通过以上步骤，我们成功地利用 Ollama 部署了 Deepseek 模型，并借助 Cherry Studio 搭建了属于自己的本地 AI 知识库。在这个过程中，我们不仅实现了数据的本地化存储和管理，还能够根据自身需求对知识库进行个性化定制，享受到了快速、准确且私密的知识服务。从实际使用效果来看，本地 AI 知识库在处理特定领域的问题时表现出色。无论是专业的学术研究，还是日常的工作资料查询，它都能

通过以上步骤，我们成功地利用 Ollama 部署了 Deepseek 模型，并借助 Cherry Studio 搭建了属于自己的本地 AI 知识库。在这个过程中，我们不仅实现了数据的本地化存储和管理，还能够根据自身需求对知识库进行个性化定制，享受到了快速、准确且私密的知识服务。从实际使用效果来看，本地 AI 知识库在处理特定领域的问题时表现出色。无论是专业的学术研究，还是日常的工作资料查询，它都能

第一部分 六大 EHR 数据库核心特征描述一、MIMIC4：全球重症研究 “黄金标杆”核心定位：麻省理工学院主导的公开重症医学数据库，聚焦 ICU 患者全周期诊疗数据，是重症领域科研与 AI 模型开发的首选数据集。数据概况：最新 3.0 版本覆盖 2008-2022 年数据，含 54.6 万住院人次（其中 9.4 万 + ICU 患者），分钟级生命体征监测（如心率、血压），配套电子病历、实验室检查

通过以上步骤，我们成功地利用 Ollama 部署了 Deepseek 模型，并借助 Cherry Studio 搭建了属于自己的本地 AI 知识库。在这个过程中，我们不仅实现了数据的本地化存储和管理，还能够根据自身需求对知识库进行个性化定制，享受到了快速、准确且私密的知识服务。从实际使用效果来看，本地 AI 知识库在处理特定领域的问题时表现出色。无论是专业的学术研究，还是日常的工作资料查询，它都能

本研究对 LoRA、QLoRA、AdaLoRA、LoRA + 四种微调方法在 DeepSeek 大模型上的应用进行了深入分析和对比。LoRA 通过引入低秩适配器层，大幅减少了需要训练的参数量，在显存优化和计算效率方面表现出色，适用于资源有限且任务相对简单的场景。QLoRA 在 LoRA 基础上结合量化技术，进一步降低了存储和计算需求，在极端显存受限环境下优势明显，尽管可能存在一定精度损失，但在微调

通过以上步骤，我们成功地利用 Ollama 部署了 Deepseek 模型，并借助 Cherry Studio 搭建了属于自己的本地 AI 知识库。在这个过程中，我们不仅实现了数据的本地化存储和管理，还能够根据自身需求对知识库进行个性化定制，享受到了快速、准确且私密的知识服务。从实际使用效果来看，本地 AI 知识库在处理特定领域的问题时表现出色。无论是专业的学术研究，还是日常的工作资料查询，它都能