前言
之前写了如何本地部署deepseek，已经可以私有化问答了，本地搭建deepseek实操（ollama搭建，docker管理，open-webui使用） 其中我觉得最厉害的还是这个模型蒸馏，使我们可以用很低的代价使用大模型，还有他的推理功能，下面介绍一下，如何投喂一些数据，实现私有的知识库。
ollama + deepseek
这套工具我在上一篇已经写了，是部署本地化使用的。
AnythingLLM
官方介绍如下 AnythingLLM是一个全栈应用程序，您可以使用现成的商业大语言模型或流行的开源大语言模型，再结合向量数据库解决方案构建一个私有ChatGPT，不再受制于人：您可以本地运行，也可以远程托管，并能够与您提供的任何文档智能聊天。
AnythingLLM将您的文档划分为称为workspaces (工作区)的对象。工作区的功能类似于线程，同时增加了文档的容器化，。工作区可以共享文档，但工作区之间的内容不会互相干扰或污染，因此您可以保持每个工作区的上下文清晰。
官方下载网站：anythingllm.com/desktop
==简单来说：我们可以用这个工具，选择对应的大模型，来投喂数据，来分析我们需要的数据==
操作
1，首先进来了先设置成中文，方便我们操作
,2，然后选择提供商，可以选到我们本地的大模型。
3，新建工作区
4，进行聊天设置，选上我们需要的LLM。
5，进行代理配置
6，数据投喂
Anything LLM 支持3种数据上传方式
本地文档上传：直接上传本地文件。 Web 链接：通过 URL 上传网页内容。 数据链接：从 GitHub、GitLab 等平台导入数据。
==我用本地文档演示==
6.1 点击旁边的上传按钮
6.2 准备一个文件
把文件上传进来
下面开始提问
到这里恭喜你，你学会了简单的根据大模型搭建自己的知识库。
提升
下面我们投喂一下网站
到这里我觉得其实就很厉害了，可以根据一个链接生成这么多内容。
思考
可以利用这些功能进行什么使用？ 显而易见的，首先是搭建公司的智能客服，问答体系，也能嵌入到聊天系统里面。
如何提升生产力，创造价值？ 根据api定制一些功能，如果仅仅是问答体系其实用处和现代不大，deepseek的出现，为小公司进军大模型做了很好的准备，可以当成一个大脑，来进行一些业务的处理。使我们的软件更智能，更快，更好。
后续再学习如何使用api，提升软件的效率
**ps：**这个deepseek调用api，只有python的，没有java的调用方法，得学习一下python。
