大家本地部署DeepSeek残血版本的大模型，第一需求就是可以自己独立用，不会由于服务器繁忙，而用不了。第二需求就是想建立个人知识库，让这个推理模型更好用，可以用上自己的大量私人资料。目前建立个人知识库的最简单方案就是DeepSeek R1 + Ollama + Open-WebUI套装。这个建立简单是超级简单，但是用起来并不是很好用，总之是，理想很丰满，现实很骨感。实践下来，发现并不太好用。

关于如何安装DeepSeek R1 + Ollama + Open-WebUI套装，请参见之前的文章：

本地化部署32B版本残血DeepSeek R1模型？实践证明，没啥大用！

下面简单说一下如何建立个人知识库，并在推理的时候使用。

设置语义向量模型

这个第一步超级重大，否则上传文件时候会失败。

设置方法：管理员面板 -》 设置 -》文档

具体设置如下图所示：

创建知识库

创建方法：工作空间-》知识库-》新建

上传文件到个人知识库

可以上传文件，文件夹等等。

创建新的私有模型

创建方法：工作空间-》模型-》新建

这一步注意需要选择之前部署的基础模型为 deepseek-r1:32b。

选择知识

选择刚才创建的知识到知识库中。

最后添加一下描述之类的设置就可以保存了。

选择个人知识库LLM进行推理

好了，我们可以使用我们自己的个人知识库进行推理了。

我尝试了一下，效果并不太好。

由于它的工作原理是：

Open WebUI 的个人知识库主要基于 检索增强生成（Retrieval-Augmented Generation, RAG） 技术，并结合本地化的文档管理与向量数据库实现知识整合。其核心原理是通过将用户提供的文档内容进行分割、嵌入（Embedding）和存储，在用户提问时检索相关上下文片段，再结合大语言模型（LLM）生成更精准的答案。

它的文本分割的局限性：若分割策略不当（如块大小或重叠不足），可能导致上下文断裂，影响检索准确性。语义匹配偏差：向量检索依赖嵌入模型的质量，若模型对专业术语或特定领域语义捕捉不足，可能返回不相关片段。本质上，他是先从个人资料库找几篇相关资料，然后读取分析，再进行推理解答。由于分割的不好，它不能全局信息，也不能同时使用所有私有知识库的信息，融会贯通来思考，总之，和我们预想的不太一样。大家可以自己尝试一下就能理解了。

总结：

理想很丰满，现实很骨感，这个个人知识库可用但是不太好用！

如果需要好用，可能需要更专业的工具或定制化开发，这些可能是小白用户没法自己搞定的。