【干货教程】DeepSeek R1+Open WebUI构建RAG检索增强知识库的实战教程

一、前文

   【新书保举】《DeepSeek当地摆设与应用开辟：当局与企业级实战案例剖析》 | 北京大学出书社
    DeepSeek R1大模子相干文章如下：
  

• 【干货教程】Windows电脑当地摆设运行DeepSeek R1大模子（基于Ollama和Chatbox）
  
• 【干货教程】在Windows盘算机摆设DeepSeek大模子，给在实验室无外网的同事们用（基于Ollama和OpenWebUI）
  
• 【干货教程】DeepSeek R1+Open WebUI实现个人知识库和企业知识库的智能管理
  

    清华大学出品了两份关于DeepSeek的使用文档，可以通过如下两个方式举行获取。
  

  二、什么是RAG？

检索增强天生（RAG）将大语言模子与从外部源检索的知知趣联合。
体系从上传的文档或知识库中检索相干数据，进步相应的质量和正确性。
三、示例和使用

3.1 新建知识库

• 工作空间——>知识库——>单击右上角的加号
  

• 上传文件
  

3.2 添加模子

• 工作空间——>知识库——>单击右上角的加号
  

• RAG自己就是AI模子和知识库的联合，以是须要
  
  
  
  • 选择AI模子
    
  • 选择知识库
    
  • 管理权限
    
  
  

• 生存并创建后，得到2个模子。
  
  
  
  • deepseek-r1:14b：仅deepseek-r1:14bAI模子，不包罗任何知识库。
    
  • 客户资料智能体：包罗deepseek-r1:14bAI模子和客户信息知识库。
    
  
  

3.3 测试和使用

• 使用deepseek-r1:14b模子，无法得到答案。
  

• 切换到客户资料智能体的模子，并新建对话。
  

• 使用客户资料智能体模子，得到精确答案。
  

四、高级功能

4.1 嵌入模子选择

支持 Ollama 和 OpenAI 的嵌入模子，可在管理面板>设置>文档中切换，以优化文档处置惩罚结果。
4.2 引用追踪

体系会自动为 LLM 使用的文档内容添加引用标志，确保信息泉源可追溯，进步对话的可信度。
4.3 混淆搜索增强

• 采取BM25算法举行根本搜索
  
• 使用CrossEncoder技能举行结果重排序
  
• 支持自界说相干性分数阈值
  
• 可根据需求切换混淆搜索功能
  

4.4 YouTube 内容集成

• 支持直接处置惩罚 YouTube 视频 URL
  
• 自动提取和分析视频转录内容
  
• 将视频信息无缝整合到对话中
  

4.5 文档剖析支持

体系配备多种剖析器，可处置惩罚各类当地和远程文档。具体信息请参考get_loader函数文档。
五、总结

检索增强天生（Retrieval Augmented Generation，简称 RAG）是一项前沿技能，通过整合多源上下文信息来增强 AI 模子的对话本领。
它可以从当地文档、远程文件、网页内容，以致 YouTube 视频等多媒体源中检索相干信息。
体系会将检索到的文本与预界说的 RAG 模板联合，添加到用户的提示词之前，从而提供更正确、更符合上下文的答复。
RAG 的核心上风在于其强盛的信息整合本领，这使其成为处置惩罚复杂对话场景的理想办理方案。
比方，当用户扣问特定文档或网页相干的标题时，RAG 可以智能地检索并整合相干信息到答复中。对于多媒体内容，如 YouTube 视频，RAG 可以分析视频字幕或阐明笔墨，提取关键信息并融入对话中。
六、参考

• 教程：设置 Open WebUI 文档的 RAG 功能（https://openwebui-doc-zh.pages.dev/tutorials/tips/rag-tutorial/）
  
• 🔎 检索增强天生（RAG）| Open WebUI（https://openwebui-doc-zh.pages.dev/features/rag/）
  

---

   【新书保举】《DeepSeek当地摆设与应用开辟：当局与企业级实战案例剖析》 | 北京大学出书社
  若以为文章对你有资助，随手『点赞』、『收藏』、『关注』，也是对我的支持。