前提：

ragflow、ollama以及模型deepseek-r1已经本地部署完毕

配置ragflow模型提供商

添加对话模型

依次点击头像，模型提供商，ollama（添加模型链接）

1. 选择chat模型

2. 模型名称从指令获取，不要写错，参考如下

yeqiang@yeqiang-Default-string:/data/src/ragflow/docker$ ollama list
NAME                     ID              SIZE       MODIFIED    
deepseek-r1:14b          ea35dfe18182    9.0 GB     3 hours ago    
codegeex4:9b-all-q8_0    9e5f03438298    10.0 GB    4 hours ago 

3. 配置uri：http://192.168.1.3:11434/

模型列表多出来本地ollama

系统模型设置

点击右上角系统模型设置，设置聊天模型后发现嵌入模型是空的。。。

添加嵌入模型

修改代码.env文件

让ragflow下载嵌入模型

差异如下：

重新部署

又开始等待

当前可设置的模型情况

先这样吧，暂时不管图片识别这些东西，看看效果

创建知识库

选择中文，其他的都默认

保存后，新增文件，选择《大话设计模式》

开始解析

哦豁，没有启用gpu加速

算了，下次一定

继续等待

成功解析

聊天

创建助理

选择知识库

提示引擎，默认

调整下最大token

开始聊天

测试根据文中内容提问。

找到一段内容

提问

“小菜到底如何去改良策略模式呢？”

此时，GPU正常工作。

完整的响应：

对应书中的代码

继续提问

是否还有更好的解决方案？

由于前面的提示词内容是：

你是一个智能助手，请总结知识库的内容来回答问题，请列举知识库中的数据详细回答。当所有知识库内容都与问题无关时，你的回答必须包括“知识库中未找到您要的答案！”这句话。回答需要考虑聊天历史。
        以下是知识库：
        {knowledge}
        以上是知识库。

可以看到，助理根据之前的提示词设置，直接返回来未找到答案，这点可以通过调整提示词来让AI输出它的答案。后面再借助DeepSeek生成一个更合适的提示词来尝试。