Ollama系列04：进阶篇-搭建私有的知识库和问答系统—cherryStudio版

本文是Ollama系列教程的第4篇，在前面的3篇内容中，我们分享了如何在本地安装ollama、运行deepseek等大模型、以及如何在chatbox和cherryStudio中使用本地ollama中的大模型，我们创建了私有的AI对话框和智能体。
Ollama系列教程目录（持续更新中）：

• 轻松3步本地部署deepseek
  
• 快速上手搭建私有的AI对话框和智能体—chatbox版
  
• 快速上手搭建私有的AI对话框和智能体—cherryStudio
  

在本篇内容中，我们将分享如何创建和使用知识库，让AI更懂你。
为什么需要AI知识库

知乎版

AI知识库，作为人工智能技术与传统知识库概念的融合，是指利用人工智能算法和技术构建、管理和维护的信息存储系统。它不仅包含了大量的结构化、半结构化和非结构化数据，还具备智能检索、推理分析、自我学习和优化等高级功能。AI知识库通过模拟人类的认知过程，实现了对知识的有效组织和高效利用，为各种应用场景提供了强大的支持。

人话版

知识库是我们的私有数据（你的财务状态、体检报告等），为了让AI生成更准确、更符合我们需求的内容，需要在提问时将内容告诉AI

知识库是如何工作的？

知识库工作流程图（来源于CherryStudio Doc）：

在上面的流程图里，我们可以看到知识库工作的步骤：

• 用户提问时，AI工具先查询知识库里已有的内容
  
• 将查询到的内容和用户的提问发送给大模型
  
• 大模型根据提供的内容生成答案
  

使用知识库增强检索来生成答案的技术有一个专门的名词RAG，这里面涉及到几个概念，如果你感兴趣可以继续深挖（由于本篇内容针对的是入门教程，不做太多概念性的讲解，后面有机会了再专门介绍）
构建私有知识库

接下来我们通过cherryStudio来构建私有的知识库。
首先打开cherryStudio，点击左侧的知识库：

获取嵌入模型

在构建知识库的过程中，需要选择要使用的嵌入模型。嵌入模型的主要功能是将用户的文本、图片等内容生成向量数据，用作向量搜索的。
在ollama中有很多嵌入模型供我们选择使用。我这里使用的是bge-m3，你可以通过下面的指令获取：

1. ollama pull bge-m3

复制代码

注意：嵌入模型保存后不允许修改
添加知识内容

为了进行演示，我们将本系列教程的前三篇放入知识库中：

然后创建一个新的对话，在对话中选择创建的知识库：

验证一下效果（效果并不理想）：

话外音

感觉deepseek又开始一本正经的胡说八道了，这可能和我们选择的模型有关，我们当前使用的是1.5b的模型，如果你的硬件允许，可以尝试下载更大的模型进行测试

我换了一个deepseek-r1:7b的模型重新验证了一下，效果比上面的要好一些：

影响知识库的因素

通过上面的例子我们可以看到，当切换了模型之后，生成内容的准确性有所提高。这说明我们需要尝试不同的模型，来达到自己满意的效果。
通常来说影响知识库输出质量的因素有：

• 文档的质量
  
• 嵌入模型的能力
  
• 向量数据库的检索
  
• 文档相关性排序能力
  
• 系统Prompt质量
  
• 大模型生成能力
  

当我们在进行实践时，切记一定要先进行验证，验证满意后再进行大规模的实施。
总结

本文分享了在cherryStudio中使用本地ollama提供的模型来构建私有知识库的功能，在文章的末尾我们讨论了影响知识库输出质量的一些因素，在接下来的章节中，我们将讨论如何优化知识库输出质量，让AI给出我们更好的答案。
如果你对这些内容感兴趣，关注[拓荒者IT]公众号，获取最新的文章内容。


来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！