你好，我是郭震
今天這篇教程關於：在自己電腦如何使用大模型，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。
這週末開發的桌面軟體，咱們先看看介面功能：包括檔案上傳，知識庫管理，關鍵詞查詢及結果顯示，然後大模型深度思考分析（部分截圖）：
2 輕量極速免費
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) 極速。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。方案包括的所有工具全部開源，不用花一分錢。
3 設計方案和效果展示
基於以上三個要求，設計方案如下：
-
查詢選型whoosh。之前文章也有介紹，最大特點輕量、開源、效能夠好。
-
大模型配置靈活，選擇DeepSeek-r1:1.5b，最新發布的推理模型，選擇1.5b尺寸，回覆極速，回答效果夠好。效果下面會有證明。
總結來說：whoosh(本地查詢快) + DeepSeek-r1:1.5b（回答極速、效果還有保證）
whoosh(本地查詢快) ，快到什麼程度，20頁的PDF，按關鍵詞查詢能在ms級；
DeepSeek-r1:1.5b（回答極速、效果還有保證），極速到什麼程度，我的電腦是m1，會話第一次拿到回覆秒(s)級。
下面是GIF動畫，受限公眾號GIF幀數限制，只能錄製有限幀，整個動畫無任何加速，全部原始速度，大家重點看下回復延時，是否在秒級以內：
當輸入關鍵詞，並點選搜尋後，會先從自己的知識庫中搜索匹配檔案，然後打包命中處的上下文，自動傳送到Deepseek-r1:1.5b.
下圖是回覆完成後的部分截圖，deepseek-r1:1.5b的回覆效果很不錯，回覆包括兩部分：思考過程+正式回答，如下兩個紅色文字框所示：
這兩天我主要對之前已實現程式碼，做了如下改進：
1）whoosh查詢邏輯最佳化升級，對中文查詢輸入更加友好；
2) 調整為DeepSeek-r1:1.5b模型及實現邏輯；
3）調整PDF讀取方案及對應邏輯；
4) 調整為純本地執行的桌面軟體
下一步軟體開發功能包括：
1) 支援任意網頁抓取到本地+自動大模型分析
2）whoosh查詢邏輯之分詞組合配置查詢
目前此軟體全部開源，在下面公眾號回覆：
知識庫
，獲取軟體程式碼：
再介紹下最近DeepSeek-r1模型，得分上看300多b的r1模型推理已超越o1，推理代表大模型的聰明程度，所以在社群內引起廣泛關注：
它是怎麼做到的？有哪些創新？主要三點：
1）冷啟動資料與多階段訓練。使用冷啟動資料（設計良好的長鏈式思維資料）對基礎模型進行初步微調，為後續的強化學習（RL）奠定更穩定的基礎。
2）強化學習驅動的推理最佳化。應用以目標為導向的 RL（如語言一致性獎勵）增強推理能力，透過規則化獎勵機制避免獎勵黑箱問題，提升任務準確率和使用者體驗 。
3）蒸餾技術擴充套件能力。將大型模型的推理能力高效蒸餾到小型稠密模型上，實現高效能與計算效率的平衡。
最後總結
本地搭建個人知識庫方案基於 Whoosh（本地查詢極速）和 DeepSeek-r1:1.5b（回答迅速效果好），實現輕量、極速、免費。具體以下三點：
1）輕量高效：基於 Whoosh 實現毫秒級關鍵詞查詢，無需向量資料庫，適合本地執行。
2）極速響應：結合 DeepSeek-r1:1.5b 大模型，實現秒級 AI 回覆，兼顧速度與效果。
3）免費開源：所有工具均為開源軟體，無需額外費用，適合個人和企業本地知識管理。
以上全文1588字，4張圖。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。