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。

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！

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

适合人群

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路

一对一学习规划，职业生涯指导

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】