本文详细介绍了如何使用Cherry Studio零代码搭建基于Embedding模型的私有知识库系统。通过选定嵌入模型、创建知识库、数据导入与向量化、测试效果和开始对话五个步骤，实现文档级语义理解与定制化问答能力，帮助用户摆脱AI幻觉困扰。同时强调了数据隐私保护的重要性，建议使用本地部署API，并预告了下期Agent智能体技术内容。

---

从零开始搭建 RAG

承接上期RAG原理，本文将深入实战：利用 Cherry Studio 构建基于 Embedding 模型的私有知识库系统，实现文档级语义理解与定制化问答能力。

本次实战将使用 Cherry Studio ，它是一个功能齐全的客户端，它不仅支持多模型管理，还有绘画、翻译和知识库功能，可以让我们零代码实现RAG。

第一步：选定你的嵌入模型

1. 打开 Cherry Studio，点击右下角设置按钮进入模型服务页面。

2. 这里推荐火山引擎的API，有50w的免费额度。点击申请API key。

3. 开通“嵌入模型（Embedding Model）”。

4. 在Cherry-studio测试一下你的模型是否配置成功。如果不能访问可以前去火山引擎官网检查是否开启了这个模型服务。在模型右侧把不可用的模型删除，只展示可用模型。

第二步：创建知识库

有了Embedding模型，我们需要一个地方来存放数据。

1. 点击左侧工具栏的知识库图标，进入管理页面。

2. 点击“添加”按钮。
3. 命名：给你的知识库起个名字（比如“GIS专业知识库”）。
4. 选择嵌入模型：选择Doubao-embeding模型，嵌入维度点击右侧刷新按钮自动设置即可。

第三步：数据导入与向量化

现在，我们要把人类的知识喂给 AI。Cherry Studio 支持非常灵活的数据来源：

• 本地文件：支持 PDF, Word (docx), Excel, Markdown (md), TXT 等格式。

• 在线链接：可以直接输入网址（URL），或者输入网站的 Sitemap（站点地图）。

• 纯文本笔记：直接粘贴你的一段想法。

关键动作 —— 向量化： 当你添加文件后，系统会自动开始“向量化”处理。你会看到一个进度条，当显示绿色对勾 (✓) 时，代表处理完成。

这一步发生了什么？ 正如上篇文章所讲，机器正在将你文档中的成千上万个特征，压缩成低维度的向量空间。虽然“苹果”和“橙子”在文字上完全不同，但在这一步之后，它们在数学空间里已经紧紧挨在一起了。

注意：目前文档中的插图暂不支持自动转向量，建议手动转为文本说明。如果需要解析插图可以选择Doubao-embedding-vision嵌入模型。

这里我选择上传我上一篇文章：“AI如何理解我们的世界？- Embedding”

第四步：搜索测试效果

在正式对话前，我们可以先测试一下 Embedding 的效果。

1. 在知识库页面上方点击“搜索知识库”。

2. 输入一个查询词。
3. 系统会展示检索结果以及匹配分数。 这个分数其实就是向量之间的“距离”。距离越近（分数越高），说明 AI 认为这段内容与你的问题越相关。

第五步：开始对话

一切准备就绪，让我们看看 RAG 的威力。

1. 回到对话界面，创建一个新话题。模型选择Deepseekv3，因为知识库功能需要大模型具备工具调用的能力。

2. 在输入框下方的工具栏中，点击“知识库”，选择你刚才创建的库。

3. 提问！

比如你可以问：“AI是怎么理解我们的世界的？” 此时，模型不会胡编乱造，而是会先通过 Embedding 检索知识库中的相关片段，结合上下文（Context），生成精准的回答。Cherry Studio 甚至会在答案下方附上数据来源，方便你核对原文。

总结

通过 Cherry Studio，我们不需要写一行代码，就复现了 Embedding 技术的核心应用场景，轻松搭建起属于自己的 AI 知识库，让大模型既能读懂私有文档，又能摆脱 “幻觉” 困扰。

而在享受技术便利的同时，我们也需要多一份数据隐私的思考。私有知识库中往往存储着项目资料、企业内部文档、个人敏感信息等核心数据，这些内容一旦泄露，可能会造成不可挽回的损失。因此，在使用 Cherry Studio 这类工具时，建议优先选择本地部署API，避免将敏感数据上传至公共云端；同时定期清理知识库中的冗余信息，对核心文档做好权限分级与加密处理。

---

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2026最新大模型全套学习资源》，包括2026最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题、AI产品经理入门到精通等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】