DeepSeek投喂数据，本地大模型联网搜索，让它更聪明

1. 目的

投喂数据使得我们的模型在专业领域中更加聪明。

更新模型中的原有数据库，时期获得最新领域动态。

一定程度的续写能力，让它更具有创造性。

2. 准备 page assist chrome 插件 或 firefox 插件

在浏览器上述两个任意浏览器中的拓展应用中心中搜索 page assist 点击添加安装。

3.联网检索

打开左上角的设置，在第一项 一般设置 中向下翻，找到搜索引擎设置，选择搜索引擎为sougou(其他非科学上网的情况下，不好用)，点击保存。

3.下载数据处理模型

在ollama的官网，找到 models , embeding 复制第一或第二个模型名称旁的命令。

然后在 cmd 输入命令，如：

1. ollama pull nomic-embed-text

待下载完成后，回到pageassist中，点击右侧设置图标，在左侧菜单中找到 RAC 设置 ，在第一个下拉选项选择你刚下好的处理模型并保存。

4.投喂数据

在pageassist中，点击左侧知识管理，在右侧表单提交知识内容，可以选择txt md pdf格式的内容，vsc格式有识别不到内容的情况发生。

提交内容可以一次提交多个文件，没已批次提交的内容即为一个类型的知识库。

可以在下面的设置中设置一次性提交文件的数量，模型同时检索采纳的文件数量。

在提交后，会有 处理中（数据向量化） 字样 处理成功后，返回聊天界面，测试效果。

5.测试效果

在聊天界面，输入你想搜索的内容，在提交前，点击 知识 图标，提交后，模型会基于你提交的知识库内容的内容作出回复。

比如：

我们提交一篇2024美国大选结果的新闻作为知识内容，由于模型内既有数据是不包括该结果的，在投喂前，模型是无法给出正确答案的。

当我们投喂并带着投喂的知识内容进行提问，模型会为我们提供相关的答案。

6应用场景

• 个人应用：快速对比，快速检索，快速学习，快速解决问题。
• 企业应用：专有内容库、专业领域智能客服
• 教育应用：专有知识库

可能的应用场景还有很多，大家可以多多尝试。

7. 注意事项

• 模型加载知识库内容会降低推理效率，注意合理利用本地硬件资源
• 部分场景下，要对知识库的及时更新
• 联网搜索功能和检索本地知识库，在page assist 中只能同时使用一种

8. 下节预告

如果你使用的是LM studio 部署，使用anythingLLM 投喂数据。

关于我

关于我，半个程序员，实战派和落地派，主要追求提升效率和具体场景的问题解决，不搞噱头，不搞营销，欢迎大家关注或加入交流群。