一、前言

有没有遇到过这样的场景？

当你向大模型提问一些内部技术细节或特定领域的问题时，比如：

• “Zebra中间件（公司自研）如何使用？”

• “上海市2025年警务技术类人民警察的报名条件是什么？”

大模型一本正经地给出了看似合理、实则完全错误的答案。

这就是所谓的「模型幻觉」。当大模型面对非公开、个性化或训练数据之外的知识时，常常会“编造”答案——不知道的就靠猜。

二、为什么模型会「胡说八道」？

简单来说，大模型博览群书，它学习过海量公共知识，但对你的私人知识一无所知，例如：

• 你公司的内部文档
• 你的个人笔记和日记
• 你的私有代码库

这些内容并不在 DeepSeek、OpenAI 等模型的训练数据中。因此，当你提出这类问题时，模型只能靠“推测”来回应——这正是幻觉的根源。

三、如何解决模型幻觉问题？

解决幻觉问题通常有两种方式：

1. 微调模型（Fine-tuning）：让模型重新学习你的知识

2. RAG技术：在不改变模型的情况下增强知识

微调可以解决模型幻觉问题，但部署并微调一个大模型，对企业和个人来说成本非常高，如果退而求其次，微调一个小一点的模型，大概率效果又不好。

四、什么是RAG

RAG（Retrieval Augmented Generation）的核心流程分为三步：

• 检索（Retrieval）：当用户提问时，系统会从外部的知识库中检索出跟用户输入相关的内容
• 增强（Augmented）：系统将检索到的信息与用户的输入结合，扩展模型的上下文，然后再传给生成模型（如DeepSeek、ChatGPT）
• 生成（Generation）：生成模型基于增强后的输入生成最终的回答，由于这一回答参考了知识库中的内容，因此更加准确。

五、Embedding：为什么需要Embedding模型？

Embedding的作用是将自然语言转化为机器可以理解的高维向量，并通过这一过程捕获到文本背后的语义信息，进而理解不同文本之间的相似度关系。

在RAG执行检索流程时，

① 通过Embedding模型，对知识库文件进行解析，生成一个高维向量；

② 同时通过Embedding模型，对用户提问进行处理，生成一个高维向量；

③ 拿用户的提问去匹配本地知识库，系统利用某些相似度度量（如余弦相似度 cosin similarity）去判断相似度。

比如，“汉语"和"英语” Embedding后，会映射到非常相近的向量空间中；深度学习会被映射到比较远的向量空间中。

六、实战搭建：DeepSeek + RAGFlow构建个人知识库

• DeepSeek：国产大模型，性能强劲
• RAGFlow：基于深度文档理解的RAG引擎，开源且易用

📌 搭建步骤：

1. 准备知识文档

• 年度旅行日记（Markdown）
• 个人技术笔记（PDF）
• 项目文档（Word）

2. 部署 RAGFlow（基于docker）
   RAGFlow 提供详细 GitHub文档（https://github.com/infiniflow/ragflow）：

   ① 下载RAGFlow源代码

   $ git clone https://github.com/infiniflow/ragflow.git
   

   ② 配置自带 Embedding 模型的RAGFlow image tag

   

   RAGFlow 提供了两种版本选择：一种内置了 embedding 模型，另一种则不内置。

   如果本地有可用 embedding 模型，建议选择不内置模型的版本以节省资源；若本地没有可用模型，只需在配置文件（ragflow/docker/.envi）中指定使用内置模型版本即可。

   

   ③进入 docker 文件夹，利用提前编译好的 Docker 镜像启动服务器：

   $cd ragflow/docker
   

   首次启动拉镜像的时间有点长，

   可以看到，RAGFlow 需要ES、Redis等环境，文档解析后需要存储，docker 的集装箱环境帮我们省去了繁琐的环境配置。

   

   启动成功

   

3. 访问与配置

• 访问 http://localhost:80（默认端口80，首次登录先注册）

  

• 在设置中配置 Chat 模型（如 DeepSeek API 或本地 Ollama）和 Embedding 模型（RAGFlow自带）。

  

4. 创建知识库与上传文档

• 新建知识库，解析方法建议选“General”，还可以选择专门解析书籍、简历、论文的其他模式

  

• 上传文档后点击“解析”，Embedding 模型将自动提取文本块

  

  

5. 提问测试

• 关联知识库并设置 System Prompt

  

• 现在你可以提问了！模型将基于你的文档返回准确答案

  

七、温馨提示 & 常见问题

✅ 建议 Docker 内存至少 12GB、Swap 建议 2GB

✅ 若操作卡顿或失败，可查看日志：

docker logs -f ragflow-server

✨ 总结

使用 DeepSeek + RAGFlow，你可以在不到一小时内（如果顺利的话）搭建起一个真正“懂你”的个人知识库助手。无需训练大模型，也能高效、低成本地解决幻觉问题。

如果你也希望大模型能真正理解你的“私有知识”，不妨试试这个方案！

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！