DeepSeek個人知識庫，Windows、Mac最新一鍵安裝包釋出！

2025-07-06 12:56 郭震AI

你好，我是郭震
今天釋出DeepSeekMine一鍵安裝包，在自己電腦使用大模型，搭建“輕量飛速”個人知識庫。

1 功能演示
之前文章已有介紹為什麼要在本地搭建個人知識庫，在此不再展開，簡單來說，本地搭建知識庫能做到更加安全地管理個人文件、或企業不方便外傳的文件等。
DeepSeekMine桌面軟體，咱們先看看介面功能：包括檔案上傳，知識庫管理，RAG增強結果顯示，然後大模型深度思考分析（部分截圖）：
支援僅對某個選中檔案或多個檔案做分析：
命中文字片段清晰展示：
2 輕量快速免費
以上個人知識庫軟體，滿足以下要求：
1) 輕量。無需向量資料庫，對電腦效能要求降到最低；
2) 快速。在保證查詢效能、AI回答效果前提下，做到儘可能的快。
3) 免費。軟體功能除使用外部大模型API外，本地部署所有大模型+知識問答功能全部免費，不用花一分錢。
3 軟體獲取方法
今天DeepSeekMine釋出一鍵安裝包，包括：Windows x64, arm64：

Mac M系列：
除此以外，還包括前幾天釋出的Docker，Windows、Mac：

獲取方法，在下面公眾號回覆：知識庫，獲取軟體一鍵安裝包或Docker下載包，大家根據自己的電腦系統選擇：
其他說明：
Ollama本地大模型搭建步驟，還不知道怎麼做的，可以參考下面教程：
https://zglg.work/deepseek-study/2
DeepSeekMine軟體安裝對於電腦的配置要求：
1）Windows 10/11, 8GB RAM推薦，可無GPU；
2）MacOS 12.0+, 8GB RAM推薦，可無GPU；
3）Docker 20.10+, 8GB RAM推薦，可無GPU
下一版軟體開發功能包括：
1) 提供全平臺安裝包
2）現有功能有些還是不穩定，所以我們會把現有功能繼續迭代穩定
3）最近我把主流的RAG演算法研究了一遍，如下圖所示，所以DeepSeekMine的RAG演算法精度會持續最佳化和打磨：
包括各種RAG正規化，如下圖所示，對RAG技術感興趣的可以學習：
最後總結
經過這段時間1個多月的摸索，我們對RAG技術做了文獻綜述，將會繼續迭代DeepSeekMine的核心。
在工程方面，嘗試了各種全平臺打包的方法，目前接近尾聲，接下來會發布全平臺的一鍵安裝包，讓大家更容易安裝DeepSeekMine；
同時將會繼續穩定現有的DeepSeekMine功能，讓大家用起來更容易，更好用一些。
以上全文1208字，9張圖。軟體製作不易，如果這篇文章覺得對你有用，可否點個關注。給我個三連擊：點贊、轉發和在看。若可以再給我加個⭐️，謝謝你看我的文章，我們下篇再見。


相關文章