DeepSeek AI发布了一些开放权重推理模型（例如o1）。
疯狂的是，它实现了与 OpenAI o1 类似的性能，但成本却低得多（便宜约 95%）。
例如，每 100 万个代币：
- OpenAI o1：60.00 美元
- DeepSeek R1：2.19 美元（便宜 95%）。
今天，让我们向您展示我们使用 DeepSeek 构建的**RAG 应用程序。**
接下来，我们定义一个嵌入模型，它将为文档块和用户查询创建嵌入：
创建嵌入后，下一个任务是将它们索引并存储在向量数据库中。我们将使用自托管的 Qdrant 向量数据库来实现此目的，如下所示：
接下来，我们定义一个自定义提示模板来细化 LLM 的响应并包含上下文：
快完成了！
最后，我们设置一个查询引擎，它接受查询字符串并使用它来获取相关上下文。
然后，它将上下文和查询作为提示发送给 LLM，以生成最终响应。
下面，我们使用 LlamaIndex 与 Ollama 的集成来设置 DeepSeek-R7 7b：
完毕！
我们在这里展示了一些流线型的部分，但在构建之后，我们得到了这个清晰整洁的界面：
这难道不简单又直接吗？
