简介：在 Windows 本地部署完 DeepSeek AI 模型后，得进行个性化的数据培养，这样才能给出咱们想要的数据。而这个数据喂养的过程得依靠 RAG 工具。RAG 呢，就是 Retrieval Augmented Generation 这三个单词的首字母，R 代表 Retrieval（检索），A 代表 Augmented（增强），G 代表 Generation（生成），所以 RAG 说的就是检索增强生成。具体来讲，RAG 是一种把大规模语言模型和外部知识源的检索结合起来的工程框架，能改进问答的能力。它能用上来自私有或者专有的数据源的信息来帮着生成文本，从而弥补原来大规模语言模型存在的局限性。
这篇文章主要讲的是在 Windows 服务器环境部署 DeepSeek AI 模型并且进行数据投喂训练的整个过程，详细的情况请看下文。
一、准备阶段
1. RAG介绍
说明：RAG的流程包括索引、检索和生成三个步骤，可以把问答内容输入到数据库中，给出问题，然后直接去数据库中搜索，搜索完成后把查询结果和问题拼接起来送给模型去生成内容。
2.安装RAG工具
(1)RAG工具介绍
目前出现的RAG工具很多，各种开源免费的RAG可供选择，相比这些常见工具，这里选择ollama提供的nomic-embed-text工具。
(2)下载nomic-embed-text工具包
说明：访问Ollama官网https://ollama.com/library/nomic-embed-text，下载适用于Windows的nomic-embed-text安装包。
重要提示：可以在命令行中使用ollama pull nomic-embed-text进行拉取，该工具包大概274M大小，提取完成会出现【success】字样。
二、数据训练阶段
1.设置RAG工具
说明：打开WebUI界面，会看到一个RAG设置文本嵌入模型。文本嵌入模型就是把投喂的各种文档数据量化成DeepSeek认识的数据。
2.训练AI大数据模型
说明：RAG工具准备好后，可以开始给DeepSeek投喂数据，工具实际需要准备好文档数据后喂养给DeeSeek AI模型。
(1)训练前
(2)训练中
说明：将准备好的介绍有关JasonTang资料投喂给DeepSeek大数据模型。文档情况如下：
重要提示：将该txt文档投喂给DeepSeek数据模型。如下图
(3)训练后
备注：经过投喂数据并实现讯据训练后，JasonTang已经被识别了。
滇公网安备53230102000530号
统一社会信用代码：91532300MAC2D0R706
