推荐语

Cloud Studio DeepSeek-R1模板升级，内置知识库，AI赋能业务！

核心内容：
1. Cloud Studio DeepSeek-R1模板新增内置知识库功能
2. 知识库定义、优势及应用场景解析
3. 腾讯工程师直播分享DeepSeek使用心得，预约观看！

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

举个栗子

假设你是一名技术客服人员，客户问你一个关于某个产品的问题。

如果你有一个完善的知识库，你可以直接在知识库中搜索相关产品的使用说明或常见问题解答，快速找到答案并回复客户。

如果没有知识库，你可能需要去问同事或查找一堆文档，效率会低很多。

搭建个人知识库不仅能提升工作效率，还能促进持续学习和团队协作，对个人职业发展和团队知识管理具有长远意义。

1. 知识系统化

   集中管理：将零散的知识点整合到一个平台，便于查找和使用。

   结构化存储：通过分类和标签，使知识更易管理和检索。

2. 提升效率

   快速检索：通过搜索功能迅速找到所需信息，减少重复查找时间。

   减少重复劳动：避免重复解决相同问题，提升工作效率。

3. 持续学习

   积累经验：记录问题和解决方案，形成个人经验库。

   知识更新：持续更新知识库，保持技术前沿。

4. 团队协作

   知识共享：团队成员可访问知识库，促进经验交流。

   减少沟通成本：常见问题和解决方案在知识库中共享，减少重复沟通。

   如果想要搭建知识库，这里我们又不得不提到另外一个词—— RAG 。

RAG（Retrieval Augmented Generation，检索增强生成）是一种让大语言模型（LLM）变得更聪明的方法。

简单来说，它通过给模型提供一个外部的“知识库”，让模型在回答问题时可以“查资料”，从而给出更准确、更相关的答案。

举个栗子

想象一下，大模型就像一个学生，而 RAG 系统就是一本字典。

当学生遇到不懂的问题时，他可以翻开字典查找相关的解释，然后再根据字典里的内容回答问题。

这样，学生不仅能回答得更准确，还能避免“瞎编”答案。

那么，当大模型遇到不懂的问题时，他也可以查字典，也就是 RAG 系统。

1. 大模型的知识有限：大模型的知识主要来自它训练时用的数据，而这些数据是有限的，尤其是企业内部的业务知识或产品信息，模型可能完全不了解。

2. 微调成本高：如果想让大模型学习企业特定的知识，通常需要微调模型，但这不仅成本高，而且效果也不一定好。

3. 幻觉问题：大模型在不熟悉的领域可能会“瞎编”答案，这在企业应用中是不可接受的，尤其是那些需要准确信息的场景。

这里，我先贴出一个 RAG 的运作流程图。

好了，废话不多说，接下来就带大家具体实操了。

进入网站：https://ide.cloud.tencent.com/dashboard/

点击任意 DeepSeek CPU模板进入工作空间, 唤起 Open-WebUI 或 AnythingLLM， 即刻拥有完全属于个人的知识库。

相对于本地搭建 RAG 知识库，体验门槛直线降低！

默认唤起 AnythingLLM （ 4001 端口）。

在【端口】处也可唤起 Open-WebUI。

Open-WebUI 初次使用需要注册账户。

步骤 2.1：AnythingLLM 构建知识库

- 新建【工作区】

- 上传本地文档并载入工作区（同时也支持网页链接设置）

- 关掉工作区设置界面即可开启对话

步骤2.2：Open-WebUI 构建知识库

前期设置：点击左下角用户 ICON 【设置】 -【 管理员设置】 -【 文档】 -【 设置模型引擎】

最后，我们来看看

以 AnythingLLM 为例，基于我们传入的《微短剧行业深度分析报告》文件，得到的对话答案能够较为精准地提权。

我们推出针对为 Cloud Studio 宣传的自媒体特权计划，招募长期合作的内容创作者，创作者将永久被授予 20000 分钟/月的基础版 GPU 使用配额。

20000分钟（333小时） 8+TFlops 算力、16GB+显存 的使用配额！什么概念！

可以系统化地利用 DeepSeek R1 模型实现从模型优化到实际落地的完整闭环。可生成数十万 10 万条营销文案、可提供稳定的高并发实时 API 服务。