國內大模型排名詳解
下載，一步步安裝即可。
CMD命令窗口運行，啟動deepseek-r1模型：
ollama run deepseek-r1:7b根據自己顯卡大小，選擇對應的參數規模，1.5b最小，可以先用這個來嘗試，完成以后再跑更大的參數模型。
另外有人反饋，任務管理器顯示，大模型在執行的時候，回答很慢，GPU幾乎沒動，全都是CPU在跑。
大概率是安裝了老版本的Ollama，官網下載最新的文件重新安裝即可。
網絡條件允許的話，直接谷歌商店搜索下載，下面介紹的方法國內網絡可用。
打開網站Crx搜搜：
搜索：Page Assist，第一個就是今天主角，本地AI模型的Web UI。
下載到本地，谷歌瀏覽器打開：chrome://extensions/，右上角打開開發者模式，將下載好的crx文件拖入瀏覽器，完成插件的安裝。
瀏覽器上方的擴展程序列表，找到Page Assist插件，點擊進入WebUI界面。
左上角可以選擇ollama的所有本地模型，所以選deepseek-r1:7b就好了。
到這一步就可以流暢地使用deepseek大模型啦。
首次使用是英文版，不太習慣，點擊右上角設置齒輪，【General Settings】，分別選擇【簡體中文】。
依然是右上角設置齒輪，【一般設置】，下方有個【管理網絡搜索】，選擇合適的搜索引擎，總搜索結果默認是2，可以適當調大一些，這樣參考網絡資源的權重更大。
記得點擊保存。
回到聊天頁面，打開聊天框下方的【搜索互聯網】開關，聯網搜索功能就搞定啦。
比如問一個關于《哪吒2》的評價，除了看到思考過程，下方還有列出了引用的數據來源。
現在，完成了本地部署+聯網搜索，還差知識庫…
CMD窗口運行命令：
ollama pull nomic-embed-text回到設置，【RAG設置】，文本嵌入模型選擇【nomic-embed-text:latest】，保存。
文本嵌入模型的作用是，讓大模型理解我們的文本資料。
左側菜單【管理知識】，【添加新知識】，指定知識的標題，并上傳我們的本地資料，提交。
這里的知識，指的就是知識庫，當狀態是【已完成】，代表大模型已經處理完成了。
回到聊天窗口，右下方就可以選到剛剛添加的知識庫。
提問：
DeepSeek-R1是什么？本地大模型完美地回答了我們的問題，知識庫搭建完成！
簡單回顧一下，這次的方案：Ollama + Page Assist插件，沒有docker的復雜配置，而且完美地實現了本地部署+聯網搜索+知識庫。
文章轉載自：DeepSeek本地部署+知識庫+聯網搜索，終極版方案，保姆級教程！
