大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



一直在想如何让AI 帮我写FPGA 的代码，分析代码，分析资料，不想一直重复造轮子。自从openAI 火爆之后，就一直在探索这条路，以至于求着给它送了不少银子。这是openAI 刚推出GPT Store功能的时候，我就做了一个AI 智能助手，上传自己的私有代码。但是效果一般。

后来字节的 coze 出来了，我又用coze做了一个 FPGA 智能体。采用多个大模型进行需求重审，代码重审，最后总结输出。并且接入了自己的这个公众号后台，效果也是很一般。豆包，kimi，混元在FPGA 这个小众领域还是难以直接发挥其智能的特色。

坑我都已经踩过了，当然也不是说它们一定不行，只是现阶段用起来不顺手。还有一个主要的因素，就是它们都是闭源的，企业是不可能容忍自己的资料上传到网络的。

去年12月底 deepseek V3发布，到后来的开源，终于不用偷偷摸摸的用AI 了。开源炸锅实在精彩，我顺着这个浪潮分享一下，如何用deepseek R1 搭建本地FPGA知识库。

RAG是 检索（Retrieval）+增强（Augmentation）+生成（Generation）的缩写，它是能将用户提问结合一个外挂知识库的资料，整合起来生成答案给到用户。 而随着技术的发展，平台越来越成熟，构建本地知识库，部署大模型，也将是随便一个高中生就能完成的事情。

1，解决模型幻觉问题。

AI 工具用的多的人都可以感觉的到，AI 工具有时候会胡编乱造，特别是针对我们这种FPGA小众领域，知识点更多的是掌握在企业自己的手里，而不是在公开的网络上，所以幻觉的概率就更大了。

2，为什么用RAG 不用微调

LangChain微调，人工成本和时间成本是最大的问题。这种研发投入，绝大部分公司是不愿意投入的。

但是RAG技术，只需要本地大模型部署（也可以不部署，就是要牺牲数据私有性） + 构建本地知识库。本地知识库可以在企业运营中慢慢磨合，不断精修数据库，让大模型和本企业契合度越来越高。再加上部署多个大模型，形成多模态agent智能体，让用户得到错误答案的概率进一步减小。这将是未来个人和企业的最优方案。

概述：

2.1 安装 ollama，通过ollama 下载deepseek 到本地。

2.2 安装 Docker ，通过 Docker 给RAGflow一个运行环境

2.3 下载 RAGflow镜像。

2.4 配置RAGflow，建立个人知识库

2.1 安装 ollama 和下载 deepseek

进入官网 https://ollama.com/，下载对应win系统的安装包。exe文件，直接双击安装即可。如果不想安装到C盘，就需要用命令行模式安装。

新建两个用户环境变量

OLLAMA_HOST 0.0.0.0:11434

OLLAMA_MODELS d:agiollama （替换成你安装的位置）

然后在ollama官网左上角点击 models 找到 deepseek-R1

我下的是 7b模型，所以在 win的 cmd窗口中执行：

ollama run deepseek-r1:7b

因为我已经安装了，所以展示就是这样子的。这时，deepseek R1 就已经被安装到电脑中了，可以在这个对话框里对话了。

2.2 安装 docker

docker是一个类似虚拟机的东西，它会给ragflow提供完整的各种依赖库，类似一个简易版本的虚拟机。进入docker的下载界面：

https://docs.docker.com/desktop/setup/install/windows-install/

这个默认安装就行，只是安装起来容易，但是用起来多少会出现一些依赖库不足的问题，到时候就需要根据不同的电脑环境，根据不同的错误进行依赖库添加。安装win版docker，是所有步骤中最麻烦的，其他的都是常规操作。不过如果出错，下面这个网址的内容，基本上能解决大部分问题：

《win10系统 Docker 提示Docker Engine stopped解决全过程记录》

https://blog.csdn.net/cplvfx/article/details/

2.3 下载ragflow 源代码和镜像

进入 ragflow的官方git网址，直接下载zip压缩包。

https://github.com/infiniflow/ragflow

解压缩后，按照git上的提示，还需要在解压缩的文件夹中执行 cmd 命令：

不过在执行之前，你需要修改一下 解压缩文件，docker文件夹下的 .env文件。屏蔽掉84行，打开87行，让上述命令下载一个完整版的RAGflow。因为你需要embedding模型来解析文件。

RAGflow的执行时间会非常久，需要耐心等待，不过提醒一下这里可能要科学一下。执行完毕之后，在网页上输入localhost:80

如果你出现的是注册登录界面，那恭喜你。完成了 。你只需要邮箱注册一下，就可以使用了。

2.4 配置RAGflow，建立个人知识库.

2.4.1 大模型设定。

点击个人图像，进入用户设置，然后点击 模型供应商。找到 ollama，选择添加模型。

然后按照下面进行配置，url部分写入自己的 ip v4地址（在cmd窗口用ip config 命令就可以得到）后面跟上端口号 11434 ，最大token可以随意，反正本地的又不要钱。

上面是聊天模型的设定，还有一个系统模型的设定，还是这个界面，点击右上角的，系统模型设置，按照下面设置这两个模型即可。其他默认。大模型设置完毕。

2.4.2 构建知识库 。

点击创建知识库，取名。然后点击数据库，新增文件，上传之后点击 解析的绿色小图标。待解析完成，就可以在聊天窗口中获取文本知识。

如下图所示，文件需要解析成功，才能获取到文件中的知识。如此，你的个人知识库构建完毕。

小试一把：

先传个文档，聊聊天试试。

再上传一个代码，代码量比较大，分块都到了100个，再聊天试试。发现是可以关联到文档中的内容并且做了参考，可能是因为只上传了一个文件，代码质量还是很一般，不过有了好的参考，应该会有所提升。

总结：
1，RAGflow虽然现在支持中文，但是中文的支持还不是太丝滑。这个后续肯定会有所改进。但是它对资料的解析，知识库关联度目前还算不错的。这个才是尤为重要的。
2，本地部署与知识库的对于企业的意义最大，对于个人而言，也是一个能力放大器，也可以将个人能力无限放大。

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是激活成功教程困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  
  
  

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

实战专家亲授，让你少走弯路

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【】