對(duì)本地部署的 DeepSeek 正確投喂，讓 AI 擁有記憶功能

當(dāng) DeepSeek-R1 在本地成功部署那一刻，興奮與激動(dòng)如潮水般涌上心頭，迫不及待地開(kāi)啟與它的熱烈對(duì)話，話題一個(gè)接一個(gè)，暢聊不停。出于探索的熱情，還按照自己的思路給它共享了不少知識(shí)，它也能依此精準(zhǔn)切入，給出令人滿意的答案。可誰(shuí)能想到，第二天再聊，它竟像失憶一般，昨天共享的數(shù)據(jù)全然沒(méi)了印象，一切又回到最初狀態(tài)。

在 AI 的奇妙世界里，其記憶機(jī)制別有一番特點(diǎn)。以 DeepSeek、GPT 為代表的大多數(shù) AI 模型，默認(rèn)無(wú)狀態(tài)，無(wú)持久化記憶。每次對(duì)話都是全新開(kāi)場(chǎng)，不會(huì)記住上一次聊了啥。單次會(huì)話中雖能記些信息，可會(huì)話一結(jié)束，記憶就被清空。這主要是因?yàn)榧夹g(shù)上它們基于 Transformer 架構(gòu)，設(shè)計(jì)為無(wú)狀態(tài)來(lái)規(guī)避隱私和安全風(fēng)險(xiǎn)；同時(shí)，持久化記憶需大量資源，本地部署往往難以滿足，再加上隱私考量，對(duì)話歷史就不會(huì)被存儲(chǔ)。

如何讓我們的“投喂” 不會(huì)因?yàn)樯鲜鲈蚧癁闉跤胁攀俏覀冃枰P(guān)心的問(wèn)題。在接下來(lái)的文章中，我將介紹如何有效地“投喂”數(shù)據(jù)給本地部署的 DeepSeek-R1，并通過(guò)實(shí)驗(yàn)測(cè)試其效果。

關(guān)于如何投喂數(shù)據(jù)給本地部署的 DeepSeek-R1 請(qǐng)參考我之前的下面文章。

文章主題：如何投喂本地部署的 DeepSeek-R1

鏈接：
https://www.toutiao.com/article/7466724739818504744/

接下來(lái)，我想通過(guò)測(cè)試來(lái)展示，“投喂” 效果到底如何，是否可以讓 AI 擁有永恒記憶，并利用這些記憶持續(xù)為我所用。

為了測(cè)試效果，我選擇了一篇小學(xué)課文《一只小羊羔》作為示范。這篇文章講述了一個(gè)關(guān)于巴特救小羊羔的溫馨故事，情節(jié)簡(jiǎn)單但富有教育意義。

文章內(nèi)容如下：

為了測(cè)試效果，我這里使用兩個(gè)接入 DeepSeek-R1 平臺(tái)工具：ChatBox 和 Anything LLM 來(lái)展示。

ChatBox 是一款側(cè)重于提供便捷聊天交互體驗(yàn)，可使用多種模型且注重隱私保護(hù)的開(kāi)源桌面 AI 應(yīng)用；而 Anything LLM 是一個(gè)強(qiáng)調(diào)靈活性和可擴(kuò)展性，能將各種文檔轉(zhuǎn)為 LLM 上下文數(shù)據(jù)，支持多用戶、多模型及多種文檔類型的開(kāi)源全棧 AI 應(yīng)用程序。

首先，我使用 ChatBox 進(jìn)行測(cè)試。在聊天框中，我將《一只小羊羔》的 PDF 文檔共享了出來(lái)：

然而，當(dāng)我關(guān)閉對(duì)話并重新開(kāi)啟新的對(duì)話后，發(fā)現(xiàn)它完全失憶了。同樣的問(wèn)題再次被提出時(shí)，AI 已經(jīng)沒(méi)有任何記憶。

這種情況在 Anything LLM 上未“投喂”數(shù)據(jù)之前也是同樣的結(jié)果。

重開(kāi)新的聊天對(duì)話后：

接下來(lái)，我使用 Anything LLM 來(lái)為 DeepSeek-R1 “投喂”數(shù)據(jù)。這一次，我仍然選擇《一只小羊羔》的 PDF 文檔作為實(shí)驗(yàn)材料。

然后我們重新開(kāi)一個(gè)對(duì)話看效果：

通過(guò) Anything LLM，借助 RAG（檢索增強(qiáng)生成）技術(shù)，我們發(fā)現(xiàn)，本地 AI 大模型終于擁有了記憶能力。這是因?yàn)?Anything LLM 運(yùn)用嵌入引擎和向量數(shù)據(jù)庫(kù)，將“投喂”的數(shù)據(jù)妥善保存，并巧妙轉(zhuǎn)化為 DeepSeek-R1 易于理解和利用的格式，從而賦予了它強(qiáng)大的知識(shí)庫(kù)能力。

通過(guò)實(shí)驗(yàn)可以發(fā)現(xiàn)，借助 Anything LLM 的 RAG 技術(shù)，“投喂” 數(shù)據(jù)后，AI 表現(xiàn)出了顯著的提升。這種技術(shù)不僅讓 AI 擁有了“記憶”，還能夠持續(xù)利用這些信息為用戶提供更精準(zhǔn)的服務(wù)。

既然我們能實(shí)現(xiàn)讓 AI 擁有了“記憶”功能，那接下來(lái)就是持續(xù)收集新內(nèi)容來(lái)提升其價(jià)值吧。每天源源不斷地將文本文件、PDF、網(wǎng)頁(yè)抓取內(nèi)容等知識(shí)輸入，充實(shí)知識(shí)庫(kù)。隨著內(nèi)容的持續(xù)更新，知識(shí)庫(kù)不斷完善，當(dāng)被 AI 大模型提取運(yùn)用，就能與用戶需求高度契合，提供更精準(zhǔn)、更貼心的服務(wù)，最大化發(fā)揮 AI 的實(shí)用價(jià)值 。