windows 机器部署 DeepSeek R1 是个好消息。按照分步指南，你已学会安装 Ollama、运行 DeepSeek R1，还能用 Ollama API 集成到应用，探索思维链（CoT）推理等特性。

现在 DeepSeek R1 已在本地运行，后续你可以搭建智能聊天机器人、决策支持系统或教育工具。祝编码愉快~